Testing conditional independence using maximal nonlinear conditional correlation
利用最大非线性条件相关检验条件独立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：摘要研究一般条件关联与条件独立检验，未给出因果推断或其他所列应用方向的直接依据。
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
利用最大非线性条件相关检验条件独立
- 研究问题
- 如何度量给定第三个随机向量后的非线性条件关联，并在条件变量连续时构造两个随机向量之间的条件独立检验？
- 方法与思路
- 作者定义最大非线性条件相关，以若干条件取值处关联量的加权平均为基础构造检验，并研究原假设下的渐近分布。
- 材料陈述的贡献
- 摘要称该关联度量满足若干理想性质，且在一定条件下检验统计量渐近正态、检验具有一致性，但具体条件未列出。
- 阅读关注点
- 核对关联度量定义、取值点与权重的选择，以及渐近正态和一致性所需条件；加权量公式应对照原 PDF 确认。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；加权量的上下标排版不清，需查阅原 PDF，不能重构公式或推断刊本变化。
原文摘要
In this paper, the maximal nonlinear conditional correlation of two random vectors X and Y given another random vector Z, denoted by ρ1(X, Y|Z), is defined as a measure of conditional association, which satisfies certain desirable properties. When Z is continuous, a test for testing the conditional independence of X and Y given Z is constructed based on the estimator of a weighted average of the form ∑k=1nZfZ(zk)ρ12(X, Y|Z = zk), where fZ is the probability density function of Z and the zk’s are some points in the range of Z. Under some conditions, it is shown that the test statistic is asymptotically normal under conditional independence, and the test is consistent.