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 ...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=O112739431
2020년
-
0319-5724
1708-945X
SCIE;SCOPUS
학술저널
167-186 [※수록면이 p5 이하이면, Review, Columns, Editor's Note, Abstract 등일 경우가 있습니다.]
0
상세조회0
다운로드다국어 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 ...
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
Validity and efficiency in analyzing ordinal responses with missing observations
Partial order relations for classification comparisons
Direct estimation of differential networks under high‐dimensional nonparanormal graphical models