关于多尺度Fisher独立性检验用于多元相依性的讨论
统计理论
2022-04-27 v1 统计方法学
机器学习
统计理论
摘要
Gorsky与Ma（2022）提出的多尺度Fisher独立性检验（以下简称MULTIFIT）是一种检验两个随机向量之间独立性的新方法。就其设计而言，该检验在检测局部相依性方面尤为有用。此外，通过采用无重采样的方法，它可以轻松适应海量样本量。该方法的另一益处在于其能够解释相依性的本质。我们祝贺作者Shai Gorksy和Li Ma完成了这项非常有趣且优雅的工作。在本评论中，我们拟讨论一个统一MULTIFIT与其他检验的通用框架，并将其与Lee等人（待刊）提出的二值展开随机集成检验（以下简称BERET）进行比较。我们也愿就该方法潜在的扩展方向提出自己的思考。
引用
@article{arxiv.2204.12319,
title = {Discussion of Multiscale Fisher's Independence Test for Multivariate Dependence},
author = {Duyeol Lee and Helal El-Zaatari and Michael R. Kosorok and Xinyi Li and Kai Zhang},
journal= {arXiv preprint arXiv:2204.12319},
year = {2022}
}