Dynamic functional brain connectivity results depend on modeling assumptions: comparing the sliding-window method and the Wishart process for dynamic hypothesis testing
Donders Institute, Radboud University(唐德斯研究所,拉德堡德大学)
研究比较滑动窗口法和Wishart过程贝叶斯假设检验在检测动态功能连接中的表现,发现建模假设显著影响结果,并强调谨慎选择假设的重要性。
2026-06-15 stat.ME
PROFIT: Projection-based Test in Longitudinal Functional Data
本文提出PROFIT方法,通过数据驱动正交投影降维和基于似然的假设检验,检验纵向函数型数据均值函数是否随时间变化,并应用于MS患者FA数据评估脑组织退化。
2023-10-02 stat.AP stat.ME
Hypothesis Testing for Functional Linear Models via Bootstrapping
本文提出一种基于函数型主成分分析和自助最大统计量的函数型线性模型斜率函数检验方法,通过将斜率检验转化为高维向量检验以规避不适定问题,并证明在纳入全部经验主成分时检验仍保持渐近有效性和一致性。
2024-04-01 math.ST stat.ME stat.TH
Functional estimation and hypothesis testing in nonparametric boundary models
考虑具有未知支撑边界曲线$g$的Poisson点过程,其形成非规则统计模型的原型。我们解决了估计形式为$\int Φ(g(x))\,dx$的非线性泛函的问题。根据非参数最大似然方法,我们构造了一个估计,这是UMVU在Hölder球,并实现了(局部)极小极大收敛速率。这些结果在$Φ$上的弱假设下成立,这些假设对于$Φ(u)=|u|^p$,$p\ge 1$都是满足的。作为应用,我们考虑了$L^p$ -范数的估计问题,并得到了相应的非参数假设检验问题中的极小极大分离率。结构差异,定期非参数模型的结果进行了讨论。
2019-02-12 math.ST stat.TH
Hypothesis Testing in Nonlinear Function on Scalar Regression with Application to Child Growth Study
提出了一种基于核机器的非线性标量函数回归模型的假设检验方法。我们的研究是由新生儿表观遗传学研究(NEST)的动机,其中感兴趣的问题是是否在9个差异甲基化区域(DMR)的任何一个预先指定的有毒金属或甲基化组与儿童生长相关。我们把儿童的生长轨迹作为功能反应,并使用非线性函数联合建模有毒金属测量。我们使用一个核机器的方法来模拟未知的功能和转换的假设没有影响到一个适当的方差分量测试。我们证明了我们提出的方法,使用模拟研究,并将其应用于分析NEST数据。
2021-06-30 stat.AP stat.ME
Minimax testing of a composite null hypothesis defined via a quadratic functional in the model of regression
本文研究了非参数多元回归模型下复合原假设的检验问题。对于给定的二次函数$Q$,原假设声明回归函数$f$满足约束$Q[f]=0$,而替代假设对应于$Q[f]$远离零的函数。一方面,我们提供了极大极小化率的测试和确切的分离常数,以及尖锐的最佳测试程序,对角和非负二次泛函。我们考虑光滑类的椭球形和检查,我们的条件得到满足,在特定情况下,对应于各向异性的Sobolev类椭球。在这种情况下,我们提出了一个封闭的形式的极大极小速率和分离常数。另一方面,二次泛函的极小极大率既不是正的也不是负的,使得出现两种不同的状态:“正则”和“非正则”。在“规则”情况下,极大极小化速率等于$n^{-1/4}$,而在“不规则”情况下,速率取决于平滑类,并且比“规则”情况下慢。我们将其应用到测试在嘈杂的环境中观察到的两个功能的规范的平等的问题。
2013-01-04 math.ST stat.TH
On existence of a change in mean of functional data
函数数据通常作为连续状态空间上的连续时间观测而出现。一组功能数据如果不考虑其结构可能发生的变化,可能会导致错误的结论。因此,有时,在进行任何进一步的统计推断之前,了解给定的函数数据序列中是否存在变点是至关重要的。我们开发了一种新的方法来提供一个测试,用于检测相应数据的平均函数的变化。为了获得检验统计量,我们提供了协方差核的另一种估计量。该估计在原假设下是渐近无偏的,同时比现有估计具有更小的偏差量。我们在这里表明,在原假设下,所提出的检验统计量是渐近关键的。此外,它表明,在备择假设的测试是一致的足够大的样本量。它也被发现,建议的测试是更强大的比现有的测试程序在文献中。从广泛的模拟研究中,我们观察到,拟议的测试优于现有的一个具有较宽的利润率的权力中等样本量。所开发的方法表现出令人满意的平均日温度的英格兰中部和每月全球平均气温异常。
