论文部分内容阅读
拟合优度检验是建立统计模型的一个重要步骤之一,它主要任务是检验给定分布(分布族)对数据的拟合程度。传统的EDF型检验有著名的Kolmogorov-Smirnov检验,Anderson-Darling检验和Cramer-vonMises检验,但它们的检验效果有时并不是最好的。例如,张进在文献[1]中所提出新的EDF统计量ZA,ZC和ZK,在正态性检验时的效果要好于传统的EDF型统计量。
虽然EDF型统计量具备有效的拟合性质,但是它们的分布规律不仅依赖于被检验的样本容量和样本分布,还依赖于假定分布中未知参数的类型及参数估计的方法等,这使得在有些情况下我们要求出它们的分布或渐进分布就比较困难。这时,我们往往能通过建立恰当的模型,用模拟的方法来解决具体的问题。
本文引用几个著名的EDF统计量,对含有未知参数的指数分布作了拟合优度检验,并用蒙特卡洛的方法给出了样本来自于指数分布时统计量的分位表,然后取不同的样本分布对统计量的检验功效作了简单的比较。