...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >An efficient correction to the density-based empirical likelihood ratio goodness-of-fit test for the inverse Gaussian distribution
【24h】

An efficient correction to the density-based empirical likelihood ratio goodness-of-fit test for the inverse Gaussian distribution

机译：高斯逆分布的基于密度的经验似然比拟合优度检验的有效校正

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The inverse Gaussian (IG) distribution is widely used to model positively skewed data. An important issue is to develop a powerful goodness-of-fit test for the IG distribution. We propose and examine novel test statistics for testing the IG goodness of fit based on the density-based empirical likelihood (EL) ratio concept. To construct the test statistics, we use a new approach that employs a method of the minimization of the discrimination information loss estimator to minimize Kullback-Leibler type information. The proposed tests are shown to be consistent against wide classes of alternatives. We show that the density-based EL ratio tests are more powerful than the corresponding classical goodness-of-fit tests. The practical efficiency of the tests is illustrated by using real data examples.
机译：高斯逆（IG）分布被广泛用于对正偏数据建模。一个重要的问题是为IG分布开发功能强大的拟合优度测试。我们提出并检查了基于密度的经验似然（EL）比概念来测试IG拟合优度的新颖测试统计数据。为了构造检验统计量，我们使用一种新方法，该方法采用最小化判别信息损失估计量的方法来最小化Kullback-Leibler类型信息。所提出的测试显示出与广泛的替代方案是一致的。我们表明，基于密度的EL比测试比相应的经典拟合优度测试更强大。通过使用实际数据示例来说明测试的实际效率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号