2.2。测试方法的联合分来源
本节的重点是测试联合分的来源。在先前的文章中所示(
33,
44,
47,
48,
51),分形的来源可以通过分析阐明相应的代理系列。与源单一系列的测试,我们需要考虑之间的互关联系列也扮演着重要的角色在生成联合mulitfractality [
33,
34]。鉴于上述情况,我们建议使用成对的两个假设测试代理系列为以下两个不同的来源:
不同的原始系列内部和之间的相关性。
以下两个替代方法(
51)可以生成对代孕系列保持的两个来源之一,摧毁另一个。让<我nline-formula>
X米米l:米我><米米l:mfenced open="(" close=")" separators="|">
t米米l:米我>米米l:mrow>
和<我nline-formula>
Y米米l:米我><米米l:mfenced open="(" close=")" separators="|">
t米米l:米我>米米l:mrow>
要分析的两个系列(<我nline-formula>
t米米l:米我><米米l:mo>
=米米l:米o>
1米米l:米n>
,米米l:米o>
…米米l:米o>
,米米l:米o>
l米米l:米我>米米l:math>
)。
测试类型(1)源,对代孕系列<我nline-formula>
X米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
,米米l:米o>
Y米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
|米米l:米我>米米l:mrow>
t米米l:米我><米米l:mo>
=米米l:米o>
1、2米米l:米n>
,米米l:米o>
…米米l:米o>
,米米l:米o>
l米米l:米我>米米l:mfenced>
这两个系列的生成通过洗牌<我nline-formula>
X米米l:米我><米米l:mfenced open="(" close=")" separators="|">
t米米l:米我>米米l:mrow>
和<我nline-formula>
Y米米l:米我><米米l:mfenced open="(" close=")" separators="|">
t米米l:米我>米米l:mrow>
独立。
对代理系列<我nline-formula>
X米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
,米米l:米o>
Y米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
保留原始系列的分布和消除了原系列内部和之间的相关性。如果联合分由不同的相关性造成部分内部和之间的原始系列,他们共同分将大大不同于原来的两个系列。对代理系列<我nline-formula>
X米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
t米米l:米我>米米l:mrow>
,米米l:米o>
Y米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
t米米l:米我>米米l:mrow>
保留了原始系列内部和之间的相关性,并都有高斯分布。如果联合分部分由原来的厚尾分布引起系列,他们将显示一个较弱的联合分比原来的系列。然后,可以区分两种类型的联合分比较<我nline-formula>
h米米l:米我>米米l:mrow>
X米米l:米我><米米l:mi>
Y米米l:米我>米米l:mrow>
问米米l:米我>米米l:mrow>
两个原始系列与相应的代理系列。
后的想法
40),我们提出两个假设测试联合分的来源,这是基于标度指数的经验分布函数估计从1000对代孕系列。它不仅可以实现更健壮的结果比之前的澄清方法使用代理系列的一对但也显示联合分的更详细的来源等大型和小型的波动的影响。
零假设为两个假设测试描述如下:
H米米l:米我>米米l:mrow>
0米米l:米n>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
:联合分不是由于内部和之间的相关性。
采用蒙特卡罗模拟的接受零假设的区域(
52]。提出的两个假设测试过程描述如下:
假设检验的显著性水平<我nline-formula>
α米米l:米我>米米l:math>
。生成代理系列的1000对和标度指数计算功能<我nline-formula>
h米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
问米米l:米我>米米l:mrow>
(或<我nline-formula>
h米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
问米米l:米我>米米l:mrow>
)使用MF-DCCA标度指数获得的经验概率分布函数,在那里<我nline-formula>
h米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
问米米l:米我>米米l:mrow>
和<我nline-formula>
h米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
问米米l:米我>米米l:mrow>
标度指数表示函数估计<我nline-formula>
X米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
,米米l:米o>
Y米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
t米米l:米我>米米l:mrow>
和<我nline-formula>
X米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
t米米l:米我>米米l:mrow>
,米米l:米o>
Y米米l:米我>米米l:mrow>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
2米米l:米n>
t米米l:米我>米米l:mrow>
,分别。
以测试为零假设<我nline-formula>
H米米l:米我>米米l:mrow>
0米米l:米n>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
作为一个例子。如果<我nline-formula>
h米米l:米我><米米l:mfenced open="(" close=")" separators="|">
问米米l:米我>米米l:mrow>
可分为接受地区<我nline-formula>
H米米l:米我>米米l:mrow>
0米米l:米n>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
,我们不接受联合分是主要是由于不同的系列内部和之间的相关性。如果<我nline-formula>
h米米l:米我><米米l:mfenced open="(" close=")" separators="|">
问米米l:米我>米米l:mrow>
接受的地区<我nline-formula>
H米米l:米我>米米l:mrow>
0米米l:米n>
年代米米l:米我><米米l:mi>
g米米l:米我><米米l:mn>
1米米l:米n>
,我们相信联合分由不同的相关性造成部分内部和之间的系列。
注意,显著性水平<我nline-formula>
问米米l:米我>米米l:math>
是<我nline-formula>
α米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
=米米l:米o>
α米米l:米我><米米l:mo>
/米米l:米o>
N米米l:米我>米米l:mrow>
因为这个过程是一个多个测试程序,以便Bonferroni调整。在这篇文章中,<我nline-formula>
N米米l:米我><米米l:mo>
=米米l:米o>
31日米米l:米n>
我们用5%的显著性水平。的显著性水平<我nline-formula>
问米米l:米我>米米l:math>
是<我nline-formula>
α米米l:米我>米米l:mrow>
我米米l:米我>米米l:mrow>
≈米米l:米o>
0.16米米l:米n>
%米米l:米o>
。