PulseAugur
实时 10:37:08
English(EN) Distance Profile Embedding for Independence and Conditional Independence Testing of Random Objects

新的距离轮廓嵌入方法增强了统计独立性检验

研究人员引入了距离轮廓嵌入(DPE),一种用于检验度量空间中随机对象之间独立性和条件独立性的新方法。该技术将这些对象映射到希尔伯特空间,保留了分布信息,并实现了统一的独立性检验框架。DPE值得注意的是,它是首个能够处理对象值条件变量的方法,并提供解析p值,避免了计算密集型的排列检验。其有效性已通过模拟以及在微生物组和死亡率数据分析中的应用得到证明。 AI

排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[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 1 个来源。 我们如何撰写摘要 →

新的距离轮廓嵌入方法增强了统计独立性检验

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Wenxi Tan, Bing Li, Lingzhou Xue ·

    随机对象独立性和条件独立性检验的距离剖面嵌入

    arXiv:2607.28981v1 Announce Type: cross Abstract: Testing independence or conditional independence is fundamental to statistical inference, yet existing methods for non-Euclidean random objects often face a difficult trade-off between geometric flexibility and theoretical tractab…