文献

J-GLOBAL ID：201802285291249242   整理番号：18A0383182

高次元一方向MANOVAにおける線形仮説検定【Powered by NICT】

Linear hypothesis testing in high-dimensional one-way MANOVA

著者 (3件)： Zhang Jin-Ting (Department of Statistics and Applied Probability, National University of Singapore, Singapore 117546, Singapore) ,  Guo Jia (Department of Statistics and Applied Probability, National University of Singapore, Singapore 117546, Singapore) ,  Zhou Bu (Department of Statistics and Applied Probability, National University of Singapore, Singapore 117546, Singapore)
資料名： Journal of Multivariate Analysis  (Journal of Multivariate Analysis)
巻： 155  ページ： 200-216  発行年： 2017年 
JST資料番号： D0675A  ISSN： 0047-259X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,データ収集技術の急速な発展に伴い,高次元データはますます一般的になってきた。平均ベクトルに関する仮説試験のための,特に高次元二サンプル問題されている多くの研究。特定の問題を考慮したのではなく,いくつかの集団の平均ベクトルに一般線形仮説検定(GLHT)問題,特別な場合として平均ベクトルについての多くの既存の仮説を含むに興味を持っている。関連検定統計量のヌル分布が漸近的に正常であることを,この重要なGLHT問題に関するいくつかの既存の方法は,基本的な共分散行列に強い仮定を課した。本論文では,GLHT問題のための2-ノルムに基づく簡単で適応試験を提案した。正常データに対し,ここでは,提案検定統計量のヌル分布である一般的に傾斜したカイ二乗型混合物のそれと同じであることを示した。,正規分布を用いた検定統計量のヌル分布を近似ブラインドかどうかは誤った結果をもたらす可能性がある。事実では基礎となる共分散行列に必要十分条件が満足される場合にのみ,検定統計量のヌル分布の漸近正常であることを示した。が,この条件は常に満足されない,それが実際に満たされているかどうかを確認する容易なタスクではない。この困難を克服するために,著者らの新しい試験は,下にある共分散行列に対するどんな仮定もせずに適用可能であることは,よく知られたWelch Satterthwaiteカイ二乗近似を用いた検定統計量のヌル分布を近似することを提案した。未知パラメータの簡単な比一貫した推定量が得られた。新しい検定の漸近と近似力も調べた。方法論を,非正規データのための拡張した。四シミュレーション研究と実データ応用は,文献で利用可能ないくつかの既存の試験法と比較してこの新しい試験の良好な性能を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： シミュレーション ,  *線形性 ,  推定量 ,  データ収集 ,  正規分布 ,  ベクトル ,  *高次元 ,  *仮説検定 ,  高速度 ,  ノルム ,  近似法
準シソーラス用語： 必要十分条件 ,  共分散行列 ,  検定統計量 ,  高次元データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 高次元データ ,  L2-ノルムに基づく試験 ,  χ2型混合物 ,  一方MANOVA ,  Welch Satterthwaiteχ2近似

分類 (2件)： 統計学  (AB08000H) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 高次元 ,  線形 ,  仮説検定