高维情景下的非参数独立性检验及其在复杂疾病遗传学中的应用
统计方法学
2024-07-30 v1 基因组学
机器学习
摘要
当前，遗传学研究大量且高度异构的变量。数学统计学与其应用同步发展，近期广泛关注高维情景。在人类常见疾病的遗传学中，诸多相关问题可形式化为独立性检验问题。我们展示，通过在遗传数据支撑空间上定义恰当的预度量结构，如何提出新的检验方法。这一方法构建了坚实的理论框架，反映了底层生物学，并允许高效的计算实现。对于每个问题，我们提供数学结果、仿真实验以及对真实数据的应用。
引用
@article{arxiv.2407.19624,
title = {Nonparametric independence tests in high-dimensional settings, with applications to the genetics of complex disease},
author = {Fernando Castro-Prado},
journal= {arXiv preprint arXiv:2407.19624},
year = {2024}
}
备注
192 pages with a few figures (PhD dissertation); some overlap with other arxiv'ed documents by me and my coauthors