ฉันทำงานกับข้อมูลร่วมกันมาระยะหนึ่งแล้ว แต่ฉันพบว่ามีการวัดล่าสุดใน "โลกแห่งความสัมพันธ์" ที่สามารถใช้เพื่อวัดความเป็นอิสระของการกระจายตัวที่เรียกว่า "ระยะทางสหสัมพันธ์" (หรือเรียกอีกอย่างว่าความสัมพันธ์ Brownian): http://en.wikipedia.org/wiki/Brownian_covariance . ฉันตรวจสอบเอกสารที่มีการใช้มาตรการนี้ แต่ไม่พบการพาดพิงถึงข้อมูลร่วมกัน
ดังนั้นคำถามของฉันคือ:
- พวกเขาแก้ปัญหาเดียวกันได้หรือไม่? ถ้าไม่ปัญหาต่างกันอย่างไร?
- และหากคำถามก่อนหน้านี้สามารถตอบคำถามในเชิงบวกข้อดีของการใช้อย่างใดอย่างหนึ่งคืออะไร
พยายามเขียน 'ความสัมพันธ์ของระยะทาง' และ 'ข้อมูลร่วม' อย่างชัดเจนสำหรับตัวอย่างง่ายๆ ในกรณีที่สองคุณจะได้ลอการิทึมในขณะที่ในครั้งแรก - ไม่
—
Piotr Migdal
@PiotrMigdal ใช่ฉันรู้ถึงความแตกต่างนั้น คุณช่วยอธิบายได้ไหมว่าทำไมมันถึงสำคัญ โปรดพิจารณาว่าฉันไม่ใช่นักสถิติ ...
—
dsign
สำหรับเครื่องมือมาตรฐานที่ใช้วัดการพึ่งพาซึ่งกันและกันของการแจกแจงความน่าจะเป็นเป็นข้อมูลร่วมกัน มันมีคุณสมบัติที่ดีมากมายและการตีความก็ตรงไปตรงมา อย่างไรก็ตามอาจมีปัญหาเฉพาะที่ต้องการความสัมพันธ์กับระยะทาง (แต่ฉันไม่เคยใช้มันมาก่อนในชีวิต) ดังนั้นปัญหาที่คุณพยายามแก้ไขคืออะไร
—
Piotr Migdal
ความคิดเห็นนี้ไม่กี่ปีที่ผ่านมา แต่แผนกสถิติมหาวิทยาลัยโคลัมเบียทำปีการศึกษา 2556-2557 ต่อปีของการมุ่งเน้นไปที่มาตรการการพึ่งพา ในเดือนเมษายนถึงพฤษภาคม 2014 มีการจัดประชุมเชิงปฏิบัติการที่รวบรวมนักวิชาการชั้นนำที่ทำงานในสาขานี้รวมถึง Reshef Brothers (MIC), Gabor Szekely (สหสัมพันธ์ระยะทาง) Subhadeep Mukhopadhay เพื่อบอกชื่อไม่กี่คน นี่คือลิงค์ไปยังโปรแกรมที่มีไฟล์ PDF จำนวนมากจากงานนำเสนอ dependence2013.wikischolars.columbia.edu/…
—
ไมค์ฮันเตอร์