数学科学学院学术报告[2026]105号

（高水平大学建设系列报告1364号）

报告题目：Some results on the correlation and conditional graph correlation

报告人：李启寨 研究员（中国科学院）

报告时间：2026年11月03日9:00 - 10:00

报告地点：腾讯会议：700666974

报告摘要：Inferring the strength of conditional dependence and testing conditional independence are fundamental problems in statistics. A recent breakthrough by Azadkia and Chatterjee intro duced, for the first time, a conditional dependence measure that equals 0 if and only if the variables under study are conditionally independent, and equals 1 if and only if they are conditionally perfectly dependent. They further proposed a computationally efficient and strongly

consistent estimator, Tn, based on an ingenious use of ranks and nearest neighbors. Despite these attractive features, the asymptotic theory of Tn has remained largely undeveloped. This paper closes that gap. We prove that, under general dependence, Tn is asymptotically normal and its limiting variance admits a closed form. We also construct consistent variance estimators that are computationally efficient and implementable in O(nlogn) time. Taken together with existing bias-correction methods, these results provide a complete inferential theory for Tn.

报告人简介：李启寨，中国科学院数学与系统科学研究院研究员，系统科学研究所副所长；2001年本科毕业于中国科学技术大学，2006年博士毕业于中国科学院数学与系统科学研究院，2006-2009年在美国国立卫生健康研究院国家癌症研究所从事博士后研究；研究方向：生物医学统计、遗传统计、复杂数据推断；在Nature Genetics, Science Advances, Angewandte Chemie International Edition, Cancer Research,  Microboiome, AJHG, Bioinformatics, IEEE TPMAI，Psychometrika, JASA, JRSSB等期刊发表学术论文130余篇；曾获美国统计学会会士(ASA Fellow, 2020),国际统计学会当选会员(ISI Elected Member, 2016)；主持及曾主持国家自然科学基金5项，包括重点项目、青年科学基金项目（A类）、青年科学基金项目（B类）、面上项目、青年科学基金项目（C类）；现任中国现场统计研究会党委书记、副理事长，中国数学会常务理事等。

邀请人：周彦

数学科学学院

2026年10月29日