RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      A new distribution‐free k‐sample test: Analysis of kernel density functionals

      한글로보기

      https://www.riss.kr/link?id=O112739431

      • 저자
      • 발행기관
      • 학술지명
      • 권호사항
      • 발행연도

        2020년

      • 작성언어

        -

      • Print ISSN

        0319-5724

      • Online ISSN

        1708-945X

      • 등재정보

        SCIE;SCOPUS

      • 자료형태

        학술저널

      • 수록면

        167-186   [※수록면이 p5 이하이면, Review, Columns, Editor's Note, Abstract 등일 경우가 있습니다.]

      • 구독기관
        • 전북대학교 중앙도서관  
        • 성균관대학교 중앙학술정보관  
        • 부산대학교 중앙도서관  
        • 전남대학교 중앙도서관  
        • 제주대학교 중앙도서관  
        • 중앙대학교 서울캠퍼스 중앙도서관  
        • 인천대학교 학산도서관  
        • 숙명여자대학교 중앙도서관  
        • 서강대학교 로욜라중앙도서관  
        • 계명대학교 동산도서관  
        • 충남대학교 중앙도서관  
        • 한양대학교 백남학술정보관  
        • 이화여자대학교 중앙도서관  
        • 고려대학교 도서관  
      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      A novel distribution‐free k‐sample test of differences in location shifts based on the analysis of kernel density functional estimation is introduced and studied. The proposed test parallels one‐way analysis of variance and the Kruskal–Wallis (KW) test aiming at testing locations of unknown distributions. In contrast to the rank (score)‐transformed non‐parametric approach, such as the KW test, the proposed F‐test uses the measurement responses along with well‐known kernel density estimation (KDE) to estimate the locations and construct the test statistic. A practical optimal bandwidth selection procedure is also provided. Our simulation studies and real data example indicate that the proposed analysis of kernel density functional estimate (ANDFE) test is superior to existing competitors for fat‐tailed or heavy‐tailed distributions when the k groups differ mainly in location rather than shape, especially with unbalanced data. ANDFE is also highly recommended when it is unclear whether test groups differ mainly in shape or location. The Canadian Journal of Statistics 48: 167–186; 2020 © 2019 Statistical Society of Canada
      L'auteure propose et étudie un nouveau test pour la différence de localisation de k échantillons basé sur l'estimation fonctionnelle par noyau de la densité. Le test est analogue à l'analyse de variance et au test de Kruskal‐Wallis (KW) puisqu'il cherche à tester la localisation de distributions inconnues. Contrairement à l'approche non paramétrique basée sur les rangs de KW, le test F proposé utilise la méthode bien connue d'estimation de la densité par noyau pour estimer la localisation et construire la statistique de test. L'auteure décrit également une procédure de sélection de la fenêtre optimale. Elle présente une analyse de données réelles et des études de simulations qui indiquent que le test proposé basé sur l'analyse d'estimateurs de la densité fonctionnelle par noyau (ANDFE) est supérieur aux compétiteurs existants pour les distributions à queues lourdes lorsque les groupes diffèrent en localisation plutôt qu'en forme, en particulier pour des données débalancées. Elle recommande également l'ANDFE lorsqu'il n'est pas clair si les groupes diffèrent par leur localisation ou leur forme. La revue canadienne de statistique 48: 167–186; 2020 © 2019 Société statistique du Canada
      번역하기

      A novel distribution‐free k‐sample test of differences in location shifts based on the analysis of kernel density functional estimation is introduced and studied. The proposed test parallels one‐way analysis of variance and the Kruskal–Wallis ...

      A novel distribution‐free k‐sample test of differences in location shifts based on the analysis of kernel density functional estimation is introduced and studied. The proposed test parallels one‐way analysis of variance and the Kruskal–Wallis (KW) test aiming at testing locations of unknown distributions. In contrast to the rank (score)‐transformed non‐parametric approach, such as the KW test, the proposed F‐test uses the measurement responses along with well‐known kernel density estimation (KDE) to estimate the locations and construct the test statistic. A practical optimal bandwidth selection procedure is also provided. Our simulation studies and real data example indicate that the proposed analysis of kernel density functional estimate (ANDFE) test is superior to existing competitors for fat‐tailed or heavy‐tailed distributions when the k groups differ mainly in location rather than shape, especially with unbalanced data. ANDFE is also highly recommended when it is unclear whether test groups differ mainly in shape or location. The Canadian Journal of Statistics 48: 167–186; 2020 © 2019 Statistical Society of Canada
      L'auteure propose et étudie un nouveau test pour la différence de localisation de k échantillons basé sur l'estimation fonctionnelle par noyau de la densité. Le test est analogue à l'analyse de variance et au test de Kruskal‐Wallis (KW) puisqu'il cherche à tester la localisation de distributions inconnues. Contrairement à l'approche non paramétrique basée sur les rangs de KW, le test F proposé utilise la méthode bien connue d'estimation de la densité par noyau pour estimer la localisation et construire la statistique de test. L'auteure décrit également une procédure de sélection de la fenêtre optimale. Elle présente une analyse de données réelles et des études de simulations qui indiquent que le test proposé basé sur l'analyse d'estimateurs de la densité fonctionnelle par noyau (ANDFE) est supérieur aux compétiteurs existants pour les distributions à queues lourdes lorsque les groupes diffèrent en localisation plutôt qu'en forme, en particulier pour des données débalancées. Elle recommande également l'ANDFE lorsqu'il n'est pas clair si les groupes diffèrent par leur localisation ou leur forme. La revue canadienne de statistique 48: 167–186; 2020 © 2019 Société statistique du Canada

      더보기

      동일학술지(권/호) 다른 논문

      동일학술지 더보기

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