Tests de igualdad de matrices de dispersión basados en signos en el contexto de alta dimensión
El desarrollo de métodos en contextos de alta dimensión surgió recientemente debido a grandes avances en el campo del almacenamiento y procesamiento de datos. Los test clásicos de máxima verosimilitud muchas veces asumen que el tamaño de la muestra n es mayor que la dimensión de cada vector de la mu...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | , , , |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Publicado: |
Marzo de 2015
|
| Materias: | |
| Aporte de: | Registro referencial: Solicitar el recurso aquí |
| Sumario: | El desarrollo de métodos en contextos de alta dimensión surgió recientemente debido a grandes avances en el campo del almacenamiento y procesamiento de datos. Los test clásicos de máxima verosimilitud muchas veces asumen que el tamaño de la muestra n es mayor que la dimensión de cada vector de la muestra p. Además, necesitan que n sea mucho mayor que p para ser informativos. En este trabajo estudiaremos el problema de testear igualdad de matrices de covarianza. En los últimos años se propusieron nuevos métodos para este problema adaptados al contexto de alta dimensión. Schott (2007) propone un estadístico cuya distribución (n, p)-asintótica es normal estándar cuando las matrices de covarianza entre grupos son iguales y las observaciones provienen de una distribución normal multivariada. En este trabajo vamos a suponer que tenemos dos muestras con distribución elíptica Ep(0, Σeᵢ, φ), i = 1, 2, y presentaremos propuestas para testear H0 : Σe1 = Σe2. En todas ellas nos basaremos en los signos de las observaciones originales. Esto permite considerar una familia de distribuciones para las observaciones más amplia que las consideradas en otros tests. En particular, no hace falta pedir que estas distribuciones tengan segundo momento. Otra de sus ventajas es que, al basarse en los signos, los estadísticos poseen buenas propiedades de robustez. Esta misma técnica fue usada para el testeo de otras hipótesis en contextos de alta dimensión. Por ejemplo, Pandaveine y Verdebout (2013) utilizan esta técnica para testear esfericidad e independencia entre componentes. Finalmente, mostramos los resultados de una simulación: comprobaremos la validez empírica de los tests propuestos y compararemos sus potencias estimadas con las de otros tests para las mismas hipótesis. |
|---|---|
| Descripción Física: | 88 p. : il., gráfs. color, tablas |