Abstract: J. Kalemkerian (in press)

This study addresses the problem of testing for independence when at least one of the variables is high-dimensional. We present a methodological framework built upon an existing independence test utilising recurrence rates, highlighting that the choice of distance metric is not a mere technicality, but a decisive factor in the test's power. We propose a multi-distance approach, arguing that (by using Bonferroni correction) if any distance from a candidate set rejects the null hypothesis, dependence must be considered. This methodology is applied to daily precipitation data from various meteorological stations in Uruguay, where the dimension (d

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

A high-dimensional independence test based on recurrence rates via practical metric selection with an application to spatio-temporal precipitation in Uruguay