统计学 > 方法论
[提交于 2015年12月10日
(v1)
,最后修订 2025年3月10日 (此版本, v3)]
标题: 极端依赖概念
标题: Extremal Dependence Concepts
摘要: 随机变量之间关系的概率表征需要依赖性的概念。 依赖性建模带来了数学和统计上的挑战,极端依赖概念的最新发展在概率及其在多个学科中的应用中引起了广泛关注。 本文的目的是回顾各种极端正相关和负相关的概念,包括一些最近建立的结果,重建它们的历史,将其与概率优化问题联系起来,并提供该领域的一系列开放问题。 虽然对于任意维度的随机向量来说,极端正相关的概念是达成一致的,但当涉及多于两个随机变量时,会出现多种极端负相关的概念。 我们回顾了文献中现有的流行的极端负相关概念,并引入了一个新的概念,该概念在一般意义上包含了现有的概念作为特例。 尽管许多关于依赖性的文献集中在正相关上,但我们表明负相关在许多优化问题的求解中同样重要。 虽然目前用来建模依赖性的最常用工具是Copula函数,但在本文中我们使用了等价的概念,即重排集合。 这不仅出于历史原因。 重排函数以完全确定的方式描述了随机变量之间的关系,有助于更深入地理解依赖性本身,并在广泛的一类优化问题的解的近似中具有诸多优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.