ملخص
الاختبارات القياسية لجودة المطابقة (أي اختبارات كولموغوروف-سميرنوف، كريمر-فون ميزس، وأندرسون دارلينج) تتطلب توزيعات متصلة بمعالم معلومة. عندما تكون المعالم غير معلومة وتم تقديرها من بيانات العينة فان الجداول القياسية للقيم الحرجة الموجودة لهذه الاختبارات لم تعد صالحة للاستخدام لجودة المطابقة. هذه الدراسة توفر جداول القيم الحرجة لتوزيعي باريتو وريلي عندما تكون معالم التوزيع غير معلومة وتم تقديرها من بيانات العينة. و من خلال دراسة القوة لهذه الاختبارات تبين لنا انه لجميع احجام العينات يكون اختبار أندرسون دارلينج المعدل هو الافضل مقارنة باختبار كولموغوروف - سميرنوف المعدل و اختبار ر كريمر - فون ميزس المعدل. لكلا توزيعي باريتو وريلي بمعالم مقدرة.
Abstract
The standard goodness-of-fit tests (i.e., Kolmogorov-Smirnov, Cramér–von-Mises, and Anderson-Darling test) require continuous underlying distributions with known parameters. When the parameters are unknown, but must be estimated from the sample data. The standard tables of critical values are no longer valid. This project gives tables of critical values for Pareto and Rayleigh distribution with unknown parameters. The results of the power study show for different sample size the modified Anderson-Darling test statistic is more powerful than modified Kolmogorov-Smirnov, and Cramér–von-Mises test statistic.