Inference for the Mean of Large p Small n Data: a Finite-Sample High-Dimensional Generalization of Hotelling's Theorem

Piercesare Secchi 1, * Aymeric Stamm 2, * Simone Vantini 1, *
* Auteur correspondant
2 VisAGeS - Vision, Action et Gestion d'informations en Santé
INSERM - Institut National de la Santé et de la Recherche Médicale : U746, Inria Rennes – Bretagne Atlantique , IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
Abstract : We provide a generalization of Hotelling's Theorem that en- ables inference (i) for the mean vector of a multivariate normal population and (ii) for the comparison of the mean vectors of two multivariate normal populations, when the number p of components is larger than the number n of sample units and the (common) covariance matrix is unknown. In par- ticular, we extend some recent results presented in the literature by finding the (finite-n) p-asymptotic distribution of the Generalized Hotelling's T2 enabling the inferential analysis of large-p small-n normal data sets under mild assumptions.
Type de document :
Article dans une revue
Electronic journal of statistics , Shaker Heights, OH : Institute of Mathematical Statistics, 2013, 7, pp.2005-31. 〈10.1214/13-EJS833〉
Liste complète des métadonnées

Littérature citée [13 références]  Voir  Masquer  Télécharger

http://www.hal.inserm.fr/inserm-00858214
Contributeur : Aymeric Stamm <>
Soumis le : mercredi 4 septembre 2013 - 22:24:39
Dernière modification le : mercredi 16 mai 2018 - 11:23:11
Document(s) archivé(s) le : jeudi 5 décembre 2013 - 04:18:27

Fichier

EJS833.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Piercesare Secchi, Aymeric Stamm, Simone Vantini. Inference for the Mean of Large p Small n Data: a Finite-Sample High-Dimensional Generalization of Hotelling's Theorem. Electronic journal of statistics , Shaker Heights, OH : Institute of Mathematical Statistics, 2013, 7, pp.2005-31. 〈10.1214/13-EJS833〉. 〈inserm-00858214〉

Partager

Métriques

Consultations de la notice

426

Téléchargements de fichiers

366