en آزمون‌های نیکویی برازش بر اساس ملاک اطلاع بر روی داده‌های سانسوریده‌ی تصادفی عمومى General پژوهشي Research <br> <span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">ما در این مقاله دو آزمون جدید نیکویی برازش بر اساس اطلاع کولبک-لیبلر تجمعی </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">(CKL)</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> و اطلاع کولبک-لیبلر باقیمانده تجمعی </span></span>&nbsp;<span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">(CRKL)</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> برای توزیع نمایی با پارامتر نامعلوم و داده‌های سانسورشده‌ی تصادفی را پیش‌نهاد می‌دهیم. کوزیول و گرین </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">(1976)</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> آمار&rlm;ه کرامرفون-می‌سز را با داده‌های سانسوریده‌ی تصادفی برای یک فرضیه‌ی ساده مبتنی بر براورد حد حاصل‌ضربی کاپلن-مایر برای تابع توزیع معرفی کردند. ما از ایده‌ی آن‌ها برای به دست آوردن آماره‌ی آزمون بر اساس </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">CKL&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> و </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">CRKL&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> برای سانسور تصادفیده در توزیع نمایی با پارامترهای براوردشده استفاده می‌کنیم. توان آزمون‌های پیش‌نهادی برای توزیع نمایی با آماره‌های آزمون بر اساس تابع توزیع تجربی و با استفاده از ایده‌ی کوزیول و گرین </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">(1976)</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> مقایسه می‌شوند. در مطالعه‌های شبیه‌سازی از مدل‌های سانسور تصادفی کوزیول و گرین </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">(1976)</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">&lrm;</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> کمک گرفتیم و نتایج مطالعه‌ها نشان دادند که آزمون پیش‌نهادی در مقایسه با آماره‌های دیگر برای بسیاری از فرضیه‌های مقابل توان بیش‌تری دارد.</span></span> <br> &lrm;We propose two goodness of fit test statistics based on&lrm; Cumulative Kullback--Leibler (CKL) information and Cumulative residual Kullback--Leibler (CRKL) information for exponential distributions with unknown parameter and randomly censored data&lrm;. &lrm;Koziol and Green introduced the Cram&eacute;r-von Mises statistic with randomly censored data for a simple hypothesis based on the Kaplan--Meier product limit of the distribution function&lrm;. &lrm;We use their idea to obtain test statistics based on CKL and CRKL for a randomly censored exponential distribution with estimated parameters&lrm;.<br> &lrm;The power of the proposed tests for testing exponentiality is compared with the test statistic based on the empirical distribution function using the opinion of Koziol and Green&lrm;. &lrm;A simulation study is performed under a special censorship model introduced by Koziol and Green&lrm;. &lrm;Simulation studies show a relatively high power of proposed test statistics in many alternatives&lrm;.<br> &nbsp;<br> &nbsp; آماره‌ی کرامر فون-می‌سز؛ اطلاع کولبک -لیبلر تجمعی؛ اطلاع کولبک-لیبلر باقیمانده‌ی تجمعی؛ براوردگر کاپلن-مایر؛ توزیع نمایی؛ داده‌های سانسورشده‌ی تصادفی. Cramér-von Mises statistic, cumulative Kullback--Leibler information, cumulative residual Kullback--Leibler information, exponential distribution, Kaplan--Meier estimator, randomly censored data. 507 533 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-264-2&slc_lang=en&sid=1 Fatemeh Omidi‎ فاطمه امیدی fthomidi@gmail.com 10031947532846002108 10031947532846002108 No Arezou Habibirad آرزو حبیبی‌راد ahabibi@um.ac.ir 10031947532846002109 10031947532846002109 Yes Vahid Fakoor‎ وحید فکور fakoor@um.ac.ir 10031947532846002110 10031947532846002110 No