Эта книга посвящена проблемам построения и применения критериев согласия хи-квадрат для полных и цензурированных данных. Классические критерии хи-квадрат предполагают, что неизвестные параметры распределения оцениваются по группированным данным, но на практике это предположение часто забывается. В этой книге рассматриваются модифицированные критерии хи-квадрат, которые не имеют такого недостатка. Авторы приводят примеры критериев хи-квадрат для различных распределений, широко используемых на практике, а также рассматривают критерии хи-квадрат для параметрических моделей пропорциональных рисков и ускоренного времени отказа, которые широко применяются в надежности и анализе выживаемости. Особое внимание уделяется выбору интервалов группировки и имитационному моделированию. В книге освещаются последние новшества в этой области, а также важные результаты, ранее опубликованные только на русском языке.
Электронная Книга «Chi-squared Goodness-of-fit Tests for Censored Data» написана автором Mikhail S. Nikulin в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119427612
Описание книги от Mikhail S. Nikulin
This book is devoted to the problems of construction and application of chi-squared goodness-of-fit tests for complete and censored data. Classical chi-squared tests assume that unknown distribution parameters are estimated using grouped data, but in practice this assumption is often forgotten. In this book, we consider modified chi-squared tests, which do not suffer from such a drawback. The authors provide examples of chi-squared tests for various distributions widely used in practice, and also consider chi-squared tests for the parametric proportional hazards model and accelerated failure time model, which are widely used in reliability and survival analysis. Particular attention is paid to the choice of grouping intervals and simulations. This book covers recent innovations in the field as well as important results previously only published in Russian. Chi-squared tests are compared with other goodness-of-fit tests (such as the Cramer-von Mises-Smirnov, Anderson-Darling and Zhang tests) in terms of power when testing close competing hypotheses.
