Weibull or not Weibull?

用高阶顺序统计量判别威布尔分布与对数威布尔分布的近似假设

Discrimination between close hypotheses about Weibull and log-Weibull type distributions by the higher order statistics

本文讨论了属于Gumbel最大吸引区域吸引区域的分布的密切假设之间的歧视问题。所提出的工作的显着特点是只使用k个较高的顺序统计量的样本在建设的标准，因为有很多情况下，我们不知道整个样本，因为它发生在与安全，寿命，灾难，海平面等问题。这项工作是第一次在一系列的作者的作品，处理统计极值。

威布尔累积暴露模型的性质

Properties of the Weibull cumulative exposure model

研究了多步步进应力加速寿命试验数据的Weibull累积暴露模型的一些性质。虽然该模型包括一个概率的想法Miner的规则，以表示疲劳累积损伤的影响，我们的结果表明，仅应用这是不够的，以表示退化的标本和形状参数必须大于1。对于服从模型的随机变量，研究了不同参数值集的平均值和标准差。此外，通过对交联聚乙烯绝缘电缆击穿时间的实际数据集进行极大似然估计的实例，说明了检验模型有效性的方法。

Cauchy or not Cauchy? New goodness-of-fit tests for the Cauchy distribution

We introduce a new characterization of the Cauchy distribution and propose a class of goodness-of-fit tests to the Cauchy family. The limit distribution is derived in a Hilbert space framework under the null hypothesis and under fixed alternatives. The new tests are consistent against a large class of alternatives. A comparative Monte Carlo simulation study shows that the test is competitive to the state of the art procedures, and we apply the tests to log-returns of cryptocurrencies.

Beta韦布尔分布矩的显式表示

Explicit expressions for moments of the beta Weibull distribution

Beta韦布尔分布由Famoye等人（2005）引入，并由这些作者进行了研究。然而，他们暂时没有给出明确的表达。现在我们导出累积分布函数和该分布的矩的显式封闭形式表达式。我们还给出了矩母函数的渐近展开式。进一步讨论了极大似然估计，并给出了费舍尔信息矩阵元素的计算公式。我们还证明了这种分布在一个真实的数据集上的有用性。

Ornstein-Uhlenbeck过程的拟合优度检验

Goodness-of-Fit Tests for Ornstein-Uhlenbeck Process

考虑线性随机微分方程（Ornstein-Uhlenbeck过程）的拟合优度检验问题。基本假设是二维未知参数的复合假设。研究了基于经验分布函数和不变密度局部时间估计的Cramer-vonMises型拟合优度检验。结果表明，在假设条件下，基本统计量的极限分布不依赖于未知参数。

Newcomb-Benford分布拟合优度的光滑性检验

Smooths Tests of Goodness-of-fit for the Newcomb-Benford distribution

Newcomb-Benford概率分布在使用统计学的许多领域中变得非常流行，特别是在欺诈检测中。在这种情况下，重要的是能够确定数据集是否来自该分布，同时控制类型1错误（即错误地识别欺诈）和类型2错误（即未检测到欺诈发生）的风险。完成这项工作的统计工具是拟合优度检验。对于Newcomb-Benford分布，最流行的此类检验是Pearson的χ 2检验，已知其与第2类错误相关的功效较弱。因此，最近又引入了其他测试。目前的工作的目标是建立新的拟合优度测试这种分布的基础上，光滑的测试原则。然后将这些测试与一些竞争对手进行比较。事实证明，该文件的建议在全球范围内比现有的测试更可取，应在欺诈检测等方面予以认真考虑。

On the intermediate asymptotic efficiency of goodness-of-fit tests in multinomial distributions

We consider goodness-of-fit tests for uniformity of a multinomial distribution by means of tests based on a class of symmetric statistics, defined as the sum of some function of cell-frequencies. We are dealing with an asymptotic regime, where the number of cells grows with the sample size. Most attention is focused on the class of power divergence statistics. The aim of this article is to study the intermediate asymptotic relative efficiency of two tests, where the powers of the tests are asymptotically non-degenerate and the sequences of alternatives converge to the hypothesis, but not too f…