2015-03-17 stat.ME
Kernel-based method for joint independence of functional variables
本文研究了$d$函数随机变量是否联合独立的问题,并利用$d$变量希尔伯特-施密特独立准则($d$ HSIC)的修正估计量,将HSIC推广到$d \geq 2$的情形。在联合独立假设和备择假设下,得到了该估计量的渐近正态性。仿真研究表明,所提出的测试有限样本的良好性能。
2022-08-14 math.ST stat.TH
A Flexible Framework for Hypothesis Testing in High-dimensions
University of Southern California(南加州大学);Princeton University(普林斯顿大学)
线性回归模型中的假设检验是一个基本的统计问题。我们考虑高维区域中的线性回归,其中参数数量超过样本个数($p> n$)。为了进行信息推断,我们假设模型近似稀疏,即协变量对响应的影响可以通过调节相对少量的协变量(其身份未知)来很好地近似。我们开发了一个框架,用于测试非常一般的模型参数的假设。我们的框架包括测试参数是否位于一个凸锥,测试信号强度,并测试参数的任意泛函。我们表明,所提出的程序控制I型错误,并分析了权力的程序。我们的数值实验证实了我们的理论研究结果,并表明,我们控制的误报率(I类错误)接近标称水平,并具有较高的功率。通过假设检验和置信区间之间的对偶性,该框架可以用于获得模型参数的各种泛函的有效置信区间。对于线性泛函,置信区间的长度被证明是极小极大率最优的。
2019-09-21 cs.LG math.ST stat.AP
High dimensional test for functional covariates
针对高维函数型协变量与结局的关联检验需求,提出融合B样条逼近与正则化的广义函数线性模型估计及检验方法,给出统计性质保证,经模拟和阿尔茨海默病脑磁图数据验证有效。
2024-05-14 stat.ME
Detecting transitions between collective motion regimes using functional hypothesis test of the time-varying persistence homology
本研究针对自驱粒子从非相干到相干态的集体运动转变时间问题,提出基于持续同调的函数假设检验方法定位转变时刻,在自驱粒子模型上验证后用于分析细胞运动的状态转变。
2024-03-06 q-bio.QM stat.AP
Testing independence of functional variables by an Hilbert-Schmidt independence criterion estimator
我们提出了Hilbert-Schmidt独立准则的估计量,该估计量是通过对通常估计量进行适当修改而获得的。在独立性假设和备择假设下,得到了该估计量的渐近正态性。一个新的测试的独立性的随机变量值到度量空间,然后介绍了一个模拟研究,允许比较建议的测试,以现有的一个提供
2022-06-23 math.ST stat.TH
Testing LRD in the spectral domain for functional time series in manifolds
University of Granada(格拉纳达大学);University of Santiago de Compostela(圣地亚哥-德孔波斯特拉大学)
本文针对流形上的函数时间序列提出谱域LRD统计检验,基于加权周期图算子构建统计量,推导了相关渐近性质与一致性,采用随机投影实现,仿真验证了其有效性。
2025-10-03 math.ST stat.TH
A Small-Uniform Statistic for the Inference of Functional Linear Regressions
本文提出了一种“小均匀”统计量用于函数线性回归模型中函数PCA估计量的推断。已有文献表明了两种极端的行为:一方面,FPCA估计在其范数拓扑中不收敛于分布;另一方面,FPCA估计确实具有逐点渐近正态分布.我们的统计量在这两个极端之间采取了中间立场:经过适当的速率归一化后,我们的小均匀统计量被构造为有限维子空间上FPCA估计器的分式规划问题的最大化者,并且其维度将随着样本量的增加而增加。我们展示了我们的标量统计量在概率上收敛到高斯过程的上确界的速率。小均匀统计量在假设检验中有应用。模拟结果表明,我们的统计量具有可比性略好的权力比Cardot,Ferraty,Mas和Sarda(2003)的两个统计量的假设检验的属性。
