Range of correlation matrices for dependent Bernoulli random variables
相依伯努利随机变量相关矩阵的可行范围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：摘要讨论多元二元分布的依赖可行性，未涉及选择行为模型，不能仅凭二元变量归入离散选择。
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
相依伯努利随机变量相关矩阵的可行范围
- 研究问题
- 给定多元二元变量的均值向量，哪些相关矩阵或优势比矩阵可由真实联合分布实现，两种依赖参数的约束有何不同？
- 方法与思路
- 作者研究均值向量与结构化或非结构化相关矩阵的相容性，给出充要条件、不可行例子，并分析优势比矩阵。
- 材料陈述的贡献
- 摘要称，获得相关矩阵与优势比矩阵的相容条件，评价两类参数化二元模型，并支持优势比约束较少的判断。
- 阅读关注点
- 应核对相容性条件如何依赖边际均值、矩阵结构与维度，以及优势比较灵活的结论在何种比较范围内成立。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体充要条件与模型范围未提供，不能据此认定任意优势比矩阵均可实现。
原文摘要
We say that a pair (p, R) is compatible if there exists a multivariate binary distribution with mean vector p and correlation matrix R. In this paper we study necessary and sufficient conditions for compatibility for structured and unstructured correlation matrices. We give examples of correlation matrices that are incompatible with any p. Using our results we show that the parametric binary models of Emrich & Piedmonte (1991) and Qaqish (2003) allow a good range of correlations between the binary variables. We also obtain necessary and sufficient conditions for a matrix of odds ratios to be compatible with a given p. Our findings support the popular belief that the odds ratios are less constrained and more flexible than the correlations.