Résumé 119 :
Nouveau test de normalité en grande dimension
Kellner, Jérémie ; Celisse, Alain
Université Lille I - Inria équipe MODAL
Nous proposons un nouveau test d'adéquation à la loi normale dans un espace de Hilbert à noyau reproduisant (RKHS), qui peut se réduire au cas de la grande dimension par un choix de noyau approprié. Il partage des idées communes avec la \textit{Maximum Mean Discrepancy} (MMD) tout en ayant un temps d'éxecution plus rapide et en étant applicable à un type de données plus large (graphes, séquences d'ADN,...).
Nous proposons d'établir des résultats théoriques pour les erreurs de type I et II. Des simulations sur données artificielles et réelles illustrent l'amélioration apportée par notre test en comparaison d'autres approches en grande dimension.