×
约瑟夫·兰威尔；亚历山大·卡彭提尔；Sriperumbudur，Bharath K。

离散分布贴近性测试的局部极小极大率。 （英语） Zbl 07526580号

伯努利 28，第2期，1179-1197（2022）.
摘要：我们考虑离散分布的贴近度测试问题。其目的是区分两个样本是从相同的未指定分布中提取的，还是它们各自的分布在L_1范数中分离。在本文中，我们将重点放在使利率适应基础分布的形状上，即我们考虑局部极小极大集。据我们所知，我们提供了分离距离到对数因子的第一个局部最小最大比率，以及实现该比率的测试。从这个比率来看，在广泛的情况下，接近性测试比相关的单样本测试问题要困难得多。

引用于2文件

MSC公司：

62Gxx公司 非参数推理
68瓦xx 计算机科学中的算法
62华夏 多元分析

关键词：

紧密性测试；复合材料试验；离散分布；假设检验；实例最优；局部极小极大最优性；双样本
PDF格式BibTeX公司 XML格式引用
\textit{J.Lam-Weil}等人，Bernoulli 28，No.2，1179--1197（2022；Zbl 07526580）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Acharya，J.、Das，H.、Jafarpour，A.、Orlitsky，A.、Pan，S.和Suresh，A.（2012）。竞争性分类和封闭性测试。在学习理论会议22-1.
[2] Balakrishnan，S.和Wasserman，L.（2018年）。高维多项式的假设检验：选择性综述。Ann.应用。斯达。12 727-749·Zbl 1405.62061号 ·doi:10.1214/18-AOAS1155SF
[3] Balakrishnan，S.和Wasserman，L.（2019）。密度和高维多项式的假设检验：尖锐的局部极小极大率。安。统计师。47 1893-1927. ·Zbl 1466.62307号 ·doi:10.1214/18-AOS1729
[4] Batu，T.、Fortnow，L.、Rubinfeld，R.、Smith，W.D.和White，P.（2000）。测试分布是否接近。41年第一届计算机科学基础年会(加利福尼亚州雷东多海滩, 2000) 259-269. 加利福尼亚州洛斯阿拉米托斯：IEEE计算。Soc.出版社。 ·doi:10.1109/SFCS.2000.892113
[5] Bhattacharya，B.和Valiant，G.（2015）。用大小不等的样品测试紧密度。在神经信息处理系统研究进展2611-2619.
[6] Chan，S.-O.、Diakonikolas，I.、Valiant，G.和Valiant的P.（2014）。离散分布贴近性测试的优化算法。在第二十五届ACM-SIAM离散算法年会论文集1193-1203. 纽约：ACM·Zbl 1421.68184号 ·doi:10.1137/1.9781611973402.88
[7] Diakonikolas，I.、Gouleakis，T.、Peebles，J.和Price，E.（2018年）。高概率的样本最优身份测试。45年内第四届国际自动化、语言和编程学术讨论会.LIPIcs公司。莱布尼茨国际程序。通知。107第41条、第14条。韦登：达格斯图尔宫。莱布尼茨曾特。通知·Zbl 1499.68388号
[8] Diakonikolas，I.和Kane，D.M.（2016）。一种测试离散分布特性的新方法。在57第十届IEEE计算机科学基础年会2016 685-694. 加利福尼亚州洛斯阿拉米托斯：IEEE计算机协会。
[9] Diakonikolas，I.、Kane，D.M.和Nikishkin，V.（2015）。用于测试结构化分布贴近性的优化算法和下限。2015年电气与电子工程师协会56第届计算机科学基础年会2015 1183-1202. 加利福尼亚州洛斯阿拉米托斯：IEEE计算机协会·Zbl 1441.68283号 ·doi:10.1109/FOCS.2015.76
[10] Diakonikolas，I.、Kane，D.M.和Nikishkin，V.（2017年）。离散直方图分布的近最优贴近度测试。44年第四届国际自动化、语言和编程学术讨论会.LIPIcs公司。莱布尼茨国际程序。通知。80第8条、第15条。韦登：达格斯图尔宫。莱布尼茨曾特。通知·Zbl 1441.68283号
[11] Goldreich，O.、Goldwasser，S.和Ron，D.（1998）。属性测试及其与学习和近似的联系。美国临床医学杂志45 653-750. ·Zbl 1065.68575号 ·数字对象标识代码：10.1145/285055.285060
[12] Ingster，Y.和Suslina，I.A.（2012年）。高斯模型下的非参数拟合优度检验169.施普林格科技与商业媒体。 ·数字对象标识代码：10.1007/978-0-387-21580-8
[13] Kim，I.、Balakrishnan，S.和Wasserman，L.（2020年）。通过投影平均进行稳健的多元非参数检验。安。统计师。48 3417-3441. ·Zbl 1460.62087号 ·doi:10.1214/19-AOS1936
[14] Lam-Weil，J.、Carpentier，A.和Sriperumbudur，B.K.（2022）。补充“离散分布贴近度测试的局部极小极大率”·Zbl 07526580号 ·doi:10.3150/21-BEJ1382SUPP文件
[15] Lehmann，E.L.和Romano，J.P.（2005年）。测试统计假设，第3版。统计中的Springer文本纽约：Springer·兹比尔1076.62018
[16] Neyman，J.和Pearson，E.S.（1933年）。九、 关于统计假设的最有效检验问题。菲洛斯。事务处理。R.Soc.伦敦。A类231 289-337·Zbl 0006.26804号
[17] Paninski，L.（2008）。给定稀疏采样离散数据的一致性测试。IEEE传输。Inf.理论54 4750-4755之间·Zbl 1322.62082号 ·doi:10.1109/TIT.2008.928987
[18] Rubinfeld，R.和Sudan，M.（1996）。多项式的稳健特征及其在程序测试中的应用。SIAM J.计算。25 252-271. ·Zbl 0844.68062号 ·doi:10.1137/S0097539793255151
[19] 瓦利安特·G和瓦利安特·P（2017）。自动不等式证明器和实例优化身份测试。SIAM J.计算。46 429-455. ·Zbl 1362.62107号 ·数字对象标识代码：10.1137/151002526
[20] Valiant，P.（2011）。测试分布的对称性。SIAM J.计算。40 1927-1968 ·Zbl 1233.62112号 ·数字对象标识代码：10.1137/080734066
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。