PulseAugur
中
实时 08:21:14
English(EN) Deviance-style normalization for jointly overdispersed counts

引入用于分析稀疏、过度分散计数数据的新统计方法

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员引入了一种名为狄利克雷-多项式（DM）偏差残差化的新统计方法，该方法专为稀疏、联合过度分散的计数矩阵设计。这种方法对于生成此类数据的生化分析尤其重要。DM零模型将计数向量视为固定总数的组合，单个浓度参数控制过度分散，并通过条件化独立的负二项式特征计数于观察到的样本总数来推导。该方法保留了稀疏性，为每个非零条目提供恒定时间评估，并基于可容忍的过度分散收缩残差，当离散参数趋于无穷大时，多项式残差得以恢复。 AI

排序理由 该集群包含一篇介绍统计学方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

引入用于分析稀疏、过度分散计数数据的新统计方法

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Akshay Balsubramani ·

    Deviance-style normalization for jointly overdispersed counts

    arXiv:2606.26061v1 Announce Type: cross Abstract: We introduce a Dirichlet--multinomial (DM) deviance residualization for sparse, jointly overdispersed count matrices, the regime that dominates sequencing-based biochemical assays. The DM null treats each sample's count vector as …

  2. arXiv stat.ML TIER_1 English(EN) · Akshay Balsubramani ·

    Deviance-style normalization for jointly overdispersed counts

    We introduce a Dirichlet--multinomial (DM) deviance residualization for sparse, jointly overdispersed count matrices, the regime that dominates sequencing-based biochemical assays. The DM null treats each sample's count vector as a fixed-total composition with a single scalar con…

相关实体

相关话题