함수형 데이터 표본의 분포 동일성 검정

기사 arXiv papers · 저자: Šárka Hudecová et al.

요약

이 논문은 K개 표본의 함수형 관측값이 같은 분포를 따르는지 다룹니다. 경험적 특성 함수형을 쌍별로 비교하는 크래머–미제스 검정을 바탕으로 다변량 검정 통계량을 구성해 그룹 간 분포 동일성을 평가합니다.

구성 요소별 비교를 하나의 유의도 측도로 결합하기 위해, 이 방법은 다변량 순열 절차와 이산 최적 측도 수송을 사용해 단일 p값을 계산합니다. 제시된 예시는 비트코인의 누적 장중 수익률을 사용합니다. 문서는 수치 결과, 설계 세부사항, 대안 검정과의 비교를 제공하지 않으므로 방법의 개요를 제시할 뿐, 표본 크기나 종속성 또는 다른 데이터 조건에 따라 성능이 어떻게 달라지는지는 보여주지 않습니다.

핵심 아이디어

귀무가설은 여러 함수형 데이터 표본 간 분포가 동일하다는 것입니다.
경험적 특성 함수형의 쌍별 크래머–미제스 비교로 다변량 통계량을 구성합니다.
순열 절차로 유의도를 평가하고 이산 최적 측도 수송을 통해 단일 p값을 산출합니다.
누적 장중 비트코인 수익률을 실제 데이터 예시로 사용합니다.

# Functional $K$ Sample Problem via Multivariate Optimal Measure Transport-Based Permutation Test


# Functional $K$ Sample Problem via Multivariate Optimal Measure Transport-Based Permutation Test









The null hypothesis of equality of distributions of functional data coming from $K$ samples is considered. The proposed test statistic is multivariate and its components are based on pairwise Cramér von Mises comparisons of empirical characteristic functionals. The significance of the test statistic is evaluated via the novel multivariate permutation test, where the final single $p$-value is computed using the discrete optimal measure transport. The methodology is illustrated by real data on cumulative intraday returns of Bitcoin.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

함수형 데이터 표본의 분포 동일성 검정

요약

핵심 아이디어

태그