論文の概要: Nonparametric Conditional Local Independence Testing
- arxiv url: http://arxiv.org/abs/2203.13559v1
- Date: Fri, 25 Mar 2022 10:31:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-28 20:14:26.154062
- Title: Nonparametric Conditional Local Independence Testing
- Title(参考訳): 非パラメトリック条件局所独立試験
- Authors: Alexander Mangulad Christgau, Lasse Petersen, Niels Richard Hansen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 69.31200003384122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conditional local independence is an independence relation among continuous
time stochastic processes. It describes whether the evolution of one process is
directly influenced by another process given the histories of additional
processes, and it is important for the description and learning of causal
relations among processes. However, no nonparametric test of conditional local
independence has been available. We propose such a nonparametric test based on
double machine learning. The test is based on a functional target parameter
defined as the expectation of a stochastic integral. Under the hypothesis of
conditional local independence the stochastic integral is a zero-mean
martingale, and the target parameter is constantly equal to zero. We introduce
the test statistic as an estimator of the target parameter and show that by
using sample splitting or cross-fitting, its distributional limit is a Gaussian
martingale under the hypothesis. Its variance function can be estimated
consistently, and we derive specific univariate test statistics and their
asymptotic distributions. An example based on a marginalized Cox model with
time-dependent covariates is used throughout to illustrate the theory, and
simulations based on this example show how double machine learning as well as
sample splitting are needed for the test to work. Moreover, the simulation
study shows that when both of these techniques are used in combination, the
test works well without restrictive parametric assumptions.
- Abstract(参考訳): 条件付き局所独立性は連続時間確率過程間の独立関係である。
1つのプロセスの進化が、追加プロセスの履歴から他のプロセスに直接的な影響を受けているかを説明し、プロセス間の因果関係の記述と学習に重要である。
しかし、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。
このテストは、確率積分の期待として定義される機能目標パラメータに基づいている。
条件付き局所独立性の仮説の下では、確率積分はゼロ平均マルティンゲールであり、対象パラメータは常にゼロに等しい。
対象パラメータの推定値としてテスト統計を導入し,サンプル分割やクロスフィッティングを用いることで,その分布限界がガウスマーチンゲールであることを示す。
その分散関数は一貫して推定でき、特定の不定値テスト統計とその漸近分布を導出する。
時間に依存した共変量を持つ余分なコックスモデルに基づく例は、この理論を説明するために広く用いられ、この例に基づくシミュレーションは、テストが動作するためには、二重機械学習とサンプル分割がいかに必要かを示している。
さらに,これらの手法を併用した場合,実験は限定的なパラメトリック仮定を伴わずに良好に動作することを示す。
関連論文リスト
- 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) - Non-parametric Hypothesis Tests for Distributional Group Symmetry [2.1320960069210484]
この研究は、一般群対称性の有無についての非パラメトリック仮説試験を定式化する。
2つの広い設定に適用可能な対称性のテストの一般的な定式化を提供する。
地磁気衛星データにおける対称性のテストと高エネルギー粒子物理学の2つの問題に適用する。
論文 参考訳(メタデータ) (2023-07-28T22:51:28Z) - Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。
私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
論文 参考訳(メタデータ) (2023-04-29T01:30:33Z) - 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) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳(メタデータ) (2022-10-03T06:09:01Z) - Non-Parametric Inference of Relational Dependence [17.76905154531867]
本研究では,関係系から引き出されたデータの独立性を推定する問題について検討する。
我々は,非観測データに対する関係独立性試験を運用するために,一貫した,非パラメトリックでスケーラブルなカーネルテストを提案する。
論文 参考訳(メタデータ) (2022-06-30T03:42:20Z) - An $\ell^p$-based Kernel Conditional Independence Test [21.689461247198388]
そこで本稿では, 最適分布の2つのカーネルベース代表者間の距離を$Lp$とする, 条件付き独立性のための計算効率の高い新しいテストを提案する。
我々は,新しい試験の性能が,高次元設定においても,統計的パワーとタイプI誤差の両方の観点から,最先端の手法よりも優れていることを示す一連の実験を行った。
論文 参考訳(メタデータ) (2021-10-28T03:18:27Z) - Significance tests of feature relevance for a blackbox learner [6.72450543613463]
ブラックボックス学習者の特徴関連性に関する2つの一貫した試験を導出する。
第1は、推論サンプルの摂動による損失差を評価する。
2つ目は推論サンプルを2つに分割するが、データの摂動は必要ない。
論文 参考訳(メタデータ) (2021-03-02T00:59:19Z) - Stable Prediction via Leveraging Seed Variable [73.9770220107874]
従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。
本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。
我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
論文 参考訳(メタデータ) (2020-06-09T06:56:31Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z)
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。