.png){kind=icon}
返回
Quantifying direct associations between variables
.png){kind=icon}
OA
AI
DOI：10.1016/j.fmre.2023.06.012.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于观测数据正确量化变量间的直接关联是一个值得研究的课题。一方面，许多传统方法仅能测量线性直接关联。另一方面，现有的一些衡量两变量间直接关联的度量在父变量对两变量均有强影响时会出现不稳定性问题。为解决这些问题，我们提出了一种度量，即独立条件互信息（ICMI），用于量化三变量网络中两变量间的直接关联。此外，我们使用模拟数据在不同条件下数值上比较了ICMI与其他直接关联度量的稳定性和可靠性。数值结果表明，在许多情况下，ICMI比已知度量（如独特信息、条件互信息和偏相关）表现更稳定。统计功效结果显示，ICMI对不同形式的函数更可靠。我们进一步使用该度量分析了由家庭财务、社会保障和老年人居住地构成的网络。
Keyword:
Direct association
Conditional mutual information
Independent conditional mutual information
Chain graph
Directed acyclic graph
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.3
论文数:
1.3K
被引数:
2.6K
机构
引用论文
分享收藏Conditional mutual inclusive information enables accurate quantification of associations in gene regulatory networks.png)
NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏分享收藏
查看更多内容