×
沙尔吉、加勒·乔戈·哈桑

函数数据的统计推断：两样本Behrens-Fisher问题。 （英语） Zbl 1449.62178号

计算。方法不同。埃克。 7，第4号，规范发行。，608-615 (2019).
摘要：随着现代技术的发展，功能数据分析（FDA）最近在许多科学领域受到了相当大的关注。FDA中的平均值估计值得关注，因为它不仅本身很重要，而且是其他问题的前奏，例如降维和功能数据建模。本文构造了一个当数据为函数时的两样本Behrens-Fisher问题，得到了当数据维数随样本大小增加时检验统计量的渐近性质。还研究了所建议测试的威力。该检验用于推断伊朗西部和西南部气象站平均温度函数的差异。

MSC公司：

2007年6月62日 非马尔科夫过程：假设检验
62H15型 多元分析中的假设检验
62兰特 功能数据分析
第62页第12页 统计在环境和相关主题中的应用

关键词：

Behrens-Fisher问题;伊朗气象站;功能数据;增加维度

软件：

fda（右）;fda试验
PDF格式BibTeX公司 XML格式引用
\textit{G.-J.H.Sharghi}，计算。方法不同。埃克。7，第4号，608--615（2019；Zbl 1449.62178）
全文： 链接

参考文献：

[1] Z.D.Bai和H.Saranadasa，高维的影响：通过一个双样本问题的例子，它是统计的。Sinica，6（1996），311-329·Zbl 0848.62030号
[2] K.Dong、H.Pang、T.Tong和M.G.Gentond，基于收缩率的对角线Hotelling高维小样本数据测试，J.Multiv。分析。，143(2016), 127-142. ·Zbl 1328.62351号
[3] A.Ghiglietti、F.Ieva和A.M.Paganoni，《随机过程的统计推断：双样本假设检验》，J.Stat.Plann。推断。，180(2017), 49-68. ·Zbl 1349.62219号
[4] K.B.Gregory、R.J.Carroll、V.Baladadayuthapani和S.N.Lahiri，《高维平均数相等的双样本检验》，J.Amer。统计师。协会，110（2015），837-849·Zbl 1373.62274号
[5] L.Horv´ath和P.Kokoszka，应用程序功能数据推断，Springer，纽约，2012年·Zbl 1279.62017号
[6] T.Hsing和R.Eubank，《函数数据分析的理论基础，线性算子简介》，威利出版社，2015年·Zbl 1338.62009号
[7] P.Kokoszka和M.Reimherr，《函数数据分析简介》，查普曼和霍尔/CRC出版社，（2017年）·Zbl 1411.62004号
[8] J.O.Ramsay和B.Silverman，《应用功能数据分析：方法和案例研究》，Springer，纽约，2002年·Zbl 1011.62002号
[9] J.O.Ramsay和B.Silverman，功能数据分析，Springer，纽约，2005年·Zbl 1079.62006号
[10] J.Park和D.N.Ayyala，《大尺寸和小样本中平均向量的检验》，J.Stat.Plann。推断。，143(2013), 929-943. ·Zbl 1428.62251号
[11] A.Pini和S.Vantini，区间测试程序：功能数据分析中推断的一般框架，生物。，72(2016), 835-845. ·Zbl 1390.62298号
[12] H.SharghiGhale-JooghandM-E.Hosseini-Nasab，《Atwo-sampletestformean functions with hing number of projects，统计学》，52（4）（2018），852-873。10.1080/02331888.2018.1472599. ·兹比尔1440.62218
[13] 张振堂，梁晓霞，关于函数数据的两样本Behrens-Fisher问题，《统计理论与实践》。，4(2010), 571-587. ·兹比尔1420.62362
[14] J.-T.Zhang和X.Liang，通过全球化逐点F-检验对功能数据进行单向方差分析，Scand。J.统计。，41（2014），51-71·Zbl 1349.62331号
[15] 张振堂，功能数据的方差分析。，查普曼和霍尔，伦敦，2013年。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。