2021-02-22 math.ST stat.ME stat.TH
Simple fixed-effects inference for complex functional models
我们提出了复杂功能混合效应模型中固定效应的简单推理方法。我们在函数残差独立假设下估计固定效应,然后自举独立单元(如受试者)估计固定效应参数的变异性,并以假设检验的形式进行推断。仿真结果表明,良好的覆盖概率的置信区间和测试的大小。方法的动机和应用于巴尔的摩老龄化纵向研究(BLSA),虽然他们是适用于其他研究,收集相关的功能数据。
2016-07-04 stat.ME
Statistical Inference for Bivariate Functional Causal Discovery
University of Washington(华盛顿大学);University of California San Francisco(加州大学旧金山分校)
本文针对函数型因果发现缺乏统计推断的问题,提出一种基于假设检验的双变量因果发现框架,利用拟合优度和独立性检验及重抽样量化不确定性,并通过模拟和真实数据验证其有效性。
2026-10-27 stat.ME
Bootstrap-based Hypothesis Test of 2D Contours using Elastic Shape Analysis
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
提出一种基于弹性形状距离的经验置信区间假设检验方法,通过针对非光滑泛函的自助法处理距离不可微性,并在惯性约束聚变图像中验证有效性。
2026-07-09 stat.AP stat.ME
A Formal Graphical Inference Framework for Combining Effect Size with Statistical Significance: Application to Multivariate and Functional Linear Models
Faculty of Agriculture and Technology, University of South Bohemia(南波希米亚大学农业与技术学院);Natural Resources Institute Finland (Luke)(芬兰自然资源研究所(Luke));University of Helsinki(赫尔辛基大学)
提出一种结合效应量与统计显著性的形式化图形推断框架,基于重采样和全局包络,实现强FWER控制,并应用于多元和函数线性模型。
2026-10-08 stat.CO stat.ME
Model Testing for Generalized Scalar-on-Function Linear Models
标量-函数线性模型通常用于对标量响应的函数预测因子进行回归。然而,函数模型比传统的线性模型更难以估计和解释,并且对于数据应用来说可能是不必要的复杂。假设检验可用于通过确定功能预测器是否必要来指导模型选择。使用惩罚样条和方差分量检验的混合效应表示,我们提出了一个测试函数线性模型与指数族分布的响应的框架。该方法可以适应密集和稀疏的功能数据,并用于测试功能预测的无效果和效果的形式。我们通过仿真研究表明,所提出的方法达到了标称水平,具有高功率,我们证明了其实用性与两个数据应用。
2019-06-12 stat.ME
Statistical and Causal Robustness for Causal Null Hypothesis Tests
本文提出将半参数理论与证据因子相结合的方法,构建基于K个半参数估计量联合渐近正态性的因果零假设检验,在至少一个候选因果模型正确时同时实现统计与因果稳健性,并通过模拟和两项纵向研究验证其有效性。
2024-06-30 stat.ME
A goodness-of-fit test for the functional linear model with scalar response
在这项工作中,一个良好的拟合检验的原假设的功能线性模型与标量响应。该测试是基于对以前的功能框架的概括,设计用于使用随机投影的多变量协变量回归模型的拟合优度。检验统计量易于使用几何和矩阵参数计算,并且易于通过残差的野生自助法对其分布进行校准。有限样本性质的测试说明了几种类型的基础和不同的替代品下的模拟研究。最后,测试应用于两个数据集,以检查功能线性模型的假设和图形工具。补充材料可在网上查阅。
2020-09-20 stat.ME
An independence test for functional variables based on kernel normalized cross-covariance operator
