×
路易斯安那·阿勒巴迪;福罗Fazeli Asl;萨拉·萨贝里

通过相互信息的贝叶斯非参数估计进行独立性测试。 （英语。法语摘要） Zbl 07759497号

可以。J.统计。 50，编号3，1047-1070（2022）。
摘要：互信息是衡量变量之间相互依赖性的一个众所周知的工具。本文利用Dirichlet过程和最近邻距离建立了互信息的贝叶斯非参数估计。因此，通过相对信度比引入了一种易于实现的独立性测试。给出了该方法的几个理论性质。通过各种示例说明了该过程，并与相应的频率计进行了比较。
{©2021加拿大统计学会}

MSC公司：

62至XX 统计

关键词：

迪里克莱过程;\（k\）-最近邻距离;相互信息;相对信念推理;独立性测试

软件：

索引测试
PDF格式BibTeX公司 XML格式引用
\textit{L.Al-Labadi}等人，加拿大。J.Stat.50，No.3，1047--1070（2022；Zbl 07759497）
全文： 内政部 arXiv公司

参考文献：

[1] Abdelrazeq，I.、Al‐Labadi，L.和Alzaatreh，A.（2020年）。平均值的单样本贝叶斯检验。统计数字，54424-440·兹比尔1436.62072
[2] Abramowitz，M.和Stegun，I.A.（1972年）。数学函数手册，包括公式、图形和数学表。纽约州多佛市·Zbl 0543.33001号
[3] Alizadeh Noughabi，H.和Alizadeh-Noughaby，R.（2013）。关于熵估计。统计计算与模拟杂志，83，784-792·Zbl 1431.62025号
[4] Al‐Labadi，L.、Baskurt，Z.和Evans，M.（2017）。使用相对置信度的logistic回归模型的拟合优度。统计分布与应用杂志，4，17·Zbl 1397.62100号
[5] Al‐Labadi，L.、Baskurt，Z.和Evans，M.（2018）。统计推理：选择和检查成分，根据一些应用中的统计证据进行推断。熵，20289。
[6] Al‐Labadi，L.&Evans，M.（2018年）。基于先前的模型检查。加拿大统计杂志，46，380-398·Zbl 1492.62057号
[7] Al‐Labadi，L.和Zarepour，M.（2014）。基于Dirichlet过程与其基本度量之间的距离的拟合优度测试。非参数统计杂志，26，341-357·Zbl 1359.62135号
[8] Al‐Omari，A.I.（2016）。连续随机变量熵的一种新度量。统计理论与实践杂志，10721-735·Zbl 1477.94036号
[9] Ba，A.D.&Lo，G.S.（2019年）。联合熵和香农互信息的非参数估计，渐近极限：在统计检验中的应用。技术报告arXiv:1906.06484。
[10] Berrett，T.B.、Samworth，R.J.和Yuan，M.（2019年）。通过k近邻距离进行有效的多元熵估计。《统计年鉴》，47288-318·Zbl 1473.62177号
[11] Berrett，T.B.、Grose，D.J.和Samworth，R.J.（2018年）。IndepTest：基于熵估计的非参数独立性测试。R包版本0.2.0。https://CRAN.R‐project.org/package=独立测试。
[12] Berrett，T.B.和Samworth，R.J.（2019）。通过互信息进行非参数独立性测试。《生物统计学》，2019年，第547-566页·Zbl 1464.62267号
[13] Cover，T.M.&Thomas，J.A.（2006年）。《信息理论要素》（Wiley Series in Telecommunications and Signal Processing），第二版，纽约Wiley出版社·Zbl 1140.94001号
[14] Darrell，T.、Kloft，M.、Pontil，M.，Rätsch，G.和Ronder，E.（2015）。具有相互依赖和非同分布数据的机器学习。达格斯图尔报告，5，18-55。
[15] Ebrahimi，N.、Pflugheft，K.和Soofi，E.S.（1994年）。样本熵的两个度量。《统计与概率快报》，第20期，第225-234页·兹比尔0805.62009
[16] Evans，M.使用相对信念测量统计证据。《统计学和应用概率专著》，第144卷。CRC出版社：佛罗里达州博卡拉顿；2015. ·Zbl 1358.62004号
[17] Ferguson，T.S.（1973）。一些非参数问题的贝叶斯分析。《统计年鉴》，1209-230·Zbl 0255.62037号
[18] Fernandez，G.（2010年）。使用SAS应用程序进行统计数据挖掘，第二版，CRC出版社，佛罗里达州博卡拉顿。
[19] Filippi，S.、Holmes，C.C.和Nieto‐Barajas，L.E.（2016）。通过Dirichlet过程混合探索成对依赖性的可缩放贝叶斯非参数度量。电子统计杂志，103338-3354·Zbl 1358.62058号
[20] Filippi，S.&Holmes，C.C.（2017年）。用于测试随机变量之间相关性的贝叶斯非参数方法。贝叶斯分析，12919-938·Zbl 1384.62146号
[21] Gao，W.，Oh，S.，&Viswanath，P.打破带宽障碍：几何自适应熵估计。神经信息处理系统进展，2460-2468。Curran Associates，Inc.：西班牙巴塞罗那；2016
[22] Ishwaran，H.和Zarepour，M.（2003）。Dirichlet过程的精确和近似和表示。加拿大统计杂志，30，269-283·Zbl 1035.60048号
[23] Kozachenko，L.F.和Leonenko，N.N.（1987）。随机向量熵的样本估计。信息传输问题，23，95-101·Zbl 0633.62005号
[24] Kraskov，A.、Stögbauer，H.和Grassberger，P.（2004年）。估计相互信息。物理评论E，69，066138。
[25] 麦凯·D·J（2003）。信息理论、推理和学习算法。剑桥大学出版社，剑桥·Zbl 1055.94001号
[26] Mathew，D.C.（2013）。互信息的非参数估计和独立性检验。国际统计与数学杂志，5，27-30。
[27] Pethel，S.D.和Hahs，D.W.（2014）。使用相互信息精确测试独立性。熵，16，2839-2849。
[28] Piera，F.和Parada，P.（2009年）。关于Shannon熵的收敛性。信息传输问题，45，75-94·Zbl 1173.94404号
[29] Roy，A.、Ghosh，A.和Goswami，A.（2019年）。一些新的基于copula的随机变量独立性无分布检验。技术报告arXiv:1903.08987。
[30] Shimizu，S.和Kano，Y.独立成分分析中的独立性检验。《心理测量学的新发展》（Proc.IMPS2001），665-672。施普林格：东京；2003
[31] Singh，H.、Misra，N.、Hnizdo，V.、Fedorowicz，A.和Demchuk，E.（2003年）。熵的最近邻估计。美国数学与管理科学杂志，23，301-321。
[32] Swartz，T.（1999）。非参数拟合优度。统计学中的传播——理论与方法，28221-2841·Zbl 0944.62050号
[33] Toomaj，A.和Zarei，R.（2017年）。关于混合分布信息性质的一些新结果。费洛马，314225-4230·Zbl 1499.62047号
[34] Vasicek，O.（1976年）。基于样本熵的正态性检验。英国皇家统计学会杂志B，38，54-59·Zbl 0331.62031号
[35] Wu，E.H.C.、Yu，P.L.H.和Li，W.K.（2009）。基于相互信息的独立性平滑引导测试。计算统计学和数据分析，532524-2536·兹比尔1453.62248
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。