等间距正态分布混合及其在单变量数据对称性检验中的应用
统计方法学
2012-04-23 v1
摘要
给定一个随机观测样本，正态密度混合常用于估计数据来源的未知连续分布。在此，我们提出使用这种半参数框架来检验关于未知值的对称性。更确切地说，我们展示了如何根据正态混合模型表述对称性的零假设，其中关于对称中心的权重被约束为彼此相等。由此产生的模型嵌套在一个更一般的无约束模型中，后者具有相同数量的混合分量和自由权重。因此，在通过合适的算法（如期望最大化算法）最大化约束和无约束对数似然函数后，通过似然比统计量针对偏度检验对称性。我们通过蒙特卡洛模拟研究说明了所提出的基于混合的检验的性能，在该研究中，我们将基于不同标准选择混合分量数量的两种版本的检验与基于第三标准化矩的传统检验进行了比较。此外，还给出了一个侧重于真实数据的说明性示例。
引用
@article{arxiv.1204.4544,
title = {Mixtures of equispaced normal distributions and their use for testing symmetry in univariate data},
author = {Silvia Bacci and Francesco Bartolucci},
journal= {arXiv preprint arXiv:1204.4544},
year = {2012}
}
备注
16 pages, 3 figures, 7 tables