高维数据均值和协差阵检验的经验似然方法

发布时间：2022-12-10 02:11

　　随着大数据时代的到来,需要处理的数据量及数据的维数也在不断扩大,即统计文献中所讨论的“大P、大n”现象.然而,经典的统计分析方法对于“大p、大n”类高维数据的研究已不再适用,此类高维数据的统计分析方法研究是一个十分有意义的课题.本文主要利用非参经验似然的方法和统计渐近理论方法及工具,研究有克罗内克积相关结构的高维矩阵型数据协差阵的假设检验,以及固定维两样本均值线性组合的检验问题.对于矩阵型数据协差阵的恒等检验问题,Touloumis et al.[4]借鉴Chen et al.[6]提出的U统计量,在考虑列独立的条件下,对假定非参模型进行球形和恒等假设检验,得出检验统计量是渐近正态的.本文针对Touloumis et al.[4]提出的模型,考虑通过对随机矩阵进行拉直处理,构造估计方程,用经验似然方法来对这一特殊数据的协方差矩阵进行检验,得出似然比统计量渐近服从卡方分布.并通过数值模拟得出该方法是有效的.对于两样本均值线性组合的检验问题,Li et al.[31]通过构造U统计量的方法对高维数据均值向量的线性组合进行研究,得出统计量是渐近正态的.本文采用四种不同的经验似然方法重新考虑这... 

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
文中符号说明
第一章 绪论
    §1.1 研究背景及意义
    §1.2 论文创新点
    §1.3 主要内容及结构
第二章 高维矩阵型数据的检验
    §2.1 模型介绍
    §2.2 主要结果
    §2.3 定理证明
    §2.4 数值研究
第三章 两样本均值线性组合的检验
    §3.1 模型介绍
    §3.2 标准两样本经验似然方法
    §3.3 加权两样本经验似然方法
    §3.4 复杂调查数据的伪经验似然方法
    §3.5 带缺失数据的两样本经验似然
    §3.6 数值研究
第四章 结论及展望
参考文献
致谢



本文编号：3715844