Singular value decomposition of probability matrices: Probabilistic aspects of latent dichotomous variables
概率矩阵的奇异值分解：二值潜变量的概率性质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：摘要讨论分类变量的潜变量表示，未涉及选择行为模型，不能仅因变量离散而归入离散选择。
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…
关注这篇论文的作者
概率矩阵的奇异值分解：二值潜变量的概率性质
- 研究问题
- 两个可观测分类变量之间的依赖，何时能够由未观测的二值潜变量解释，使可观测变量在给定潜变量后条件独立？
- 方法与思路
- 作者对表示两个可观测变量偏离统计独立程度的矩阵进行奇异值分解，据此刻画二值潜变量的存在条件及有关分布。
- 材料陈述的贡献
- 摘要称给出此类潜变量存在的必要充分条件，并提出确定潜变量分布及给定潜变量时可观测变量条件分布的方法。
- 阅读关注点
- 应核对潜变量的数量、概率约束和必要充分条件，以及所称分布识别是否唯一、哪些分解可能对应相同观测分布。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；具体条件及识别唯一性未说明，条件独立表示不能直接解释为因果机制。
原文摘要
This paper gives a matrix approach to determine when a statistical dependence between two manifest categorical random variables can be viewed as generated by some unobserved latent variables, in the sense that the manifest variables are conditionally independent with respect to the latent variables. By the singular value decomposition of the matrix representing deviations from statistical independence of the two manifest variables, we give a necessary and sufficient condition for existence of dichotomous latent variables, which are ‘responsible’ for conditional independence. We give a technique for identifying the distributions of such latent variables and also the conditional distributions of the manifest variables given the latent variables. Finally, we discuss some probabilistic aspects.