我们提出了一个独立性检验的随机变量值到度量空间使用的检验统计量通过适当的中心和重新标度的平方Hilbert-Schmidt范数的归一化互协方差算子的经验估计得到。在独立性假设下,得到了该统计量的渐近正态性,从而得到了一种新的函数型随机变量独立性的检验方法。提供了一个模拟研究,可以比较拟议的测试到现有的。
2022-11-10 math.ST stat.TH
Hypothesis Testing of Matrix Graph Model with Application to Brain Connectivity Analysis
脑连接分析是神经科学研究的前沿。连通性网络的特征在于图,其中节点表示神经元和大脑区域等神经元素,链接表示通常以偏相关编码的统计依赖性。这样的图是从矩阵值神经成像数据,如脑电图和功能磁共振成像推断出来的。在正态分布或矩阵正态分布下,已经有大量的稀疏精度矩阵估计的成功建议;然而,这类解决方案没有为估计的链路提供统计显著性量化。在这篇文章中,我们采用了矩阵正态分布的框架,并制定了大脑连接分析作为一个精度矩阵假设检验问题。基于可分离的时空依赖结构,我们开发了Oracle和数据驱动的程序来测试全局假设,即所有空间位置都是有条件独立的,这对稀疏的替代方案特别强大。此外,同时测试确定条件相关的空间位置与错误发现率控制提出了在Oracle和数据驱动的设置。理论结果表明,数据驱动程序的性能与Oracle程序一样渐近,并具有一定的最优性。经验有限样本性能的建议的测试进行了研究,通过模拟,和新的测试应用于一个真正的脑电图数据分析。
2015-11-02 stat.ME
Classification of pediatric pneumonia using chest X-rays by functional regression
对小儿肺炎进行准确和及时的诊断对于成功的治疗干预至关重要。诊断肺炎病例的一种方法是使用放射学数据。在这篇文章中,我们提出了一个新的简约标量图像分类模型,采用功能数据分析的思想。我们的主要思想是将图像作为功能测量,并利用潜在的协方差结构来选择基函数,然后使用这些基础来近似图像轮廓和相应的回归系数。我们将回归模型重新表示为标准的广义线性模型,其中函数主成分得分被视为协变量。我们将该方法应用于(1)将肺炎与健康肺炎患者和病毒性肺炎患者进行分类,以及(2)测试图像与响应之间的关联的零效应。广泛的模拟研究表明,在分类,假设检验,和有效的计算方面的优秀的数值性能。
2020-05-07 eess.IV stat.AP
Goodness-of-fit tests for complete spatial randomness based on Minkowski functionals of binary images
提出了一类完全空间随机性的拟合优度检验方法。与标准测试相比,我们的程序利用数据的二进制图像,然后其特征在于几何泛函的变换。在适当的限制条件下,我们得到了原假设下的检验统计量的渐近分布和某些替代方案下的几乎必然极限。新的测试是计算效率高,模拟表明,他们是强大的竞争对手,以其他测试的CSR。测试应用到一个真正的数据集在伽马射线天文学,并立即扩展,以鼓励进一步的工作。
2017-10-06 math.ST stat.CO stat.ME
Gaussian and bootstrap approximations for functional principal component regression
George Mason University(乔治梅森大学)
本文通过适当算子缩放建立函数主成分回归估计器的高斯和bootstrap近似,解决了传统认为无法直接进行统计推断的问题,并展示了其在检验斜率函数显著性方面的强大性能。
2026-07-27 math.ST stat.ME stat.TH
Inference in Functional Linear Quantile Regression
本文研究了函数分位数回归中标量响应和函数协变量的统计推断问题。具体来说,我们考虑一个功能性线性分位数回归模型,其中协变量对响应分位数的影响通过功能协变量和未知的光滑回归参数函数之间的内积来建模,该函数随分位数水平而变化。目的是检验回归参数在几个感兴趣的分位数水平上是否恒定。结合函数主成分分析和分位数回归的思想估计参数函数。调整Wald检验程序提出了这个假设的兴趣,其卡方渐近零分布推导。测试过程进行了研究数值模拟稀疏和嘈杂的功能协变量和资本自行车共享数据应用。所提出的方法易于实现,并且{ \tt R}代码在\url{https://github.com/xylimeng/fQR-testing}上在线发布。
2022-08-20 math.ST stat.ME stat.TH
Statistical divergences in high-dimensional hypothesis testing and a modern technique for estimating them
本文提出利用统计散度量化高维数据总体分布与竞争模型的差异,并借助现代函数优化技术仅凭双分布样本估计散度,从而构建无需似然函数的双样本假设检验方法。
2024-08-01 hep-ex hep-ph math.ST