带转移参数的遍历扩散过程的拟合优度检验

On Goodness-of-fit Testing for Ergodic Diffusion Process with Shift Parameter

提出了遍历扩散过程的拟合优度检验问题。在原假设中，扩散的漂移被假定为具有未知移位参数的参数形式。研究了两种Cramer-Von Mises型检验统计量。第一种是基于不变密度的局部时间估计，第二种是基于经验分布函数。通过最大似然估计器估计未知参数。证明了这两个检验统计量的极限分布都不依赖于未知参数，因此这两个检验统计量的分布是渐近无参数的。对所提出的试验和模拟研究的一致性也作了一些考虑。

基于记录值的不准确性测度及其在对称性检验中的应用

Record Values Based Inaccuracy Measures with an Application to Testing Symmetry

本文提出基于记录值的不准确性测度，推导多种寿命分布的显式表达式，开发非参数对称性拟合优度检验，经模拟和实际数据验证，该检验兼具良好的水平维持能力与高功效。

一类广义β分布

A Family of Generalized Beta Distributions for Income

一类广义β分布，包括β-正态分布、斜t分布、对数F分布、β-指数分布、β-韦布尔分布，其数学性质已在一些文献中得到研究。本文将这些分布应用于收入规模分布的建模，并计算参数的极大似然估计。它们的性能进行了比较，广泛使用的广义β分布的第一和第二类型的拟合优度的措施。

On the Asymptotic Properties of a Certain Class of Goodness-of-Fit Tests Associated with Multinomial Distributions

The object of study is the problem of testing for uniformity of the multinomial distribution. We consider tests based on symmetric statistics, defined as the sum of some function of cell-frequencies. Mainly, attention is focused on the class of power divergence statistics, in particular, on the chi-square and log-likelihood ratio statistics. The main issue of the article is to study the asymptotic properties of tests at the concept of an intermediate setting in terms of so called -intermediate asymptotic efficiency due to Ivchenko and Mirakhmedov (1995), when the asymptotic power of tests are …

仿射因果过程的一致性模型选择准则及拟合优度检验

Consistent model selection criteria and goodness-of-fit test for affine causal processes

本文研究了一大类因果时间序列模型的模型选择问题，这类模型既包括ARMA或AR（$\infty$）过程，也包括GARCH或GARCH（$\infty$）、APARCH、ARMA-GARCH等过程。为了解决这个问题，我们考虑基于模型的准似然的惩罚对比。我们提供了罚项的充分条件以保证所提出方法的相合性以及所选模型的拟极大似然估计的相合性和渐近正态性。从这些条件来看，贝叶斯信息准则（BIC）并不总是保证一致性。我们还提出了一个工具，用于诊断的拟合优度的选择模型的基础上的portmanteau测试。数值模拟和FTSE指数的一个说明性的例子来突出所获得的渐近结果，包括一个数值证据的非一致性的通常BIC罚款的AR（p）模型的阶选择与numerous（$\infty$）的错误。

相关平稳点过程Palm mark分布的渐近拟合优度检验

Asymptotic goodness-of-fit tests for the Palm mark distribution of stationary point processes with correlated marks

我们考虑空间均匀的标记点模式在一个无限扩展的凸采样窗口。我们的主要目标是通过构造渐近$χ^2$ -拟合优度检验来确定典型标记的分布。相应的检验统计量是基于自然的经验版本的掌纹分布和平滑的协方差估计，原来是均方一致的。我们的方法不需要独立的标记，并允许标记字段和点模式之间的依赖关系。相反，我们施加一个合适的$β$混合条件的基础上的平稳标值点过程，可以检查一些基于泊松模型，特别是在地质统计标记的情况下。为了研究测试性能，我们的测试方法被应用到检测特定的布尔模型的各向异性。

