文献

J-GLOBAL ID：201702235111620252   整理番号：17A0202179

高次元正規性を検定するための一般化されたT_3プロット【Powered by NICT】

Generalized T_3-plot for testing high-dimensional normality

著者 (3件)： Ai Mingyao (LMAM, School of Mathematical Sciences and Center for Statistical Science, Peking University) ,  Liang Jiajuan (Department of Marketing, College of Business, University of New Haven) ,  Tang Manlai (Department of Mathematics and Statistics, School of Business, Hang Seng Management College)
資料名： Zhongguo Shuxue Qianyan  (Zhongguo Shuxue Qianyan)
巻： 11  号： 6  ページ： 1363-1378  発行年： 2016年 
JST資料番号： C2828A  ISSN： 1673-3452  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 試験高次元正規性のための新しい次元低減グラフ法は球状分布の理論と主成分分析の概念を用いて開発した。次元縮小は,いくつかの選択された固有ベクトル方向に突出した高次元データにより実現した。選択された固有ベクトル方向にプロット関数の漸近的統計的独立性は新しいプロットのための原理を提供する。生データの多変量正規性からの逸脱は選択された固有ベクトル方向に少なくとも1つのプロットで捕獲することができた。プロットと関連する受容領域はプロットの解釈可能性を向上させるために提供した。モンテカルロ研究と具体例は,提案されたグラフィック法は競争力性能を持ち,試験高次元正規性における既存の図式法を改善することを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 主成分分析 ,  *高次元 ,  固有ベクトル ,  次元縮小 ,  モンテカルロ法 ,  図式解法
準シソーラス用語： 多変量 ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 次元縮小 ,  図式法 ,  高次元データ ,  多変量正規性 ,  球状分布

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 高次元 ,  検定 ,  プロット