Achieving Equalized Odds by Resampling Sensitive Attributes
Stanford University(斯坦福大学)
我们提出了一个灵活的框架来学习预测模型,近似满足公平性的均衡赔率概念。这是通过引入一个一般的差异功能,严格量化违反这一标准。该可微泛函被用作将模型参数向均衡化的几率驱动的惩罚。为了严格评估拟合模型,我们开发了一个正式的假设检验来检测预测规则是否违反此属性,这是文献中的第一个此类检验。模型拟合和假设检验都通过构造利用服从均衡化几率的敏感属性的重采样版本。我们证明了所提出的框架在回归和多类分类问题中的适用性和有效性,报告了最先进的方法的改进性能。最后,我们将展示如何将技术公平的不确定性量化-无偏的每个组正在研究-沟通的结果,数据分析的准确条款。
2020-06-08 cs.LG stat.ME stat.ML
Fast and Fair Simultaneous Confidence Bands for Functional Parameters
使用置信区域量化不确定性是统计推断的中心目标。尽管如此,与估计和假设检验相比,功能数据分析中的置信带方法仍然不发达。在这项工作中,我们提出了一个新的方法来构建同时的功能参数估计的置信带。我们的团队拥有许多积极的品质:(1)它们不基于重采样,因此计算速度快,(2)它们是在频带域的分区上的平衡假阳性率的公平性约束下构造的,这有助于典型的全局解释,但也有助于新颖的局部解释,以及(3)它们不需要对全协方差函数的估计,因此可以用于片段函数数据的情况。模拟显示了优秀的有限样本行为,我们的乐队相比,现有的替代品。我们的乐队的实际用途是证明在两个案例研究运动生物力学和片段的增长曲线。
2022-11-11 math.ST stat.ME stat.TH
Testing for homogeneity of several functional variables via multiple maximum variance discrepancy
本文针对希尔伯特空间上k个概率分布的同质性检验问题,提出多重最大方差差异(MMVD)及其一致估计检验统计量,推导了原假设下的渐近分布,并通过模拟验证了方法的对比表现。
2024-04-15 math.ST stat.TH
Causal Structural Hypothesis Testing and Data Generation Models
University of California, Los Angeles(加州大学洛杉矶分校)
大量的专家和领域知识被捕获的因果结构先验,但一直很少有研究测试这样的先验的泛化和数据合成的目的。我们提出了一种新的模型架构,因果结构假设检验,可以使用非参数,结构因果知识和近似因果模型的功能关系,使用深神经网络。我们使用这些架构来比较结构先验,类似于假设检验,使用训练和测试数据的故意(非随机)分裂。大量的模拟证明了分布外泛化误差作为因果结构先验假设检验的代理的有效性,并为解释结果提供了统计基线。我们表明,变分版本的架构,因果结构变分假设检验可以提高性能在低信噪比制度。由于模型的简单性和低参数计数,从业者可以在小数据集上测试和比较结构先验假设,并使用具有最佳泛化能力的先验来合成更大的因果信息数据集。最后,我们在合成摆数据集上验证了我们的方法,并在现实世界的创伤手术地面坠落数据集上展示了一个用例。
2022-11-04 cs.AI cs.LG stat.ML
Statistical inferences for functional data
With modern technology development, functional data are being observed frequently in many scientific fields. A popular method for analyzing such functional data is ``smoothing first, then estimation.'' That is, statistical inference such as estimation and hypothesis testing about functional data is conducted based on the substitution of the underlying individual functions by their reconstructions obtained by one smoothing technique or another. However, little is known about this substitution effect on functional data analysis. In this paper this problem is investigated when the local polynomia…