具有有限二阶矩的计数分布的拟合优度检验

Goodness-of-fit test for count distributions with finite second moment

本研究提出一种基于概率生成函数函数的$L^1$距离的单参数计数分布拟合优度检验，统计量形式简单且渐近正态，对多类备择分布具一致性，经模拟验证了有限样本性质。

高维高斯线性模型的拟合优度检验

Goodness-of-fit Tests for high-dimensional Gaussian linear models

令$(Y,(X_i)_{i\in\mathcal{I}})$是零均值高斯向量，并且$V$是$\mathcal{I}$的子集。假设我们被给予$n$ i.i.d.。载体$(Y,X)$的复制。我们提出了一个新的测试，测试$Y$是独立的$(X_i)_{i\in \mathcal{I}\backslash V}$有条件的$(X_i)_{i\in V}$对一般的替代，它不是。该过程不依赖于$X$的协方差或$Y$的方差的任何先验信息，并且适用于高维设置。它直接扩展到测试高斯图形模型的邻域。该程序是基于随机高斯协变量的高斯回归模型。我们给出了非渐近性质的测试，我们证明了它是率最优的（一个可能的$\log(n)$因素）在各种类别的替代品在一些额外的假设。此外，它使我们能够得到非渐近极小极大检验率在此设置。最后，我们进行了模拟研究，以评估我们的程序的性能。

随机设计回归模型有限样本有效性自适应拟合优度检验的注记

A note on an Adaptive Goodness-of-Fit test with Finite Sample Validity for Random Design Regression Models

根据身份证。样本$\{(X_i,Y_i)\}_{i \in \{1 \ldots n\}}$从随机设计回归模型$Y = f(X) + ε$与$(X,Y) \in [0,1] \times [-M,M]$，在本文中，我们考虑的问题，测试（简单）零假设$f = f_0$，对另一个$f \neq f_0$固定$f_0 \in L^2([0,1],G_X)$，其中$G_X(\cdot)$表示的边缘分布的设计变量$X$。提出的程序是对Fromont和Laurent（2005）引入的多重检验技术的回归设置的适应，并且它相当于考虑$L^2$ -距离$d_2(f,f_0) = \int {[f(x) - f_0 (x)]^2 d\,G_X (x)}$的无偏估计的适当集合，当其中至少一个大于其$(1-u_α)$分位数时拒绝零假设，$u_α$被校准以获得水平- $α$检验。为了构建这些估计器，我们将使用Picard和Kerkyacharian（2004）介绍的扭曲小波基。我们不假设误差是正态分布的，我们也不假设$X$和$ε$是独立的，但是，主要是出于技术原因，我们将假设，就像在学习理论的大多数现有文献中一样，$|f(x) - y|$是一致有界的（几乎处处）。我们表明，我们的测试是自适应的一个特定的集合的近似空间连接到经典的Besov空间。

正则Vine Copula模型的拟合优度检验

A goodness-of-fit test for regular vine copula models

我们介绍了一个新的拟合优度测试定期葡萄（R-vine）Copula模型。R-vine copula是一类基于pair-copula构造（PCC）的非常灵活的多元copula。该检验源于White（1982）提出的信息矩阵等式和规格检验，并扩展了Huang和Prokhorov（2011）引入的Copula的拟合优度检验。相应的临界值可以近似渐近理论或模拟。基于模拟的测试在广泛的模拟研究中显示出关于观察到的大小和功效的优异性能，而基于渐近理论的测试对于5维模型的n<10000是不准确的（在d=8中，甚至20000是不够的）。基于模拟的测试应用于选择不同的R-vine规格来模拟汇率之间的依赖性。

几种离散型拟合优度检验统计量检验Zig-Zag分布原假设的模拟功效

Simulated Power of Some Discrete Goodness-of-Fit Test Statistics For Testing the Null Hypothesis of a Zig-Zag Distribution

