May, 2017

利用网络统计量进行大型随机图的两样本检验

PDF
TL;DR本文提出了在假设检验中对比 Facebook 和 LinkedIn 上的友谊网络的解决方案，利用网络统计学衡量网络。通过对网络统计学的集中度进行通用表述，揭示了一个自然的对策，实现了一致的双样本测试。本文还证明，对于某些网络统计量，所提出的测试是最小最优的。
hypothesis testingundirected graphsnetwork statisticstwo-sample testminimax optimal
发现论文，激发创造
  • 图形二样本检验的实用方法

    本文针对大型图形的两样本检验问题，比较和探讨现有的理论检验方法及其自举变体的实际优劣，并提出两种运用渐近分布的新的检验方法，其较现有方法具有更低的计算复杂度和更高的可靠性。

    Nov, 2018

  • 非齐次随机图的双样本假设检验

    本文以最小极小值检验的角度考虑解决在高维信息检测中，两个离散随机图集合的假设检验问题，并提出了 Frobenius 范数和算子范数算法，能在小样本量下有效地求解较为稀疏的两种份离散图模型问题。

    Jul, 2017

  • 利用小子图统计量测试全局网络结构

    使用小子图的观察频率之间的关系，提出了一种基于三节点子图频率的社区结构存在简单检验方法，该方法能够在网络引导模型的零假设下，显示出渐近正态的检验统计量，并在纠正度量复合备选假设下具有接近于一的功率，此外，该方法亦可用于多元高斯数据的检验，并应用于社交网络、科学文章的引用网络和标普 500 公司之间的股票回报率的检测。

    Oct, 2017

  • 一种基于图形的多元和对象数据双样本检验新方法

    本文介绍了一种新的基于样本汇总上的相似性图构建的新型检验统计量，适用于多元数据和非欧几里得数据，可以通过定义样本空间上的不相似性度量，使用于匹配观测研究中的协变量平衡评估和比较网络数据等问题，并在模拟研究中表现出明显的功效提升。

    Jul, 2013

  • 功能性神经影像网络数据的假设检验

    本文旨在从几何和高维统计推理的概念和技术入手，通过对图拉普拉斯矩阵空间的精确定义和 Fréchet 的非参数平均概念，为功能神经成像数据的网络构建提供一种新的全局测试方法，并展示了其相较于基于无差别分析的单变量方法更具统计学优势的全局测试方法。此外我们还给出了一种可视化每条边对于总测试统计量的单独贡献的方法。

    Jul, 2014

  • 无分布假设基于图的双样本检验的一般渐近框架

    本文介绍了一种分布无关的基于图形的双样本检验方法，并提供了分析和比较其渐进性质的统一框架。该文章研究表明底层图形的组合特性对关联的双样本检验的性能产生影响，并且可以用于验证和决定在实践中使用哪种检验。

    Aug, 2015

  • 基于加权随机块模型的社群成员两样本检验

    对基于加权随机块模型生成的两个网络的社区成员资格是否相同进行测试，提出了一种基于奇异子空间距离的测试统计量并开发了该统计量的极限分布。在密集图形的加权随机块模型下，模拟结果表明该测试具有正确的第 1 型错误，并在经验功率上表现符合预期。测试的结果逐渐变化。

    Nov, 2018

  • 使用小子图概率关系测试网络结构

    研究使用小子图的观察频率之间的关系来测试网络结构的问题，证明了在 Erdős-Rényi 空模型下的 T2，T3 的中心极限定理，并分析了与一般类别的替代模型相关的 χ2 检验统计量的功率。

    Apr, 2017

  • 协同的非参数双样本测试

    本研究提出了一种在图结构环境下解决多个双样本检验问题的方法，通过非参数协同双样本检验框架（CTST），利用图结构并最小化对概率密度函数的假设，综合了 f - 差异度估计、核方法和多任务学习的元素。通过合成实验和监测地震活动的传感器网络，证明 CTST 优于现有的非参数统计检验方法，因为该方法能够考虑问题的几何特性。

    Feb, 2024

  • 大规模属性图假设检验的基于采样的框架

    这篇论文介绍了基于假设的图采样和假设测试框架，通过路径假设感知采样方法 PHASE 提高准确性和时间效率。实验证明，该框架能够有效利用常见的图采样方法进行假设测试，并且在准确性和时间效率方面具有优势。

    Mar, 2024