.png){kind=icon}
返回
TEST OF PARTIAL SEPARABILITY FOR MULTIVARIATE FUNCTIONAL DATA
.png){kind=icon}
OA
AI
DOI：10.5705/ss.202022.0370.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于多元函数型数据，建模其由多元和函数特征双重属性构成的交叉协方差结构具有相当大的挑战性。为简化交叉协方差分析，部分可分性假设被广泛用于将数据分解为多元随机变量和函数型成分的加性形式。在本文中，我们提出了假设检验程序以检验部分可分性的有效性。我们研究了检验统计量的l2范数和l∞范数的渐近性质，由此得到适用于具有多样多元依赖关系的有限维或高维多元函数型数据的卡方型混合检验和高维检验。我们通过针对多元函数型数据和图形函数型数据的两项模拟研究评估所提出检验的实证性能，随后给出两个相应的实际例子：多通道吨位数据和脑电图数据。
Keyword:
Functional graphical model
high-dimensional test
multivariate functional data
partial separability
