内容简介
本书所研究的内容主要分为四章：第一章，回顾了本书中所做工作的研究背景，并就其创新点做了总结归纳；第二章，针对高维独立性检验问题，提出了新的检验统计量，并研究了该统计量在原假设和局部备择假设下的理论性质，最后用数值模拟和实际数据分析来验证所提方法的有效性；第三章，针对高维相关性检验，提出了U统计量作为检验统计量，同时提出了增强功效的方法。同样的，统计量的理论性质在原假设和备择假设下进行了研究，得出了检验统计量的渐近分布是正态分布。第四章，针对可加模型下的超高维数据的变量筛选问题，提出了基于RVC的非参数特征筛选方法，并研究了相应的理论性质：确定筛选性质，误选率性质以及秩相合性质。为了避免筛选进来与重要变量高度相关的不重要变量，还提出了迭代的非参数独立筛选方法。