在本文中，我们比较了几个离散的拟合优度检验统计量考虑斯蒂尔和Chaseling [10]的权力下的原假设的“之字形”分布。结果表明，离散Kolmogorov-Smirnov检验统计量通常更强大的下降趋势的替代。Pearson卡方统计量通常对增加的单峰、尖峰、平峰和浴缸形替代品更强大。最后，名义柯尔莫哥洛夫-斯米尔诺夫和皮尔逊χ 2检验统计量通常对于双峰替代方案更有效。我们还解决了问题的敏感性的检验统计量的替代品下的“之字形”空。与Steele和Chaseling [10]的一致零值相比，我们的研究表明，离散KS检验统计量对下降趋势选择最敏感; Pearson卡方统计量对尖峰和平峰趋势选择最敏感。特别是，在“zig-zag”空值下，我们能够清楚地识别平峰和尖峰替代方案的最大功效检验统计量，而Steele和Chaseling [10]的一致空值无法进行此类识别。

噪声方向数据的拟合优度检验

Goodness-of-fit test for noisy directional data

我们考虑随机旋转$\varepsilon_i\in$ SO（3）加噪声的球形数据$X_i$，使得仅观察到样本$Z_i=\varepsilon_iX_i$，$i=1,\dots, N$。定义了一个非参数检验过程来区分$H_0:$ "$X_i$的密度$f$是球上的均匀密度$f_0$“和$H_1:$" $\|f-f_0\|_2^2\geq \Cψ_N$和$f$是在一个光滑的Sobolev空间$s$”.对于噪声密度$f_\varepsilon$与平滑指数$ν$，我们表明，自适应程序（即$s$不假定为已知）不能有一个更快的分离速度比$ψ_N^{ad}(s)=(N/\sqrt{\log\log(N)})^{-2s/(2s+2ν+1)}$，我们提供了一个程序，达到这个速度。我们还处理超平滑噪声的情况。我们通过对SO（3）上的各种噪声执行我们的测试程序并将其与其他程序进行比较来说明理论。提供了天体物理学和古地磁学中实际数据的应用。

高维数据中独立成分模型的适配性检验

A Goodness-of-Fit Test for Independent Component Models in High Dimensions

本文提出了一种高维数据中独立成分模型的适配性检验方法，该方法在数据维度和样本量按比例发散时具有理论保证，并通过数值实验和基因表达数据示例展示了其在实际应用中的诊断潜力。

拟合优度检验中 Kuiper 统计量 $V_n$ 的高阶展开方法

High Order Expansion Method for Kuiper's $V_n$ Statistic in Goodness-of-fit Test

针对小样本下 Kuiper $V_n$ 统计量原有近似误差较大的问题，提出微分算子指数的高阶展开方法及误差为 $\mathcal{O}(n^{-3})$ 的新公式，并设计定点算法求解临界值和上分位数。

通过φ-偏差的拟合优度检验

Goodness-of-fit tests via phi-divergences

介绍并研究了基于$ϕ$ -发散性的统一的拟合优度检验族。新的检验统计量族$S_n(s)$包括Anderson-Darling统计量的上确界形式和Berk和Jones [Z.华什弗鲁Gebiete 47（1979）47- 59]作为特例（分别为$s=2$和$s=1$）。我们还介绍了新统计的积分版本。我们证明了Berk和Jones [Z.华什弗鲁Gebiete 47（1979）47- 59]和Wellner和Koltchinskii [高维概率III（2003）321- 332. Birkhäuser，Basel]的Berk-Jones统计量适用于整个统计量族$S_n(s)$和$s\in[-1,2]$。在幂行为方面，我们研究了固定方案下的检验统计量，并推广了Berk和Jones关于其统计量的“Poisson边界”现象。我们还推广了Donoho和Jin [Ann. Statistist. 32（2004）962--994]，表明我们对$s\in[-1,2]$的所有新测试对于正常移位混合物替代物具有与Tukey的"更高临界“统计量和Berk-Jones统计量相同的"最优检测边界”。

谱正则化核拟合优度检验

Spectral Regularized Kernel Goodness-of-Fit Tests

本文针对基于MMD的拟合优度检验在限制性假设下非最优且不可计算的问题，提出将结果推广至一般谱正则化器，涵盖Tikhonov正则化，以提升检验的实用性与最优性。

利用记录比较两种韦布尔分布的形状参数：一种推广的推论

Comparing the Shape Parameters of Two Weibull Distributions Using Records: A Generalized Inference

韦布尔分布是一种非常适用于寿命数据的模型。在利用记录推断两个韦布尔分布时，通常认为两个分布的形状参数相等。然而，在文献中没有一个合适的方法来比较形状参数。因此，比较两种韦布尔分布的形状参数是非常重要的。利用广义{ \it p}-值和广义置信区间的概念，提出了一种构造形状参数比值和差值的置信区间和检验假设的方法.仿真研究表明，我们的方法是令人满意的。最后给出了一个实例来说明该方法。

动态频谱共享中拟合优度（GoF）测试的硬件在环评估

Hardware-in-the-Loop Evaluation of Goodness of Fit (GoF) Testing for Dynamic Spectrum Sharing

本文通过硬件在环平台评估CM、AD和KS三种拟合优度测试在动态频谱共享中检测主用户的有效性，利用RFSoC 4x2收发器和F8信道仿真器实现非参数频谱感知。

Weibull分布形状参数的最大似然估计的偏倚减少

Maximum likelihood estimation of the Weibull distribution with reduced bias

本文提出一种新的偏倚调整最大似然估计方法，用于Weibull分布的形状参数估计，具有更低的偏倚和更高的效率，且易于用现有软件实现。

差异私人卡方假设检验：拟合优度与独立性检验

Differentially Private Chi-Squared Hypothesis Testing: Goodness of Fit and Independence Testing

假设检验是一种有用的统计工具，用于根据总体样本确定是否应拒绝给定模型。样本数据可能包含有关个人的敏感信息，例如医疗信息。因此，重要的是要设计统计测试，以保证数据中受试者的隐私。在这项工作中，我们研究了假设检验受差异隐私，特别是卡方检验的拟合优度的多项式数据和两个分类变量之间的独立性。我们提出了新的测试适合的拟合优度和独立性测试，像经典版本可以用来确定是否一个给定的模型应该被拒绝或不，另外可以确保差分隐私。我们给出了基于蒙特卡罗的假设检验以及更严格遵循经典卡方拟合优度检验和皮尔逊卡方独立性检验的假设检验。至关重要的是，我们的测试考虑了注入的噪声的分布，以确保在确定显著性时的隐私。我们表明，这些测试可以用来实现所需的显着性水平，在鲜明的对比，直接应用经典的测试，以不同的私人列联表，这可能会导致广泛变化的显着性水平。此外，我们还研究了这些测试的统计功效。我们的经验表明，为了达到与经典非私人测试相同的功效水平，我们的新测试只需要相对适度地增加样本量。

关于核拟合优度检验的鲁棒性

On the Robustness of Kernel Goodness-of-Fit Tests

本文指出现有核拟合优度检验缺乏鲁棒性，并提出首个基于核斯坦偏差球的鲁棒检验方法，以解决模型轻微扰动下的拟合优度检验问题。

一种简化的新修正韦布尔分布

A reduced new modified Weibull distribution

在本文中，我们提出了一个新的修改威布尔（NMW）分布由于Almalki和袁\cite{meNMW}的简化版本，以避免一些估计问题。NMW分布中的参数数量为5个。简化版本中的参数数量为三个。我们研究的数学性质以及极大似然估计的减少版本。四个真实的数据集（其中两个完整的和其他两个删失）被用来比较的灵活性，减少的版本与NMW分布。结果表明，减少的版本具有相同的理想性质的NMW分布，尽管有两个少的参数。对于四个数据集中的任何一个，NMW分布都没有提供比简化版本更好的拟合。

关于分组数据的统计分析：当Pearson χ²和其他可分割统计量不是拟合优度检验时

On the statistical analysis of grouped data: when Pearson $χ^2$ and other divisible statistics are not goodness-of-fit tests

本文探讨了分组数据统计分析中Pearson χ²等可分割统计量的局限性，提出了一种统一方法，并构建了无分布拟合优度检验。

Testing Goodness of Fit of Conditional Density Models with Kernels

We propose two nonparametric statistical tests of goodness of fit for conditional distributions: given a conditional probability density function $p(y|x)$ and a joint sample, decide whether the sample is drawn from $p(y|x)r_x(x)$ for some density $r_x$. Our tests, formulated with a Stein operator, can be applied to any differentiable conditional density model, and require no knowledge of the normalizing constant. We show that 1) our tests are consistent against any fixed alternative conditional model; 2) the statistics can be estimated easily, requiring no density estimation as an intermediate…

