論文の概要: On the power of conditional independence testing under model-X

• arxiv url: http://arxiv.org/abs/2005.05506v5
• Date: Sat, 29 Oct 2022 21:12:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 19:44:15.373233
• Title: On the power of conditional independence testing under model-X
• Title（参考訳）: モデルXによる条件付き独立試験のパワーについて
• Authors: Eugene Katsevich and Aaditya Ramdas
• Abstract要約: 最近導入された Model-X (MX) フレームワークは、活発な方法論研究の対象となっている。 MX CIテストのパワーについて検討し、実際は確率に基づく統計を用いた方がよいことを示す。
• 参考スコア（独自算出の注目度）: 36.9351790405311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For testing conditional independence (CI) of a response Y and a predictor X given covariates Z, the recently introduced model-X (MX) framework has been the subject of active methodological research, especially in the context of MX knockoffs and their successful application to genome-wide association studies. In this paper, we study the power of MX CI tests, yielding quantitative insights into the role of machine learning and providing evidence in favor of using likelihood-based statistics in practice. Focusing on the conditional randomization test (CRT), we find that its conditional mode of inference allows us to reformulate it as testing a point null hypothesis involving the conditional distribution of X. The Neyman-Pearson lemma then implies that a likelihood-based statistic yields the most powerful CRT against a point alternative. We also obtain a related optimality result for MX knockoffs. Switching to an asymptotic framework with arbitrarily growing covariate dimension, we derive an expression for the limiting power of the CRT against local semiparametric alternatives in terms of the prediction error of the machine learning algorithm on which its test statistic is based. Finally, we exhibit a resampling-free test with uniform asymptotic Type-I error control under the assumption that only the first two moments of X given Z are known, a significant relaxation of the MX assumption.
• Abstract（参考訳）: 最近導入されたモデルX(MX)フレームワークは、応答Yと共変量Zの条件独立性(CI)をテストするために、特にMXノックオフの文脈において、アクティブな方法論研究の対象となり、ゲノムワイド・アソシエーション研究に成功している。 本稿では,MX CIテストのパワーについて検討し,機械学習の役割について定量的に考察し,確率に基づく統計学を実践する上で有利な証拠を提供する。 条件付きランダム化テスト (conditional randomization test, crt) に焦点をあて、その条件付き推論モードによって、x の条件付き分布を伴う点ヌル仮説をテストとして再評価することができることを見出した。 また,mxノックオフの最適化結果も得られた。 共変量次元を任意に拡大する漸近的枠組みに切り替えることにより、テスト統計がベースとなる機械学習アルゴリズムの予測誤差の観点から、局所半パラメトリック代替品に対するcrtの制限パワーの表現を導出する。 最後に、Z が与えられた X の最初の 2 つのモーメントのみが知られているという仮定の下で、一様漸近型 Type-I エラー制御を持つサンプリング不要なテストを示す。

関連論文リスト

• Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
  本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。 線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
  論文  参考訳（メタデータ） (2023-11-01T04:41:16Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Nearest-Neighbor Sampling Based Conditional Independence Testing [15.478671471695794]
  条件付きランダム化テスト (CRT) は、2つの確率変数 X と Y が条件付き独立な与えられた確率変数 Z であるかどうかをテストするために最近提案された。 本研究の目的は, 与えられたXの分布の正確な形式を仮定することなく, 隣り合うサンプリングを用いて, CRTの新たな代替品を開発することである。
  論文  参考訳（メタデータ） (2023-04-09T07:54:36Z)
• A Semi-Bayesian Nonparametric Estimator of the Maximum Mean Discrepancy Measure: Applications in Goodness-of-Fit Testing and Generative Adversarial Networks [3.623570119514559]
  そこで我々は,GoF(Goness-of-fit)テストのための半ベイズ非パラメトリック(セミBNP)手順を提案する。 提案手法は,最大平均誤差(MMD)測定のための新しいベイズ推定器を提案する。 提案手法は, 誤り仮説の誤認率と受理率を低くすることで, 頻繁なMDD法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-05T10:36:21Z)
• Spectral Regularized Kernel Two-Sample Tests [7.915420897195129]
  MMD (maximum mean discrepancy) two-sample test to be optimal to the terms of the separation boundary in the Hellinger distance。 スペクトル正則化に基づくMDD試験の修正を提案し,MMD試験よりも分離境界が小さく,最小限の試験が最適であることを証明した。 その結果,テストしきい値がエレガントに選択されるテストの置換変種が,サンプルの置換によって決定されることがわかった。
  論文  参考訳（メタデータ） (2022-12-19T00:42:21Z)
• Learning to Increase the Power of Conditional Randomization Tests [8.883733362171032]
  モデル-X条件ランダム化テストは、条件独立性テストのための一般的なフレームワークである。 本稿では,モデルXテストのパワー向上を目的とした新しいモデル適合方式を提案する。
  論文  参考訳（メタデータ） (2022-07-03T12:29:25Z)
• Sequential Permutation Testing of Random Forest Variable Importance Measures [68.8204255655161]
  そこで本研究では、逐次置換テストと逐次p値推定を用いて、従来の置換テストに関連する高い計算コストを削減することを提案する。 シミュレーション研究の結果、シーケンシャルテストの理論的性質が当てはまることを確認した。 本手法の数値安定性を2つの応用研究で検討した。
  論文  参考訳（メタデータ） (2022-06-02T20:16:50Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [62.44901952244514]
  条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。 集約分析では、通常は分布処理効果(DTE)の測定によって対処される。 我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Kernel Conditional Moment Test via Maximum Moment Restriction [13.297453497430157]
  我々はカーネル条件モーメント(KCM)テストと呼ばれる新しい仕様テスト群を提案する。 我々のテストは、再現されたカーネルヒルベルト空間における条件モーメント制限の新たな表現に基づいて構築される。 実験により,KCM試験は既存試験と比較して有望な有限サンプル性能を示した。
  論文  参考訳（メタデータ） (2020-02-21T10:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。