آزمون های نیکویی برازش بر اساس ملاک اطلاع بر روی داده های سانسوریده ی تصادفی
ما در این مقاله دو آزمون جدید نیکویی برازش بر اساس اطلاع کولبک-لیبلر تجمعی (CKL) و اطلاع کولبک-لیبلر باقیمانده تجمعی (CRKL) برای توزیع نمایی با پارامتر نامعلوم و داده های سانسورشده ی تصادفی را پیش نهاد می دهیم. کوزیول و گرین (1976) آماره کرامرفون-می سز را با داده های سانسوریده ی تصادفی برای یک فرضیه ی ساده مبتنی بر براورد حد حاصل ضربی کاپلن-مایر برای تابع توزیع معرفی کردند. ما از ایده ی آن ها برای به دست آوردن آماره ی آزمون بر اساس CKL و CRKL برای سانسور تصادفیده در توزیع نمایی با پارامترهای براوردشده استفاده می کنیم. توان آزمون های پیش نهادی برای توزیع نمایی با آماره های آزمون بر اساس تابع توزیع تجربی و با استفاده از ایده ی کوزیول و گرین (1976) مقایسه می شوند. در مطالعه های شبیه سازی از مدل های سانسور تصادفی کوزیول و گرین (1976) کمک گرفتیم و نتایج مطالعه ها نشان دادند که آزمون پیش نهادی در مقایسه با آماره های دیگر برای بسیاری از فرضیه های مقابل توان بیش تری دارد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.