李伟明;李曾;姚建峰 几个相关大维样本协方差矩阵特征值统计的联合中心极限定理及其应用。 (英语) Zbl 1407.60037号 扫描。J.统计。 45,第3号,699-728(2018). 作者从几个相依的大维样本协方差矩阵出发,导出了线性谱统计的联合中心极限定理。他们将这个中心极限定理应用于时间序列建模中的高维白噪声测试问题。审核人:B.L.S.Prakasa Rao(海得拉巴) 引用于4文件 理学硕士: 60F05型 中心极限和其他弱定理 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62M15型 随机过程和谱分析的推断 60对20 随机矩阵(概率方面) 关键词:中心极限定理;高维时间序列;大样本协方差矩阵;线性谱统计;白噪声试验 PDF格式BibTeX公司 XML格式引用 \textit{W.Li}等人,Scand。J.Stat.45,No.3,699--728(2018;Zbl 1407.60037) 全文: 内政部 arXiv公司 参考文献: [1] Bai,Z.D.和Silverstein,J.W.(1998年)。没有超出大维样本协方差矩阵极限谱分布支持范围的特征值。年鉴Probab.26316-345·Zbl 0937.60017号 [2] Bai,Z.D.和Silverstein,J.W.(2004)。CLT用于大维样本协方差矩阵的线性谱统计。Ann.Probab.32,553-605·Zbl 1063.60022号 [3] Bai,Z.D.和Silverstein,J.W.(2010年)。《大维随机矩阵的谱分析》,科学出版社,北京·Zbl 1301.60002号 [4] Bai,Z.D.和Wang,C.(2015)。关于对称自交叉协方差矩阵极限谱分布的注记。Stat.Probab。Lett.96333-340中所述·Zbl 1333.60025号 [5] Billingsley,P.(1995)。《概率与测度》,John Wiley&Sons,纽约·Zbl 0822.60002号 [6] Chen,B.B.和Pan,G.M.(2015)。CLT用于维数远大于样本大小的归一化样本协方差矩阵的线性谱统计。伯努利211089-1133·Zbl 1385.60044号 [7] Gray,R.M.(2006)。Toeplitz和循环矩阵:综述,Now Publishers Inc.,波士顿·Zbl 1115.15021号 [8] Grenander,U.&Szegö,G.(1958年)。Toeplitz表格及其应用,加州大学伯克利分校出版社·Zbl 0080.09501号 [9] Johnstone,I.M.(2007)。高维统计推断和随机矩阵。《国际数学家大会论文集》,西班牙马德里,2006年,M编辑。Sanz‐Solé(编辑)、J.Soria(编辑。欧洲数学学会,瑞士苏黎世·Zbl 1120.62033号 [10] Li,Z.、Yao,J.、Lam,C.和Yao,Q.(2016)。测试高维白噪声时。手稿。 [11] Paul,D.&Aue,A.(2014)。统计学中的随机矩阵理论:综述。J.统计计划。推断150,1-29·Zbl 1287.62011年 [12] 西尔弗斯坦,J.W.(1995)。大维随机矩阵特征值经验分布的强收敛性。J.多变量。分析5,331-339·Zbl 0851.62015号 [13] Silverstein,J.W.和Bai,Z.D(1995年)。关于一类大维随机矩阵特征值的经验分布。J.多变量。分析54175-192·Zbl 0833.60038号 [14] Simes,R.J.(1986)。一种改进的Bonferroni程序,用于多项显著性测试。生物特征73751-754·Zbl 0613.62067号 [15] Yao,J.F.,Bai,Z.D.&Zheng,S.R.(2015)。大样本协方差矩阵和高维数据分析,剑桥大学出版社,纽约,伦敦·Zbl 1380.62011年 [16] Zheng,S.R.,Bai,Z.D.&Yao,J.F.(2015)。高维样本协方差矩阵线性谱统计的CLT替代原理及其在假设检验中的应用。Ann.Stat.43,546-591·Zbl 1312.62074号 [17] Zheng,S.R.,Bai,Z.D.&Yao,J.F.(2017a)。大维广义Fisher矩阵的CLT及其在高维数据分析中的应用。伯努利231130-1178·Zbl 1375.60066号 [18] Zheng,S.R.、Bai,Z.D.、Yao,J.F.和Zhu,H.T.(2017b)。CLT用于具有相关数据的大维样本协方差矩阵的线性谱统计。手稿。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。