論文の概要: Structural Conditional Independence Test via Neural Quantile Resolution

• arxiv url: http://arxiv.org/abs/2611.07165v1
• Date: Wed, 04 Nov 2026 21:42:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.457567
• Title: Structural Conditional Independence Test via Neural Quantile Resolution
• Title（参考訳）: ニューラル量子分解能による構造条件独立性試験
• Abstract要約: 条件付き独立テストは、依存が弱く、局所化され、グローバル平均シフトよりも分布変化によって表される場合、難しい。 本稿では,P(X|Z)とP(X|Y,Z)を比較する量子分解能条件独立試験であるQRCITを提案する。 軽量残留量子フローモデルはまずベースライン条件量子法則を学習し、次にYによって誘導される付加的な変形を学習し、大域的な予測ゲイン統計をもたらす。
• 参考スコア（独自算出の注目度）: 10.981227428529374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conditional independence testing is difficult when dependence is weak, localized, or expressed through distributional changes rather than a global mean shift. Existing tests usually return a scalar statistic or p-value, which summarizes evidence against independence but does not describe where the conditional law changes. We propose QRCIT, a quantile-resolution conditional independence test that compares P(X|Z) and P(X|Y,Z) through a quantile deformation learned by a shared model. A lightweight residual quantile-flow model first learns the baseline conditional quantile law and then learns the additional deformation induced by Y, yielding a global predictive-gain statistic with conditional-randomization calibration and an inspectable deformation field over context and quantile level. We also introduce the Structural Dependency Benchmark (SDB), which evaluates dependence structures motivated by real applications, such as context-local, tail-only, sign-reversing, moving-ridge, and mean-neutral patterns. Across synthetic post-nonlinear (PNL) and SDB benchmarks, QRCIT improves detection of structured alternatives, with empirical Type-I behavior evaluated across settings. Higher quantile resolution improves merged-SDB power at moderate sample sizes, while diagnostics restricted to known affected regions improve detection of localized dependence. On Sachs, METABRIC breast cancer, and CCLE/PLX4720, QRCIT provides competitive real-data performance and interpretable deformation patterns. These results support quantile-resolved conditional-law deformation as a practical framework for testing and diagnosing structured conditional dependence.
• Abstract（参考訳）: 条件付き独立テストは、依存が弱く、局所化され、グローバル平均シフトよりも分布変化によって表される場合、難しい。 既存のテストは通常、独立に対する証拠を要約するスカラー統計あるいはp値を返すが、条件付き法則がどこで変化するかは記述しない。 本稿では,P(X|Z)とP(X|Y,Z)を比較する量子分解能条件独立試験であるQRCITを提案する。 軽量残留量子フローモデルは、まずベースライン条件量子法則を学習し、次にYによって誘導される付加変形を学習し、条件ランダム化キャリブレーションによる大域的な予測ゲイン統計と、コンテキストおよび量子レベルに対する検査可能な変形場を生成する。 また、コンテキストローカル、テールオンリー、サインリバース、移動リッジ、平均ニュートラルパターンなど、実際のアプリケーションによって動機付けられた依存構造を評価する構造依存ベンチマーク(SDB)についても紹介する。 合成非線形(PNL)とSDBベンチマーク全体にわたって、QRCITは、構成された代替品の検出を改善し、設定毎に経験的なType-I動作を評価する。 高い量子分解能は、中程度のサンプルサイズでマージSDBパワーを改善する一方、既知の影響領域に制限された診断は、局所依存の検出を改善する。 Sachs、MetaBRic乳がん、CCLE/PLX4720では、QRCITは競合する実データ性能と解釈可能な変形パターンを提供する。 これらの結果は、構造的条件依存のテストおよび診断のための実践的な枠組みとして、量子分解条件-法則変形を支持する。

関連論文リスト

• Rethinking Data Augmentation under Covariate Shift: Invariant-Guided Diffusion and Prototype Reweighting [48.25268129930951]
  我々は,孤立点ではなく構造クラスタによるサンプル信頼性を評価するプロトタイプベースのリウェイト手法を開発した。 本手法は,ロバスト学習に最も有用なデータを増やすことにより,データ品質を向上させる。
  論文  参考訳（メタデータ） (2026-10-01T00:46:17Z)
• Conditional Independence Tests for Constraint-Based Causal Discovery: A Survey [0.0]
  条件独立 (CI) テストは制約に基づく因果発見の統計エンジンである。 この調査では、高次元および混合型設定における仮定、堅牢性、スケーラビリティを重視したCIテストについてレビューする。
  論文  参考訳（メタデータ） (2026-08-11T17:13:52Z)
• Aggregation of Statistical Evidence under Exchangeability [22.375838048747294]
  未知および潜在的に複雑な依存下での統計的証拠の集約について検討する。 この枠組みに対して有限サンプルパワーと適応性理論を開発する。
  論文  参考訳（メタデータ） (2026-07-17T10:32:05Z)
• Efficient Ensemble Conditional Independence Test Framework for Causal Discovery [46.328102756312724]
  本稿では,汎用およびプラグアンドプレイフレームワークであるEnsemble Conditional Independence Test (E-CIT)を紹介する。 E-CITはデータをサブセットに分割し、与えられたベースCITを各サブセットに独立に適用し、結果として得られるp値を集約する。 その結果、E-CITはCITの計算負担と因果発見を著しく低減するだけでなく、競争性能も向上することが示された。
  論文  参考訳（メタデータ） (2025-09-25T11:31:16Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Statistical Hypothesis Testing for Auditing Robustness in Language Models [49.1574468325115]
  本稿では,摂動解析を頻繁な仮説テスト問題として再検討するフレームワークである分布に基づく摂動解析を紹介する。 モンテカルロサンプリングを用いて低次元意味的類似性空間内に経験的ヌルおよび代替出力分布を構築する。 反応変化の定量化、正/偽の正率の測定、参照モデルとの整合性の評価について述べる。
  論文  参考訳（メタデータ） (2025-06-09T17:11:07Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• Quantifying perturbation impacts for large language models [49.1574468325115]
  本稿では、頻繁な仮説テスト問題として摂動解析を再構成するフレームワークDBPAを紹介する。 摂動影響評価におけるDBPAの有効性を示すとともに,摂動解析の汎用性を示す。
  論文  参考訳（メタデータ） (2024-12-01T16:13:09Z)
• Model-based causal feature selection for general response types [8.228587135343071]
  Invariant causal prediction (ICP) は、不均一な設定からのデータを必要とする因果的特徴選択の手法である。 我々は変換モデル(TRAM)ベースのICPを開発し、連続的、分類的、カウント型、非形式的に検閲された応答を可能にする。 我々は、オープンソースのRパッケージ「tramicp」を提供し、シミュレーションデータに対する我々のアプローチを評価し、重篤な患者の生存の因果的特徴を調査する事例研究を行った。
  論文  参考訳（メタデータ） (2023-09-22T12:42:48Z)
• Conditional Independence Testing via Latent Representation Learning [2.566492438263125]
  LCIT(Latent representation based Conditional Independence Test)は、表現学習に基づく条件付き独立テストのための新しい非パラメトリック手法である。 我々の主な貢献は、Z が与えられた X と Y の独立性をテストするための生成的枠組みの提案である。
  論文  参考訳（メタデータ） (2022-09-04T07:16:03Z)

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。