Optimal Detection of Heterogeneous and Heteroscedastic Mixtures
异质且异方差混合分布的最优检测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：摘要研究一般高斯混合信号检测，异方差并未被解释为金融波动率。
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
异质且异方差混合分布的最优检测
- 研究问题
- 在高斯混合分布中，非零成分比例、异质性与异方差程度如何改变检测难度及可检测与不可检测的边界？
- 方法与思路
- 作者建立显式检测边界，分析似然比检验的可检测区域，并研究高阶批判检验对未知异质性和异方差的适应性。
- 材料陈述的贡献
- 摘要称，稀疏与稠密区间的检测边界变化显著，且高阶批判检验在两种情形下均具有最优适应性。
- 阅读关注点
- 应核对混合模型参数化、稀疏与稠密区间定义，以及检测可靠性、不可检测性和最优适应性的渐近标准。
- 阅读边界
- 仅据所给 Crossref 摘要；检测边界公式、渐近条件和有限样本表现未提供，不能推断后续版本变化。
原文摘要
Summary The problem of detecting heterogeneous and heteroscedastic Gaussian mixtures is considered. The focus is on how the parameters of heterogeneity, heteroscedasticity and proportion of non-null component influence the difficulty of the problem. We establish an explicit detection boundary which separates the detectable region where the likelihood ratio test is shown to detect the presence of non-null effects reliably from the undetectable region where no method can do so. In particular, the results show that the detection boundary changes dramatically when the proportion of non-null component shifts from the sparse regime to the dense regime. Furthermore, it is shown that the higher criticism test, which does not require specific information on model parameters, is optimally adaptive to the unknown degrees of heterogeneity and heteroscedasticity in both the sparse and the dense cases.