An algorithm for quantifying dependence in multivariate data sets
An algorithm for quantifying dependence in multivariate data sets
复制标题
量化多变量数据集中依赖性的算法
DOI：
10.1016/j.nima.2012.09.043
复制
发表时间：
2013
影响因子：
1.4
通讯作者：
(GRK 1694: Prim
中科院分区：
文献类型：
--
作者：
Feindt;(GRK 1694: Prim
我们描述了一个算法来量化的依赖性在一个多元数据集。该算法能够通过对两个独立变量进行假设检验来识别数据集中的任何线性和非线性依赖性。因此，我们获得了可靠的依赖性度量。在高能物理中，理解依赖性在多维最大似然分析中特别重要。因此，我们描述的问题，多维最大似然分析应用于一个多变量数据集的变量是相互依赖的。我们回顾了高能物理中常用的方法，指出广义相关与线性相关是不同的，并讨论了它们在实际应用中的局限性。最后，我们提出了工具CAT，它能够在全自动模式下执行所有审查的方法，并创建一个分析报告文件与数字结果和视觉审查。
We describe an algorithm to quantify dependence in a multivariate data set. The algorithm is able to identify any linear and non-linear dependence in the data set by performing a hypothesis test for two variables being independent. As a result we obtain a reliable measure of dependence. In high energy physics understanding dependencies is especially important in multidimensional maximum likelihood analyses. We therefore describe the problem of a multidimensional maximum likelihood analysis applied on a multivariate data set with variables that are dependent on each other. We review common procedures used in high energy physics and show that general dependence is not the same as linear correlation and discuss their limitations in practical application. Finally we present the tool CAT, which is able to perform all reviewed methods in a fully automatic mode and creates an analysis report document with numeric results and visual review.
DOI：
10.1007/978-1-4757-3076-0
发表时间：
1998-10
期刊：
--
影响因子：
--
作者：
通讯作者：
--
Sleuth：新物理的准模型独立搜索策略
DOI：
--
发表时间：
2000
期刊：
影响因子：
--
作者：
B. Knuteson
通讯作者：
B. Knuteson
DOI：
--
发表时间：
2001
期刊：
影响因子：
--
作者：
P. Bhat
通讯作者：
P. Bhat