2007-08-16 math.ST stat.TH
Functional Sieve Bootstrap for the Partial Sum Process with Application to Change-Point Detection
本文提出函数筛子自助法(FSB)估计部分和过程分布,并用于基于CUSUM统计量的函数时间序列均值变点检验,证明其渐近有效性和有限样本性能。
2025-04-28 math.ST stat.TH
Cosine Series Representation
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出基于显式正交基展开的功能数据分析框架,用于建模和去噪复杂生物医学信号,展示其在可扩展和可解释的功能建模中的优势。
2026-02-13 stat.CO
Testing exogeneity in the functional linear regression model
提出了一种新的检验统计量来检验函数线性回归模型的外生性。与有限维线性回归设置中的Hausman型检验相反,不可能直接扩展到函数线性回归模型。相反,我们提出了一个检验统计量的基础上的两个估计量的预测的平方差的总和,用于检验功能线性回归模型中的外生性的原假设。我们得到了零值下的渐近正态性和一般替代下的相合性。此外,我们证明了剩余的自举程序的自举一致性结果。在模拟中,我们研究了有限样本性能的测试方法,并说明了基于引导的方法的优越性。特别是,自助方法变得更加强大的正则化参数的选择。
2022-08-14 math.ST stat.TH
scikit-covtest: Covariance Matrix Hypothesis Testing in Python
Emory University(埃默里大学);Brigham Young University(杨百翰大学)
针对Python缺乏全面协方差矩阵假设检验实现的问题,研发了开源Python包scikit-covtest,提供四类协方差检验及相关支撑功能,降低了相关方法在科学应用中的应用门槛。
2026-08-04 stat.CO
A fundamental problem of hypothesis testing with finite inventory in e-commerce
在本文中,我们提请注意一个问题,这是经常被忽视或忽视的公司在网上环境中进行假设检验(A/B测试)。我们发现,在实验中的变体之间共享的有限库存上进行实验可能会导致高误报率,因为违反了组之间独立性的核心假设。我们提供了一个详细的分析问题的简化设置,其参数是由现实的情况。我们考虑的设置是一个$2$ -维随机游动在一个半无限带。它足够丰富,可以考虑有限的库存,但同时又足够简单,可以考虑假阳性概率的封闭形式。我们证明,高假阳性率可能会发生,并开发工具,适合帮助设计适当的测试在后续工作。我们的研究结果还表明,可能会出现高假阴性率。的证明依赖于一个功能的极限定理的$2$ -维随机游动在一个半无限条。
2020-06-10 math.PR math.ST stat.TH
Optimal regularized hypothesis testing in statistical inverse problems
本文针对统计逆问题提出允许估计量有偏的正则化假设检验,在源条件下构造水平 α 的最大功效检验族,并通过凸优化得到自适应检验,证明其不劣于且模拟中显著优于非正则化检验。
2023-10-17 cs.NA math.NA math.ST
Directional differentiability for supremum-type functionals: statistical applications
我们证明了定义在任意集合或测度空间上的实函数的上确界所涉及的各种泛函都是Hadamard方向可微的。我们特别考虑了上确界范数、上确界、下确界和函数的振幅。这些映射的(通常是非线性的)导数在适当的假设下采用简单的表达式。作为应用,我们改进并推广了\cite{Raghavachari}中关于在备择假设下Kolmogorov-Smirnov型统计量极限分布的结果.类似的结果得到类似的统计与copula。我们还解决了一个公开的问题有关的伯克-琼斯统计提出的\cite{Jager-Wellner-2004}。最后,给出了Donsker函数类上最大平均差的渐近分布。
2019-12-17 math.ST stat.TH
Detecting practically significant dependencies in metric spaces via distance correlations
Ruhr-Universität Bochum(波鸿鲁尔大学)
针对度量空间随机变量的实际显著性依赖检验需求,提出基于距离相关系数的枢轴检验方法,适用于含时间序列在内的非独立观测场景,无需重采样即可构造置信区间。
2025-11-18 math.PR math.ST stat.TH
