For testing goodness of fit, we consider a class of U-statistics of overlapping spacings of order two, and investigate their asymptotic properties. The standard U-statistic theory is not directly applicable here as the overlapping spacings form a dependent random sequence. The asymptotic distribution of the statistics under the null hypothesis and under a sequence of local alternatives are derived. In terms of the Pitman ARE, the U-statistic based on Gini's mean square difference of overlapping spacings is found to be the asymptotically locally most powerful. Interestingly, this test has the same efficacy as the Greenwood test based on overlapping spacings.


翻译:为了测试是否合适,我们考虑一组顺序二的重叠间隔的U-统计学,并调查其无症状特性。标准的U-统计学理论在此不直接适用,因为重叠间隔形成一个依附随机序列。根据无效假设和一系列当地替代方法得出了无症状的统计分布。就Pitman ARE而言,基于Gini的重叠间隔平均平方差的U-统计学被认为是局部最强的无症状。有趣的是,这一测试与基于重叠间隔的格林伍德测试同样有效。

0
下载
关闭预览

相关内容

专知会员服务
51+阅读 · 2020年12月14日
专知会员服务
40+阅读 · 2020年9月6日
商业数据分析,39页ppt
专知会员服务
161+阅读 · 2020年6月2日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年12月15日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员