Asymptotic normality for eigenvalue statistics of a general sample covariance matrix when p/n→∞ and applications
维数与样本量之比趋于无穷时样本协方差特征值统计量的渐近正态性及应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确包含矩阵值白噪声检验，直接关联时间序列的序列依赖检验。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
维数与样本量之比趋于无穷时样本协方差特征值统计量的渐近正态性及应用
- 研究问题
- 研究当维数与样本量之比趋于无穷时，一般样本协方差矩阵的特征值统计量是否具有渐近正态性，以及如何据此构造检验。
- 方法与思路
- 作者在超高维渐近框架下推导一大类特征值统计量的中心极限定理，并据此构造协方差矩阵检验和矩阵值白噪声检验。
- 材料陈述的贡献
- 摘要称，论文建立超高维特征值统计量的渐近正态性，将协方差检验扩展至该环境，并通过模拟考察理论及两种检验的有限样本性质。
- 阅读关注点
- 应核对统计量类别、总体协方差与观测分布的条件、维数增长要求，以及矩阵值白噪声检验的原假设和模拟校准表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明矩条件、依赖限制及检验表现，不能仅凭维数比例判断定理是否适用。
原文摘要
The asymptotic normality for a large family of eigenvalue statistics of a general sample covariance matrix is derived under the ultrahigh-dimensional setting, that is, when the dimension to sample size ratio p/n→∞. Based on this CLT result, we extend the covariance matrix test problem to the new ultra-high-dimensional context, and apply it to test a matrix-valued white noise. Simulation experiments are conducted for the investigation of finite-sample properties of the general asymptotic normality of eigenvalue statistics, as well as the two developed tests.