On Measuring Internal Dependence in a Set of Random Variables
随机变量集合内部依赖程度的度量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与主成分性质，未明确涉及网络、因子模型或其他所列领域的结构。
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
随机变量集合内部依赖程度的度量
- 研究问题
- 如何将最大相关推广至多个随机变量，构造能描述变量集合内部依赖强度、而不局限于线性相关的度量？
- 方法与思路
- 作者分别变换各变量，使变换后相关矩阵的若干最大特征值之和最大化，由此定义多变量关联度量。
- 材料陈述的贡献
- 摘要称，弱正则条件下最优变换存在并满足可作几何解释的不动点性质；联合高斯时恒等变换最优。
- 阅读关注点
- 应核对允许的变换类别、特征值部分和的选择、存在性条件，以及高斯结论如何关联典型相关与主成分。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；未给出正则条件、计算算法或统计估计误差，不能据此判断实际可用性。
原文摘要
To measure dependence in a set of random variables, a multivariate analog of maximal correlation is considered. This consists of transforming each of the variables so that the largest partial sums of the eigenvalues of the resulting correlation matrix is maximized. A "maximalized" measure of association obtained in this manner permits statements to be made about the strength of internal dependence exhibited by the random variables. It is shown, under a weak regularity condition, that optimizing transformations exist and that they satisfy a geometrically interpretable fixed point property. If the variables are jointly Gaussian, then the identity transformation is shown to be optimal, which extends Kolmogorov's result for canonical correlation to the principal components setting.