A hypothesis test for the domain of attraction of a random variable
针对随机变量采样分布是否具有无穷一阶矩的检测问题,提出并分析一种渐近假设检验,基于布朗桥离散泛函的统计量,判断变量属于正态吸引域还是指数小于2的稳定律吸引域。
2024-07-15 math.ST stat.TH
A nonparametric test for stationarity in functional time series
我们提出了一个新的措施平稳的功能时间序列,这是基于显式表示的$L^2$ -距离之间的谱密度算子的非平稳过程和它的最佳($L^2$ -)近似的谱密度算子对应于一个平稳的过程。这个距离可以很容易地估计的周期图算子(在不同的频率评估)的希尔伯特-施密特内积的总和,和一个适当的标准化版本的估计量的渐近正态性可以建立相应的估计下的原假设和替代。因此,我们得到了一个简单的渐近频域水平$α$测试(使用正态分布的分位数)的功能时间序列的平稳性的假设。其他应用,如渐近置信区间的平稳性或建设的措施,测试“相关的偏差平稳性”,也简要提及。我们在一个小的模拟研究表明,新方法具有非常好的有限样本特性。此外,我们将我们的测试应用于年温度曲线。
2018-08-13 stat.ME
Bayesian Semiparametric Functional Mixed Models for Serially Correlated Functional Data, with Application to Glaucoma Data
青光眼是导致失明的主要原因,其特征在于与眼内压(IOP)相关的视神经损伤,但其全部病因尚不清楚。UAB的研究人员设计了一种定制设备,用于在固定的IOP水平下连续测量眼睛周围的巩膜应变,该设备用于评估后极周围的应变如何随IOP以及年龄等青光眼风险因素而变化。假设巩膜应变随年龄增长而减少,这可能会改变视神经乳头的生物力学,并导致最终导致青光眼的损伤。为了评估这一假设,我们采用贝叶斯函数混合模型来模拟这些复杂的数据,这些数据由球形巩膜表面上的相关函数组成,非参数年龄效应允许在巩膜表面上的幅度和平滑度上变化,多水平随机效应函数用于捕获受试者内相关性,功能性生长曲线项用于捕获可以在巩膜表面周围变化的IOP之间的序列相关性。我们的方法产生完全贝叶斯推断上的巩膜表面或任何聚集或转换,并揭示了有趣的见解青光眼的生物力学病因。所描述的通用建模框架非常灵活,适用于许多复杂的高维函数数据。
2018-05-07 stat.ME
Permutation Tests for Equality of Distributions of Functional Data
经济数据通常是由连续时间内发生的随机过程产生的,尽管观测可能只发生在离散时间。例如,电力和天然气的消耗是连续发生的。由连续时间随机过程产生的数据称为函数数据。本文关注的是比较两个或两个以上的随机过程,产生功能数据。数据可以通过随机实验产生,其中存在多个处理。本文提出了一种检验所有函数数据由同一随机过程产生的假设的方法。这里描述的测试适用于功能数据和多个处理。它被实现为两个排列测试的组合。这确保了在有限样本中,每个检验拒绝正确零假设的真实概率和标称概率相等。本文给出了在备择假设下检验的渐近功效的上界和下界。蒙特卡罗实验的结果和应用的天然气计费和定价的实验说明了测试的有用性。
2021-06-14 econ.EM stat.ME
A simple test for white noise in functional time series
我们提出了一个新的程序的功能时间序列的白噪声测试。我们的方法是基于显式表示的$L^2$ -之间的距离的谱密度算子和它的最佳($L^2$ -)近似的谱密度算子对应于一个白噪声过程。这个距离的估计可以很容易地完成由周期图内核的总和,它示出了一个适当的标准化版本的估计是渐近正态分布下的零假设(功能白噪声)和下的替代品。因此,我们得到一个非常简单的测试(使用分位数的正态分布)的假设的白噪声功能过程。特别是,该测试既不需要估计长期方差(包括四阶累积量),也不需要重新计算程序来计算临界值。此外,在文献中提出的所有其他方法相比,我们的方法还允许测试“相关”偏离白噪声和构建置信区间的措施,措施的差异的基本过程从功能白噪声过程。
2017-09-05 math.ST stat.ME stat.TH
Statistical Analysis of Network Collections Using Persistent Homology and Functional Data Analysis
University College Dublin(都柏林大学学院);The University of Texas Health Science Center at Houston(休斯顿德克萨斯大学健康科学中心)
研究针对网络集合统计分析难题,引入功能拓扑数据分析框架 funTDA,整合功能与拓扑数据分析工具,通过模拟研究和实际数据应用,展示其区分不同网络配置能力,并用主成分分析和假设检验评估拓扑差异。
