.png){kind=icon}
返回
Post-clustering Inference under Dependence
.png){kind=icon}
PRE
AI
DOI：10.1080/01621459.2026.2707221.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高等人（2024）近期的工作为后聚类推断奠定了基础，建立了一个理论框架，允许检验估计聚类均值的差异。此外，他们研究了在控制选择性第一类误差的同时估计未知参数。然而，他们的理论是针对独立同分布的p维高斯变量观测值开发的，其中参数估计只能针对球面协方差矩阵进行。这里，我们旨在将此框架扩展到更便于实际应用的场景，允许观测值和特征之间的任意依赖结构。我们建立了将高等人（2024）提出的设置扩展到一般依赖框架的充分条件。此外，我们评估允许协方差矩阵兼容估计的理论条件。该理论适用于具有多种类型链接的层次凝聚聚类算法以及k均值算法。我们使用合成数据和蛋白质结构真实数据来说明我们的方法。
Keyword:
Selective Inference
Hypothesis Testing
Type I error
