×

补充了大维广义峰值协方差模型下LSS的CLT。 (英语) 兹比尔1463.62213

摘要:线性谱统计(LSS)的中心极限定理(CLT)在大规模统计推断中被广泛应用,当样本量和维数都趋于无穷大时。然而,当CLT用于尖峰模型下的LSS时,样本均值和样本方差以及渐近均值和渐近方差之间总是存在差异。差异的主要部分来自尖峰特征值,这取决于尖峰的维数(p,n)和大小。为了消除这种差异,本文对一类样本协方差矩阵LSS的CLT定义为(H_p)CLT进行了补充。仿真结果证明了H_p CLT的成功性,并在各种情况下显示了其相对于原始CLT的优越性。

MSC公司:

62焦耳10 方差和协方差分析(ANOVA)
60F05型 中心极限和其他弱定理
62M15型 随机过程和谱分析的推断
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bai,Z.D。;胡,J。;潘,G.M。;周伟,贝塔矩阵经验谱分布函数的收敛性,伯努利,21,2,1538-1574,(2015)·Zbl 1319.60006号
[2] Bao,Z.,Hu,J.,Pan,G.,Zhou,W.,2017年。高维高斯向量的典型相关系数:有限秩情形。arXiv:1704.02408;Bao,Z.,Hu,J.,Pan,G.,Zhou,W.,2017年。高维高斯向量的典型相关系数:有限秩情形。arXiv公司:1704.02408·Zbl 1416.62313号
[3] Bai,Z.D。;江博士。;姚,J.F。;郑秀荣,RMT对大维协方差矩阵LRT的修正,安统计学家。,37,6B,3822-3840,(2009年)·Zbl 1360.62286号
[4] Bai,Z.D。;Silverstein,J.W.,《大维样本协方差矩阵线性谱统计的CLT》,Ann.Probab。,32、1A、553-605(2004)·Zbl 1063.60022号
[5] Bai,Z.D。;Silverstein,J.W.,《大维随机矩阵的谱分析》(2010),施普林格出版社·Zbl 1301.60002号
[6] Bai,Z.D。;Yao,J.F.,关于广义尖峰种群模型中的样本特征值,J.多元分析。,106, 167-177, (2012) ·Zbl 1301.62049号
[7] 高吉提;韩,肖;潘光明;杨彦荣,高维相关矩阵:中心极限定理及其应用,J.R.Stat.Soc.Ser。B.统计方法。,79, 3, 677-693, (2017) ·Zbl 1411.60038号
[8] 胡,J。;Bai,Z.D。;王,C。;Wang,W.,《关于用不等协方差矩阵检验高维平均向量的相等性》,《统计年鉴》。数学。,58, 2, 123-127, (2017)
[9] John,S.,《一些最优多元检验》,Biometrika,58,1,123-127,(1971)·Zbl 0218.62055号
[10] Jonsson,Dag,样本协方差矩阵特征值的一些极限定理,J.多元分析。,12, 1, 1-38, (1982) ·Zbl 0491.62021号
[11] 尼卡,A。;Speicher,R.,《自由概率组合学讲座》(2006),剑桥大学出版社·Zbl 1133.60003号
[12] 潘,G.M。;周伟,降秩线性接收机信干比中心极限定理,应用。概率。,18, 3, 1232-1270, (2008) ·Zbl 1153.15315号
[13] Passmier,D。;李振英。;Yao,J.F.,《关于高维概率主成分分析中噪声方差的估计》,J.R.Stat.Ser。B、 79、1、51-67(2017)·Zbl 1414.62218号
[14] Silverstein,Jack W.,大维随机矩阵特征值经验分布的强收敛性,《多元分析杂志》。,55, 2, 331-339, (1995) ·Zbl 0851.62015号
[15] 田,X.T。;卢永泰。;李伟明,高维协方差矩阵球形性的稳健检验,多元分析杂志。,141, 217-227, (2015) ·Zbl 1327.62356号
[16] 王庆伟。;Yao,J.F.,关于大尺寸观测的球度测试,电子。J.Stat.,7,2164-2192,(2013)·Zbl 1293.62127号
[17] Zheng,S.R.,《大维F-矩阵线性谱统计的中心极限定理》,《安娜·亨利·彭加莱研究所》。Stat.,48,444-476,(2012年)·Zbl 1251.15039号
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。