Asumiendo que usted sabe tha $\lambda_i$, la simulación es factible.
Considere la posibilidad de
library(MASS)
k <- 3
lambda <- c(.2,.3,.4) # pick your lambdas here
reps <- 100000
distr <- rep(NA,reps)
for (i in 1:reps){
distr[i] <- sum(lambda*rchisq(k,1))
}
distr <- sort(distr)
teststat <- 2 # pick your teststat here
pvalue <- which.min(abs(teststat-distr))/reps # assuming a left-tailed test
Así que efectivamente, nos "conectamos" la prueba estadística de teststat
en el cdf empírica, es decir, encontrar la proporción de las realizaciones de la simulación (que, por reps
grandes, precisamente, las estimaciones de la probabilidad de que) de una variable aleatoria a partir de la nula distribución se lleva a un valor menor (consideramos a la izquierda-cola aquí, con obvias modificaciones a otras alternativas) de la estadística de prueba - es decir, el $p$-valor: