A Simulation-Free Exact Conditional Goodness-of-Fit Test for The Binomial Distribution

Abstract

Several exact testing methods for continuous distributions, asymptotic as well as simulation based exact methods for both- discrete and continuous cases have been developed for analyzing goodness-of-fit, a priori. An exact Kolmogorov-Smirnov type goodness-of-fit test is developed for checking whether the data comes from a binomial distribution or not. This is a conditional test; p-value is calculated as the conditional probability given the sample total and hence the success probability need not be specified under the null hypothesis. Instead of using simulation, p-value is calculated using a sequential procedure and hence the inference procedure is simulationfree. Properties of the test, some examples, power comparisons with other existing techniques are also provided.

Manfaat Laba Untuk Menambah Utang Dan Mengurangi Pajak

“…Pengujian Goodness of fit difungsikan untuk mengetahui jumlah variabel bebas sanggup menerangkan variabel terbatas. Syarat untuk pengujian goodness of fit adalah skor dari koefisien determinasi (R2) condong dekat dengan skor 0, maka mampu ditarik simpulan bahwa variabel bebas tidak mampu menerangkan variabel terbatas (Fagerland & Hozmer, 2017;Hazra, 2015). Jika skor R2 condong mendekati skor 1, maka simpulannya adalah semakin kuat variabel terbatas dapat dipengaruhi oleh variabel bebas (Castro-Conde, Döhler, & Uña-Álvarez, 2017;Nagelkerke, Oberski, & Vermunt, 2016).…”

“…Pengujian serentak dimanfaatkan untuk menguji secara bersamaan variabel bebas terhadap variabel terbatas (Hazra, 2015;Nagelkerke, Oberski, & Vermunt, 2016). Ketentuan pengambilan keputusan adalah dengan melihat derajat signifikansi nya (α), dan yang digunakan skor α sebesar 5% atau dengan memadankan hasil skor F hasil perhitungan dengan skor F tabel.…”

“…Hasil model regresi yang diharapkan atas uji multikolinearitas adalah tidak adanya interaksi antarvariabel bebas penelitian. Pengujian Tolerance (TOL) dan Variance Inflation Factor (VIF) digunakan untuk menguji multikolinearitas dengan syarat bahwa Skor TOL paling kecil 0,10, sedangkan untuk skor VIF paling besar 10 (Gelade, Verardi, & Vermandele, 2015;Hazra, 2015). Hasil uji TOL dan VIF memperlihatkan bahwa variabel-variabel independen tidak saling berkorelasi sehingga simpulannya adalah data observasi terbebas multikolinearitas.…”

“…Untuk melihat ada tidaknya hubungan antardata observasi yang dijabarkan secara rentang waktu dan rentang ruang diperlukan suatu alat yaitu pengujian hubungan data (Gelade, Verardi, & Vermandele, 2015;Hazra, 2015). Yang diharapkan dari hasil uji autokorelasi adalah data observasi terbebas dari masalah korelasi yang diuraikan secara rentang waktu ataupun rentang ruang.…”