Bir süredir karşılıklı bilgilerle çalıştım. Ancak, "mesafe korelasyonu" (Brownian korelasyonu olarak da adlandırılır) denilen dağıtım bağımsızlığını ölçmek için de kullanılabilecek "korelasyon dünyasında" çok yeni bir önlem buldum: http://en.wikipedia.org/wiki/Brownian_covariance . Bu tedbirin uygulandığı kağıtları kontrol ettim, ancak karşılıklı bilgilere herhangi bir gerekçe bulamadan.
Yani, sorularım:
- Aynı sorunu çözüyorlar mı? Değilse, problemler nasıl farklıdır?
- Ve eğer önceki soru pozitif olarak cevaplanabilirse, birini veya diğerini kullanmanın avantajları nelerdir?
Basit bir örnek için açıkça 'mesafe korelasyonu' ve 'karşılıklı bilgi' yazmayı deneyin. İkinci durumda, ilk sıradayken logaritmalar alacaksınız.
—
Piotr Migdal
@PiotrMigdal Evet, bu farkın farkındayım. Bunun neden önemli olduğunu açıklayabilir misiniz? Lütfen, bir istatistikçi olmadığımı göz önünde bulundurun ...
—
dsign
Ma için olasılık dağılımlarının karşılıklı bağımlılığını ölçen standart bir araç karşılıklı bilgidir. Çok güzel özelliklere sahip ve yorumu basit. Bununla birlikte, mesafe korelasyonunun tercih edildiği belirli problemler olabilir (ancak hayatımda hiç kullanmadım). Peki çözmeye çalıştığınız problem nedir?
—
Piotr Migdal
Bu yorum birkaç yıl gecikti ancak Columbia Üniversitesi İstatistik Bölümü 2013-2014 akademik yılını bağımlılık ölçütlerine odaklanmanın bir yılı haline getirdi. Nisan-Mayıs 2014'te Reshef Kardeşler (MIC), Gabor Szekely (mesafe korelasyonları), Subhadeep Mukhopadhay da dahil olmak üzere bu alanda iş yapan en iyi akademisyenleri bir araya getiren bir atölye düzenlendi. İşte sunumlardan birçok pdfs içeren programın bir bağlantısı. dependsence2013.wikischolars.columbia.edu/…
—
Mike Hunter