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.