## Memo - [[PCアルゴリズムのCIエッジ誤削除調査]]中に行き当たった。 - [hyppo — hyppo alpha documentation](https://hyppo.neurodata.io/) ## Abstract 時系列などの複雑なデータ構造は、現代のデータサイエンス問題においてますます多く見られるようになっている。このような時系列が統計的に依存するかどうかというのは、楽しい問題である。現在の多くのアプローチは、ランダム過程についてパラメトリックな仮定をし、線形相関のみを検出し、複数の検定を必要とし、高次元の非線形設定において検出力を失っている。また、並べ替え検定は無効であるため、帰無仮説のもとでの検定統計量の分布を推定することは容易でない。本研究では、[[独立性検定]]の文献にある距離相関（Dcorr）とマルチスケールグラフ相関（MGC）、時系列分析のブロック並べ替えを並列化し、これらの課題を解決することを目的としている。提案するノンパラメトリック手法は、関係の幾何学的特徴を明らかにし、依存性が最大となるタイムラグを推定し、多重検定の必要性を回避し、高次元、低標本サイズ、非線形設定において優れた検出力を示すことにより、先行研究を基に有効で一貫性のある手法である。fMRIデータを用いて神経結合を解析し、視覚ネットワークとデフォルトモードネットワーク内の信号の線形依存性と、その他のネットワークにおける非線形関係を明らかにした。この研究は、オープンソースコードを利用した初のデータ解析ツールであり、様々な科学分野に直接影響を与えるものです。 [[2019__arXiv__Independence Testing for Multivariate Time Series__translations]]