威布尔模型参数最大似然估计的再探讨

A revisit to maximum likelihood estimation of Weibull model parameters

本研究重新探讨威布尔分布参数的最大似然估计，解析证明其存在性与唯一性，结合理论与计算研究抽样分布，发现其可被威布尔分布近似，模拟结果验证了一阶偏差与均方误差的相关结论。

最大熵多元密度估计：一种精确的拟合优度方法

Maximum Entropy Multivariate Density Estimation: An exact goodness-of-fit approach

我们考虑的问题，估计人口的概率分布给定一组有限的多元样本，使用最大熵的方法。严格按照Jaynes的原始定义，我们对问题的精确表述仅考虑估计分布的平滑度（由其熵测量）和与样本数据的拟合优度相关的损失泛函的贡献，特别是不使用任何不能单独从样本数据证明的额外约束。通过将一般的多变量问题映射到一个易于处理的单变量问题，我们能够使用传统的基于似然的方法和严格的信息论方法写出任意多变量分布对任何给定样本集的拟合优度的精确表达式，从而解决了一个长期存在的问题。作为一个推论，我们也给出了一个确切的解决方案，以确定从人口与已知的概率分布的样本的预期分布的“前向问题”。

关于泊松分布拟合优度检验的一则注记

A note on goodness of fit testing for the Poisson distribution

本文针对Fisher离散检验在更广泛备择假设下性能研究不足的问题，提出若干实际备择假设，验证通用拟合优度检验在这些场景下表现远优于Fisher离散检验，补充了泊松分布拟合优度检验的相关研究。

Minimax optimal goodness-of-fit testing for densities and multinomials under a local differential privacy constraint

Finding anonymization mechanisms to protect personal data is at the heart of recent machine learning research. Here, we consider the consequences of local differential privacy constraints on goodness-of-fit testing, i.e. the statistical problem assessing whether sample points are generated from a fixed density $f_0$, or not. The observations are kept hidden and replaced by a stochastic transformation satisfying the local differential privacy constraint. In this setting, we propose a testing procedure which is based on an estimation of the quadratic distance between the density $f$ of the unobs…

对Weibull类型I截断数据的生存可靠性推断

Inference on Survival Reliability with Type-I Censored Weibull data

本文提出了一种新的精确推断方法，用于Weibull、对数正态和对数洛吉斯等分布的参数检验和置信区间计算，解决了截断数据和小样本下的可靠性推断问题。

逐步删失下多个Weibull总体的公共形状参数与变异系数的区间估计

Interval Estimation of the Common Shape Parameter and Coefficient of Variation of Several Weibull Populations under Progressive Censoring

本文针对逐步II型删失下多个Weibull总体的公共形状参数与变异系数，采用多种统计方法开展区间估计比较研究，提出最优删失方案，经模拟与实例验证推荐贝叶斯及方差估计恢复类区间估计方法。

方向分布的Stein拟合优度检验

A Stein Goodness-of-fit Test for Directional Distributions

在许多领域中，数据以方向（单位向量）的形式出现，通常的统计方法不适用于这种方向数据。在这项研究中，我们提出了非参数拟合优度检验程序的一般方向分布的核斯坦差异的基础上。我们的方法是基于Stein算子的球，这是由斯托克斯定理推导。值得注意的是，所提出的方法适用于具有难以处理的归一化常数的分布，这通常出现在方向统计中。实验结果表明，所提出的方法控制第一类错误以及具有更大的功率比现有的测试，包括基于最大均值差异的测试。

Using Excel software to calculate Bayesian factors: taking goodness of fit test (Chi-square test) as an example

Taking the goodness of fit test (Chi test) as an example, this paper attempts to calculate the Bayesian factor BF10 of n-fold Bernoulli test by the Excel software (using JASP software as the evidence). The results showed that in the range of 0.15-0.55 (the rate of samples which are all "true"), the calculated results of Excel were more accurate, and the differences between the two (Excel and JASP) were not statistically significant (P>0.3).

