فنکشنل ڈیٹا کے نمونوں میں مساوات کے لیے پرمیوٹیشن ٹیسٹنگ

خلاصہ

یہ مقالہ پوچھتا ہے کہ آیا K نمونوں کے فنکشنل مشاہدات کی تقسیم ایک جیسی ہے۔ یہ تجرباتی خصوصیتی فنکشنلز کے جوڑے وار کرامر–وون مائس تقابل سے کثیر متغیری ٹیسٹ شماریہ بناتا ہے، تاکہ گروہوں میں تقسیم کی مساوات جانچی جا سکے۔

اجزائی موازنوں کو ایک اہمیت کے پیمانے میں یکجا کرنے کے لیے، یہ طریقہ کثیر متغیری پرميوٹیشن عمل اور ڈسکریٹ آپٹمل ٹرانسپورٹ استعمال کرکے ایک واحد پی ویلیو حساب کرتا ہے۔ بیان کردہ مثال میں دن کے اندر بٹ کوائن کے مجموعی ریٹرنز استعمال کیے گئے ہیں۔ دستاویز عددی نتائج، ڈیزائن کی تفصیلات یا متبادل ٹیسٹوں سے موازنہ پیش نہیں کرتی، اس لیے یہ طریقے کا خاکہ تو واضح کرتی ہے مگر یہ نہیں بتاتی کہ نمونے کے حجم، انحصار یا ڈیٹا کی دیگر حالتوں کے ساتھ اس کی کارکردگی کیسے بدلتی ہے۔

اہم خیالات

• صفر مفروضہ متعدد فنکشنل ڈیٹا نمونوں میں یکساں تقسیم ہے۔
• تجرباتی خصوصیتی فنکشنلز کے جوڑے وار کرامر–وون مائس تقابل کثیر متغیری شماریہ بناتے ہیں۔
• پرميوٹیشن کا طریقۂ کار اہمیت جانچتا ہے اور ڈسکریٹ آپٹمل ٹرانسپورٹ کے ذریعے ایک واحد پی ویلیو اخذ کرتا ہے۔
• دن کے اندر کے بٹ کوائن منافع کا مجموعی سلسلہ حقیقی ڈیٹا کی مثال ہے۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