Assessing Large Sets of Rank Correlations
大规模秩相关系数集合的评估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：摘要研究一般秩相关集合的极限分布，未明确金融因子、网络或其他所列应用方向。
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
大规模秩相关系数集合的评估
- 研究问题
- 当独立分布的向量产生大量秩相关系数时，如何描述最大秩相关的渐近分布并评估较大相关值的显著性。
- 方法与思路
- 作者将适用于解离随机变量的泊松极限定理用于秩相关系数集合，推导最大相关值的渐近分布。
- 材料陈述的贡献
- 摘要称模拟中分布尾部的渐近近似较为接近，并提供利用这些近似评估大相关系数显著性的示例。
- 阅读关注点
- 核对向量独立性、相关系数之间的依赖结构，以及相关数量和样本规模的增长要求与尾部近似范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；秩相关类型、增长条件及模拟误差未说明，不能推广至任意相关结构。
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.