矩阵变量正态性的评估与可视化
统计方法学
2019-10-08 v1 统计理论
统计理论
摘要
本文发展了一个用于评估三向数据矩阵变量正态性的框架。该框架包含一种可视化方法以及基于 Mahalanobis 平方距离(MSD)的拟合优度检验。分别将多元与矩阵变量正态估计量的 MSD 作为矩阵变量正态性的评估工具。具体而言，以距离-距离(DD)图的形式将其用作可视化矩阵变量正态性的图形方法。此外，我们在三向数据矩阵变量正态性评估中采用了流行的 Kolmogorov-Smirnov 拟合优度检验。最后，一项涵盖大范围维度与数据规模的适当仿真研究表明，在各种设定下该检验均表现出高度的稳健性。
引用
@article{arxiv.1910.02859,
title = {Assessing and Visualizing Matrix Variate Normality},
author = {Nikola Pocuca and Michael P. B. Gallaugher and Katharine M. Clark and Paul D. McNicholas},
journal= {arXiv preprint arXiv:1910.02859},
year = {2019}
}