一组用于拟合优度验证的新工具

我们引入两种新工具以评估统计分布的有效性。这些工具基于由一新统计量——比较曲线（comparison curve）——导出的分量。第一个工具是这些分量在条形图（bar plot，B 图）上的图形表示，可提供对统计模型有效性的详细评价，尤其在辅以与模型相关的接受域时。从该表示中获得的认识有时可提示已有的拟合优度（goodness-of-fit）检验，以对该视觉评价补充一类错误的控制。否则，自适应检验可能更可取，而第二个工具是组合这些分量以产生强有力的 $\chi^2$ 型拟合优度检验。由于这些分量的数量可能很大，我们引入一新的选择规则，以数据驱动的方式决定应考虑的适当分量数。在模拟中，我们的拟合优度检验在功效上与全指定模型情形下以及某些参数须估计的情形下所推荐的最佳方案具有竞争力。实际示例展示了如何使用这些工具推导出关于模型在何处偏离数据的有原则信息。