Distance multivariance: New dependence measures for random vectors
距离多重方差：随机向量的新依赖度量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用多变量依赖度量，变量间统计依赖不足以归类为网络与干扰研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
距离多重方差：随机向量的新依赖度量
- 研究问题
- 如何将两变量的距离协方差推广到多个随机变量或随机向量，并构造能够检测联合独立性的依赖度量与检验？
- 方法与思路
- 作者以特征函数相关量的加权平方积分距离定义两种度量，并用样本距离矩阵表示总距离多重方差。
- 材料陈述的贡献
- 摘要称总距离多重方差能够检测多个变量的独立性，并在温和矩条件下导出对所有备择一致的独立性检验。
- 阅读关注点
- 应核对两种度量各自刻画的依赖性质、连续负定函数的作用，以及矩条件、检验校准和一致性的准确表述。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体矩条件与有限样本功效，不能将一致性解释为有限样本优势。
原文摘要
We introduce two new measures for the dependence of $n\ge2$ random variables: distance multivariance and total distance multivariance. Both measures are based on the weighted $L^{2}$-distance of quantities related to the characteristic functions of the underlying random variables. These extend distance covariance (introduced by Székely, Rizzo and Bakirov) from pairs of random variables to $n$-tuplets of random variables. We show that total distance multivariance can be used to detect the independence of $n$ random variables and has a simple finite-sample representation in terms of distance matrices of the sample points, where distance is measured by a continuous negative definite function. Under some mild moment conditions, this leads to a test for independence of multiple random vectors which is consistent against all alternatives.