2026-07-28 stat.ME
A test of weak separability for multi-way functional data, with application to brain connectivity studies
本文研究了双指标或多指标的多路函数型数据的建模问题。我们引入了弱可分性的概念。弱可分离结构支持使用因子分解方法,该方法将信号分解成其空间和时间分量。该分析揭示了与通常的强可分协方差结构的有趣联系,并为多路函数数据的张量方法提供了见解。我们提出了一个正式的测试弱可分性假设,其中的渐近零分布的检验统计量是卡方型混合。该方法被应用于研究运动任务中源定位脑磁图信号的脑功能连接。
2018-07-01 stat.ME
Kendall's Tau for Functional Data Analysis
我们对待的问题测试之间的关联属于希尔伯特空间的函数变量和标量变量。特别地,我们提出了一个基于Kendall的Tau的分布自由检验统计量,这是确定两个随机变量之间的关联的最流行的方法之一。利用U-统计量在Hilbert空间中取值的理论,建立了检验统计量在独立性原假设下的分布。我们还考虑的情况下,函数数据稀疏观察,在许多应用程序中出现的情况。仿真结果表明,所提出的方法优于替代品在几个条件下证明我们的方法的鲁棒性。我们提供的数据应用程序,进一步巩固我们的方法的效用。
2019-12-08 stat.ME
Testing for stationarity of functional time series in the frequency domain
对功能性时间序列的兴趣在最近的过去急剧上升,涉及方法和应用的论文以更快的速度出版。本文基于频域方法提出了一种新的函数型时间序列平稳性检验方法。建议的检验统计量是基于联合降维通过功能主成分分析在所有傅立叶频率的频谱密度运营商,明确允许频率依赖的截断水平,以适应潜在的功能时间序列的动态。检验的性质都来自平稳功能时间序列的原假设下和局部平稳功能时间序列的光滑替代。该方法是理论上合理的渐近结果。从模拟研究和应用到年温度曲线的证据表明,测试工作在有限的样本。
2019-04-29 stat.ME
Preprocessing noisy functional data: a multivariate perspective
我们考虑的功能数据是在一组离散的观察点上测量的。通常,这些数据是用额外的噪声测量的。在本文中,我们探讨这种类型的数据的因素结构。我们表明,潜在的信号可以归因于一个相应的因子模型的共同组成部分,并可以相应地估计,借用因子模型文献的方法。我们还表明,主成分,功能数据分析中发挥了关键作用,可以准确地估计后,采取这样的多元,而不是一个“功能”的角度。除了估计的问题,我们还解决测试的零假设的iid噪声。虽然这种假设在文献中很大程度上盛行,但我们认为它通常不切实际,并且没有得到残差分析的支持。
2021-11-22 stat.ME stat.ML
A Kernel Two-Sample Test for Functional Data
我们提出了一种基于最大均值离散(MMD)的非参数双样本检验方法,用于检验两个函数样本具有相同的潜在分布的假设,使用定义在函数空间上的核。这种结构的动机是基于MMD的测试的效率不断增加的维度的数据集的缩放分析。函数空间及其相关的MMD内核的理论属性的建立和使用,以确定新提出的测试的有效性,以及评估使用功能重建的基础上离散函数样本的影响。在一系列的合成和现实世界的数据集的理论结果证明。
2020-10-19 math.ST stat.ME stat.ML
Testing equality of spectral density operators for functional linear processes
研究了两个独立泛函线性过程的全二阶结构的相等性检验问题。一个功能齐全的$L^2$型测试的开发,评估,在所有的频率,估计的两个过程的谱密度运营商之间的希尔伯特-施密特距离。研究了检验统计量的渐近性质,并在原假设下得到了其极限分布。此外,一种新的频域bootstrap方法,它更准确地逼近检验统计量的分布下的零比大样本高斯近似。建立了Bootstrap过程的渐近有效性,证明了Bootstrap检验在备选方案下的一致性。数值模拟表明,即使对于小样本,基于自举的测试具有非常好的尺寸和功耗行为。本文还介绍了气象功能时间序列的应用。
2020-04-14 math.ST stat.ME stat.TH
A Bayesian One-Sample Test for the Mean of Functional Data
Universidad Autónoma de Madrid(马德里自治大学)
针对函数型数据均值是否为零的检验问题,提出基于RKHS有限近似与尖峰-平板先验的贝叶斯方法,采用RJMCMC估计后验,并验证了收缩率与实证效果。
2026-10-06 math.ST stat.CO stat.ME