信号特征显著性的游程和自举检验
Runs and Bootstrap Tests For Signal Feature Significance
浏览论文内容
中文总结 AI 辅助
研究利用马尔可夫链理论推导最长游程分布递归表达式，通过对游程进行置换检验及对高度进行自举检验，可应用于数据间距特征，用于检测和定位多模态，能评估峰值大高度和平坦部分小高度。
中文摘要 AI 辅助
长期以来，游程检验一直被用作检查数据是否包含非随机信号的非参数方法。我们利用马尔可夫链理论推导了最长游程分布的递归表达式。接着，我们对构成一个特征的游程进行置换检验，以获得其高度的概率。最后，使用原始连续数据对高度进行自举检验。这种检验不仅能评估峰值的大高度，还能评估平坦部分的小高度。我们可以将这些检验应用于数据间距中的特征，以检测和定位多模态。
英文摘要
Runs tests have long been used as a non-parametric check if data contains a non-random signal. We derive a recursive expression for the distribution of the longest run using Markov chain theory. Next we develop a permutation test on the runs comprising a feature to get the probability of its height. This leads finally to a bootstrap test on the height using the raw, continuous data. Such a test can evaluate not only the large heights of peaks but also the small heights of flats. We can apply these tests to features in the spacing of data to detect and locate multi-modality.
