.png){kind=icon}
返回
Pearson Chi-Squared Conditional Randomization Test
.png){kind=icon}
PRE
AI
DOI：10.1109/TIT.2025.3618595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
条件独立性(CI)检验自然地出现在许多科学问题和应用领域中。该问题的目标是研究响应变量Y与另一个变量X之间的条件独立性，同时控制高维混淆变量Z的影响。在本文中，我们介绍了一种新的检验方法，称为"皮尔逊卡方条件随机化"(PCR)检验，它利用协变量X、Z的分布信息并构建随机化来检验条件独立性。PCR利用观测值的独立同分布(i.i.d.)性质，通过非常少量的条件随机化获得高分辨率的p值。我们还提供了PCR检验的功效分析，该分析捕捉了检验的各种参数、样本大小以及备择假设与零分布集之间距离(以"条件相对密度"这一概念来衡量)的影响。此外，我们提出了PCR检验的两个重要扩展：(i)无参数PCR，它使用Bonferroni校正来确定检验中的调优参数；(ii)稳健PCR，当估计条件律P-X|Z存在轻微误差时，避免检验水平的膨胀。
Keyword:
Testing
Computational modeling
Random variables
Data models
Business
Standards
Null space
Genomics
Extraterrestrial phenomena
Data science
Statistical inference
conditional independence
model-X
期刊
I
IF:
2.9
论文数:
317
被引数:
0
.png){kind=icon}
查看更多内容