Saya baru saja diperkenalkan (samar-samar) ke brown / kovarians jarak / korelasi . Tampaknya sangat berguna dalam banyak situasi non-linear, ketika menguji ketergantungan. Tetapi sepertinya tidak sering digunakan, meskipun kovarians / korelasi sering digunakan untuk data non-linear / kacau. Itu...
Saya telah bekerja dengan informasi timbal balik untuk beberapa waktu. Tetapi saya menemukan ukuran yang sangat baru dalam "dunia korelasi" yang juga dapat digunakan untuk mengukur independensi distribusi, yang disebut "korelasi jarak" (juga disebut korelasi Brown):
Sejauh yang saya mengerti, korelasi jarak adalah cara yang kuat dan universal untuk memeriksa apakah ada hubungan antara dua variabel numerik. Misalnya, jika kita memiliki satu set pasangan angka: (x1, y1) (x2, y2) ... (xn, yn) kita dapat menggunakan korelasi jarak untuk memeriksa apakah ada...
Saya telah menatap halaman wikipedia untuk korelasi jarak di mana tampaknya ditandai oleh bagaimana hal itu dapat dihitung. Sementara saya bisa melakukan perhitungan, saya berjuang untuk mendapatkan ukuran korelasi jarak dan mengapa perhitungannya terlihat seperti itu. Apakah ada (atau banyak)...