相关性阈值化后推断高斯变量的独立集

我们考虑检验从数据中选出的一组高斯变量是否与其余变量独立。我们假设该集合是通过各科学学科中常用的一种非常简单的方法选出的：我们选出一组变量，其与集合外所有变量的相关性低于某个阈值。与选择性推断中的其他设置不同，在此设置下，若不计入选择步骤，会导致过度保守（而非反保守）的结果。我们提出的检验适当地考虑了该变量集是从数据中选出的这一事实，因此不会过度保守。为发展我们的检验，我们以选择导致该变量集这一事件为条件。为实现计算上的可处理性，我们基于随机变量组间的典型相关，对条件事件给出了一种新的刻画。在模拟研究以及基因共表达网络分析中，我们表明我们的方法比忽略选择效应的“朴素”方法具有更高的功效。