×

高维平均值的基于A值的降维测试。 (英语) Zbl 07687627号

摘要:随着现代计算技术的快速发展,高维数据越来越多地出现在许多研究中。本文提出了一种研究均值检验问题的三步方法。建议的测试基于单变量测试和降维方法计算的p值。由于它不需要明确的数据维和样本大小条件,我们可以用它来解决高维数据的均值测试问题,特别是当数据维远大于样本大小时。该方法可以实现正态分布和非正态分布,具有广泛的应用前景。为了比较新方法和现有测试的测试能力,进行了各种仿真。比较表明,新方法具有较高的测试能力。我们还将该方法应用于基因表达数据的一个实际示例。

MSC公司:

62小时15分 多元分析中的假设检验
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Hotelling,H.,《学生比率的一般化》,《数学统计》,第2、3、360-378页(1931年)·Zbl 0004.26503号
[2] Bai,Z。;Saranadasa,H.,《高维效应:以一个双样本问题为例》,《中国统计》,6311-329(1996)·Zbl 0848.62030号
[3] 潘·G。;周,W.,大维hotelling统计量的中心极限定理,Ann Appl Probab,21,5,1860-1910(2011)·Zbl 1250.62030
[4] Wang,L。;彭,B。;Li,R.,均值向量的高维非参数多元检验,美国统计协会杂志,110,512,1658-1669(2015)·Zbl 1373.62280号
[5] 陈,S。;Qin,Y.,高维数据的双样本检验及其在基因集测试中的应用,Ann Stat,38,2808-835(2010)·Zbl 1183.62095号
[6] Srivastava,理学硕士;Du,M.,《观测值少于维数的平均向量检验》,《多元分析杂志》,99,3,386-402(2008)·Zbl 1148.62042号
[7] Srivastava,MS,《非正态下观测值少于维数的平均向量检验》,J Multivar Anal,100,35118-532(2009)·Zbl 1154.62046号
[8] Park,J。;Ayyala,D.,大尺寸和小样本中平均向量的检验,J Stat Plan Inference,143,5,929-943(2013)·Zbl 1428.62251号
[9] 范,J。;Fan,Y.,《使用特征退火独立规则的高维分类》,Ann Stat,36,6,2605-2637(2008)·Zbl 1360.62327号
[10] 蔡,T。;刘,W。;Xia,Y.,依赖性高维均值的两样本检验,J R Stat Soc Ser B,76,2,349-372(2014)·Zbl 07555454号
[11] 刘,Z。;刘,B。;Zheng,S.,高维数据均值向量和协方差矩阵的同时检验,J Stat Plan Inference,188,82-93(2017)·Zbl 1391.62098号
[12] 李,H。;胡,J。;Bai,Z.,高维数据中平均向量线性组合的检验,检验,26,1,188-208(2017)·Zbl 1369.62122号
[13] 胡,Z。;Tong,T。;Genton,M.,高维数据中平均向量相等性的对角线似然比检验,生物统计学,75,1,256-267(2019)·Zbl 1436.62573号
[14] Bingham,E,Mannila,H。降维中的随机投影:图像、文本数据的应用。载于:2001年第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集,KDD01。
[15] Durand,J,Atkison,T.使用随机投影技术帮助检测高维恶意应用程序。摘自:2011年第49届东南地区年会会议记录,ACM-SE11。
[16] Thulin,M.,使用随机子空间对平均值进行高维两样本检验,《计算统计数据分析》,74,26-38(2014)·Zbl 1506.62177号
[17] Lopes,ME,Jacob,LJ,Wainwright,MJ。使用随机投影的高维更强大的两样本测试,2012,arXiv:1108.2401v2。
[18] 斯利瓦斯塔瓦,R。;李,P。;Ruppert,D.,RAPTT:使用随机投影的高维精确双样本检验,《计算图形统计杂志》,25,3,954-970(2016)
[19] Vempala,不锈钢。随机投影法。DIMACS离散数学和理论计算机科学系列,美国数学学会,2004年·Zbl 1058.68063号
[20] Mcneil A,J,Frey,R,Embrechts,P.定量风险管理:概念、技术和工具。修订版。介绍性章节,2015年·Zbl 1337.91003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。