统计学 > 方法论
[提交于 2022年5月3日
(v1)
,最后修订 2022年5月11日 (此版本, v2)]
标题: 依赖随机变量和与最大值的渐近独立性及其在高维检验中的应用
标题: Asymptotic Independence of the Sum and Maximum of Dependent Random Variables with Applications to High-Dimensional Tests
摘要: 对于一组相关的随机变量,在不假设平稳性或强混合性的条件下,我们推导出它们的和与最大值之间的渐近独立性。 然后我们将这一结果应用于高维检验问题,其中我们结合了和型检验和极值型检验,并提出了一个新颖的检验过程,用于高维情况下的单样本均值检验、双样本均值检验和回归系数检验。 基于和与最大值之间的渐近独立性,建立了检验统计量的渐近分布。 模拟研究显示,无论数据是否稀疏,我们提出的检验都表现出良好的性能。 还给出了实际数据的例子,以展示我们提出方法的优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.