[论文解读] A random-projection based procedure to test if a stationary process is Gaussian

Juan A. Cuesta‐Albertos, Fabrice Gamboa Alicia Nieto-Reyes|ArXiv.org|Nov 18, 2009

Advanced Statistical Process Monitoring参考文献 29被引用 6

一句话总结

本文提出了一种基于随机投影的一致性检验方法，用于评估严格平稳随机过程的高斯性，仅依赖于有限样本路径。通过将过程投影到随机的一维方向上，并利用Epps检验与偏度-峰度检验对投影后的边际分布进行高斯性检验，该方法即使在边际分布看似高斯时也能检测出非高斯替代模型，且在适度正则条件下保持一致性，相较于仅基于边际的检验方法，在检测复杂非高斯依赖结构方面表现更优。

ABSTRACT

In this paper we address the statistical problem of testing if a stationary process is Gaussian. The observation consists in a finite sample path of the process. Using a random projection technique introduced and studied in Cuesta-Albertos et al. 2007 in the frame of goodness of fit test for functional data, we perform some decision rules. These rules really stand on the whole distribution of the process and not only on its marginal distribution at a fixed order. The main idea is to test the Gaussianity on the marginal distribution of some random linear combinations of the process. This leads to consistent decision rules. Some numerical simulations show the pertinence of our approach.

研究动机与目标

• 基于有限样本路径，开发一种一致的统计检验方法，以判断严格平稳随机过程是否为高斯过程。
• 克服仅基于边际的检验方法的局限性，这些方法在单变量边际为高斯分布时无法检测出非高斯依赖结构。
• 利用随机投影理论，将无限维的高斯性检验问题简化为一系列一维检验。
• 在温和正则性假设下，确保检验对所有严格平稳非高斯替代模型的一致性。
• 通过结合多个随机投影与自适应检验程序，提升经验功效并减少第一类错误的膨胀。

提出的方法

• 将平稳过程在希尔伯特空间中的随机方向上进行随机投影，以生成一维边际分布。
• 应用Epps检验与Lobato-Velasco偏度-峰度检验，评估每个投影边际的高斯性。
• 在Epps检验中随机化评估点，以确保对所有非高斯替代模型的一致性。
• 通过多重检验校正方法合并多个独立随机投影的p值，以增强检验功效并控制错误率。
• 采用两步程序：首先对过程进行投影，然后检验投影边际分布的高斯性。
• 采用基于自助法的多重检验校正，以减少有限样本中第一类错误的膨胀。

实验结果

研究问题

• RQ1 当边际分布看似高斯时，基于随机投影的方法是否能一致地检测出严格平稳过程中非高斯性？
• RQ2 当过程具有高斯边际但存在非高斯依赖结构时，所提出的检验在功效上与经典基于边际的检验（如Epps检验、Jarque-Bera检验）相比如何？
• RQ3 增加随机投影数量在多大程度上能改善检验的经验大小与功效？
• RQ4 该方法能否检测出标准单变量高斯性检验无法识别的非高斯替代模型？
• RQ5 当替代模型的有限维分布更趋近于高斯分布时，RP检验的拒绝率在原假设下及替代假设下的表现如何？

主要发现

• 在正则性条件下，RP检验对所有严格平稳非高斯替代模型均保持一致性，而边际仅检验方法不具备此性质。
• 在模拟中，RP检验对非高斯过程W*的原假设拒绝正确，p值低至1.029×10⁻⁴（lynx）与1.314×10⁻⁶（sunspot），与先前方法相当。
• 对W*过程，Epps检验、G检验与GE检验的拒绝率低于名义5%水平，并随样本量增加而下降，表明由于分位数均匀分布而呈现‘更趋近高斯’的行为。
• 将随机投影数从k=2增至k=8，使n=1000时的拒绝率从14.48%提升至86.28%，显示出显著的功效提升。
• 该方法在真实lynx与太阳黑子数据中成功检测出非高斯性，p值与Epps检验及Lobato-Velasco检验处于同一数量级。
• Epps检验中使用随机化评估点确保了一致性，而结合Epps检验与偏度-峰度检验则增强了稳健性与检测功效。