空间点过程的拟合优度检验：综述

Goodness-of-fit tests for spatial point processes: A review

本文综述空间点过程拟合优度检验，梳理经典函数型汇总统计量与拓扑数据分析方法，并用统一记号分类相关检验统计量构造方式。

广义泊松分布的拟合优度检验

Goodness-of-fit tests for generalized Poisson distributions

本文针对广义泊松分布族提出计算便捷的拟合优度检验，通过参数自助法逼近零分布，模拟实验表明新检验在多数情况下优于或匹配现有方法，并用实际数据加以验证。

基于Laplace随机场的渐近独立空间极值建模

Modeling asymptotically independent spatial extremes based on Laplace random fields

本文基于Laplace随机场构造了渐近独立随机过程中的门限随机数模型。这些被定义为高斯随机场标度的随机变量遵循指数分布。这个框架产生有用的渐近性质，同时保持统计方便。单变量分布尾部是半指数型的，并且是阈值方差的极限广义帕累托分布的一部分。在对数据中的边缘尾部分布进行归一化之后，可以使用标准拉普拉斯场来捕获极值之间的空间依赖性。拉普拉斯场的渐近性质进行了探讨，并与经典框架的渐近依赖。拉普拉斯场的多变量联合尾部衰减速率比具有相同协方差结构的高斯场慢;因此，它们提供了非常极端的联合风险的更保守估计，同时保持渐近独立性。统计推断说明极端阵风在荷兰的高斯依赖模型的比较显示出更好的拟合优度赤池的标准。在这个特定的应用中，我们将适应性良好的韦布尔分布拟合为单变量尾部模型，使得单变量尾部分布的归一化可以通过数据的简单幂变换来完成。

基于Bootstrap的参数条件分布族拟合优度检验

Bootstrap-Based Goodness-of-Fit Test for Parametric Families of Conditional Distributions

本文提出一种基于Bootstrap的分布回归拟合优度检验，通过比较非参数与半参数估计差异，无需超参数，功效更高，可用R的gofreg包实现。

Interpretable Stein Goodness-of-fit Tests on Riemannian Manifolds

In many applications, we encounter data on Riemannian manifolds such as torus and rotation groups. Standard statistical procedures for multivariate data are not applicable to such data. In this study, we develop goodness-of-fit testing and interpretable model criticism methods for general distributions on Riemannian manifolds, including those with an intractable normalization constant. The proposed methods are based on extensions of kernel Stein discrepancy, which are derived from Stein operators on Riemannian manifolds. We discuss the connections between the proposed tests with existing ones …

缺失数据模型中的可检验性与拟合优度检验研究

On Testability and Goodness of Fit Tests in Missing Data Models

针对有向无环图建模的缺失数据假设验证研究不足的问题，本文探究三类缺失数据图模型的可检验蕴含并设计拟合优度检验，覆盖纵向与横断面研究场景。

基于Weibull和对数逻辑分布的两个新型风速T-X模型的比较分析：用于伊朗大不里士风能潜力估计

Comparative analysis of two new wind speed T-X models using Weibull and log-logistic distributions for wind energy potential estimation in Tabriz, Iran

本文提出基于T-X族的WE3-LL3和LL3-WE3两种新型风速分布模型，通过最大似然估计与多种检验，在伊朗大不里士数据上验证其优于传统PDF，用于风能潜力估计。

序列模型拟合优度的核 Stein 检验

A kernel Stein test of goodness of fit for sequential models

针对可变长度序列等变维观测，本文通过构造适配的 Stein 算子扩展 KSD，提出无需密度归一化的新型拟合优度检验，并在离散序列基准上验证了良好性能。

一种基于谱方法的随机块模型拟合优度检验

A spectral based goodness-of-fit test for stochastic block models

针对复杂网络社区检测中社区数量通常未知的问题，提出基于邻接矩阵线性谱的随机块模型拟合优度检验，证明其原假设下依分布收敛于标准正态分布，实验验证了性能。

独立加性加权偏倚分布及相关拟合优度检验

Independent additive weighted bias distributions and associated goodness-of-fit tests

