Assessing large sets of rank correlations
大量秩相关系数的显著性评估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：摘要属于大量相关系数的通用统计推断，未明确关联金融因子、网络或其他所列细分。
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
大量秩相关系数的显著性评估
- 研究问题
- 从独立分布的向量计算大量秩相关系数时，如何描述其中最大值的渐近分布，并评估较大相关系数的显著性？
- 方法与思路
- 作者将适用于分离随机变量的泊松极限定理用于秩相关系数，推导最大秩相关的渐近分布，再以模拟和例子检验近似。
- 材料陈述的贡献
- 摘要称，模拟中的渐近近似在分布尾部较为接近真实表现，并展示如何利用这些近似判断较大相关系数的显著性。
- 阅读关注点
- 应核对独立向量与秩相关系数之间的依赖结构、极限成立的增长方式，以及尾部近似的模拟范围和显著性解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；向量维数与样本量的渐近关系、误差控制和检验保证的具体形式未说明。
原文摘要
A recent Poisson limit theorem for dissociated random variables is shown to apply to rank correlation coefficients which have been calculated from independently distributed vectors. This allows the asymptotic distribution of the largest of the rank correlations to be derived. Simulations show that the asymptotic approximations are close in the tails of the distributions. An example indicates how these approximations can be used to assess the significance of the large correlation coefficients.