A comparison of Monte Carlo goodness of fit procedures

Abstract

Goodness of fit is an important part of inference. Standard approaches such as chi-square method and bootstrap are asymptotic or highly time consuming. In this thesis we evaluate a new method of calibrated simulation proposed by Besbeas and Morgan (2014). We explore a new variant of the method and we compare the method against the bootstrap. The approaches of chi-square, bootstrap and calibrated simulation to check the goodness of fit of models are introduced and illustrated using real data.Ο έλεγχος καλής προσαρμογής είναι ένα σημαντικό κομμάτι της στατιστικής επιστήμης. Κλασσικές προσεγγίσεις είναι το κριτήριο χ2 και η μέθοδος bootstrap. Και οι δύο μέθοδοι είναι ασυμπτωτικές και χρειάζονται πολύ χρόνο για να παράξουν αποτελέσματα. Σε αυτή την εργασία εφαρμόζουμε μια καινούργια μέθοδο ρυθμιζόμενη προσομοίωσης που προτάθηκε από τους Besbeas and Morgan (2014). Θα εξερευνήσουμε μια καινούργια παραλλαγή της μεθόδου και θα την συγκρίνουμε με αυτή του bootstrap. Οι μέθοδοι του κριτήριου χ2, του bootstrap, και της ρυθμιζόμενης προσομοίωσης για να ελέγξουμε την καλή προσαρμογή μοντέλων παρουσιάζονται και αναπτύσονται παρακάτω χρησιμοποιώντας πραγματικά δεδομένα