本文借助 Stein 恒等式提出独立加性加权偏倚分布，并构造 $L^2$ 型拟合优度检验，结合参数 bootstrap 与 Monte Carlo 模拟验证其检验能力。

对数线性网络模型的拟合优度：使用超图的动态马尔可夫基

Goodness-of-fit for log-linear network models: Dynamic Markov bases using hypergraphs

社交网络和其他大型稀疏数据集对统计推断提出了重大挑战，因为用于测试模型拟合的许多标准统计方法不适用于这种设置。代数统计学提供了一种理论上合理的拟合优度检验方法，该方法依赖于马尔可夫基理论，并与模型的几何结构密切相关，如其纤维所描述的那样。目前大多数做法需要计算整个基，这在许多实际情况下是不可行的。我们提出了一个动态的方法来探索纤维的模型，绕过这个问题，是基于组合的超图所产生的环面代数结构的日志-线性模型。我们证明了荷兰Leinhardt $p_1$模型的随机有向图，允许往复边缘的方法。

具有相依观测值的拟合优度检验

Goodness-of-Fit tests with Dependent Observations

我们重新审视Kolmogorov-Smirnov和Cramér-von Mises拟合优度（GoF）检验，并提出了一个推广到同分布，但依赖的单变量随机变量。我们表明，依赖性导致减少的“有效”的独立观察。广义GoF检验不是无分布的，而是依赖于所有滞后的二元Copula。这些对象，我们称之为“自连接”，编码所有的非线性时间依赖。我们介绍了一个具体的，对数正态模型，这些自我copula，推导出一些分析结果。提供了对金融时间序列的应用。众所周知，在这种情况下，相关性是长程的，我们使用自Copula证实了这一发现。因此，GoF测试的接受率大大高于收益率为iid随机变量时的接受率。

遍历马尔可夫过程拟合优度的新方法

A New Approach to Goodness of Fit for Ergodic Markov Processes

该研究提出一种基于密度的遍历马尔可夫过程拟合优度检验方法，无需指定备择假设、无需估计平滑参数，对1/√n局部备择假设有效，为计量与金融建模问题提供新视角。

线性时间核函数拟合优度检验

A Linear-Time Kernel Goodness-of-Fit Test

我们提出了一种新的自适应测试的拟合优度，计算成本线性的样本数。我们通过最小化假阴性率来学习最能表明观察样本与参考模型之间差异的测试特征。这些特征是通过Stein方法构造的，这意味着不需要计算模型的归一化常数。我们分析了新的测试的渐近Bahadur效率，并证明，根据均值漂移的替代方案，我们的测试总是有更大的相对效率比以前的线性时间内核测试，无论该测试的参数的选择。在实验中，我们的方法的性能超过了早期的线性时间测试，并匹配或超过二次时间内核测试的功率。在高维度和模型结构可能被利用的情况下，我们的拟合优度检验的表现远远好于基于最大均值离散度的二次双样本检验，样本来自模型。

用最大逐项离差检验随机区组模型的拟合优度

Using Maximum Entry-Wise Deviation to Test the Goodness-of-Fit for Stochastic Block Models

随机块模型被广泛用于检测网络数据中的社区结构。如何检验模型的拟合优度是一个基本问题，近年来引起了人们越来越多的关注。在这篇文章中，我们提出了一种新的拟合优度测试的基础上的最大项的中心和重新缩放的邻接矩阵的随机块模型。所提出的测试的一个显着的优点是，社区的数量可以被允许与忽略对数因子的节点的数量线性增长。我们证明了零分布的检验统计量在分布上收敛于Gumbel分布，我们表明，社区的数量和成员向量可以通过所提出的方法进行测试。此外，我们证明了所提出的测试对一类替代品的渐近功率保证。我们还证明了所提出的方法可以扩展到度校正的随机块模型。仿真研究和实际数据实例表明，所提出的方法效果良好。