A consistent goodness-of-fit test for huge dimensional and functional data
- A nonparametric goodness-of-fit test for random variables with values in a separable Hilbert space is investigated. To verify the null hypothesis that the data come from a specific distribution, an integral type test based on a Cramér-von-Mises statistic is suggested. The convergence in distribution of the test statistic under the null hypothesis is proved and the test's consistency is concluded. Moreover, properties under local alternatives are discussed. Applications are given for data of huge but finite dimension and for functional data in infinite dimensional spaces. A general approach enables the treatment of incomplete data. In simulation studies the test competes with alternative proposals.
| Verfasserangaben: | Marc Ditzhaus, Daniel Gaigall |
|---|---|
| DOI: | https://doi.org/10.1080/10485252.2018.1486402 |
| ISSN: | 1029-0311 |
| Titel des übergeordneten Werkes (Englisch): | Journal of Nonparametric Statistics |
| Verlag: | Taylor & Francis |
| Verlagsort: | Abingdon |
| Dokumentart: | Wissenschaftlicher Artikel |
| Sprache: | Englisch |
| Erscheinungsjahr: | 2018 |
| Datum der Erstveröffentlichung: | 20.06.2018 |
| Datum der Publikation (Server): | 16.01.2023 |
| Freies Schlagwort / Tag: | Cramér-von-Mises statistic; functional data; huge dimensional data; separable Hilbert space |
| Jahrgang: | 30 |
| Ausgabe / Heft: | 4 |
| Erste Seite: | 834 |
| Letzte Seite: | 859 |
| Link: | https://doi.org/10.1080/10485252.2018.1486402 |
| Zugriffsart: | bezahl |
| Fachbereiche und Einrichtungen: | FH Aachen / Fachbereich Medizintechnik und Technomathematik |
| collections: | Verlag / Taylor & Francis |
