高维基因组简约性中的Kendall's tau

高维数据模型——通常样本量较小——在许多跨学科研究中大量存在，基因组学和大生物系统尤为突出。对于此类模型，多元正态性或回归线性的常规假设可能并不合理，由于参数数量庞大以及各种潜在约束，它们可能在统计上较为复杂。因此参数方法可能效果不佳。然而，任何超越参数方法的方法，尽管具有更广泛的范围和稳健性视角，但通常会受到小样本量的困扰，因而无法给出合理的误差范围。本文利用Kendall's tau统计量，重点关注维数渐近性而非样本量渐近性。Chen-Stein定理在本研究中得到了彻底评估。这些发现在一些微阵列数据模型中的应用得到了说明。