고차원 유전체 파싱머니에서 켄달 타우의 새로운 적용

본 논문은 고차원·저표본(HDLSS) 데이터 모델을 다루는 새로운 통계적 접근법을 제시한다. 전통적인 다변량 정규성 가정이나 선형 회귀 모델은 변수 차원(K)이 표본 수(n)보다 훨씬 큰 경우에 적합하지 않으며, 특히 유전체·마이크로어레이와 같은 분야에서 이러한 상황이 빈번히 발생한다. 저자는 이러한 문제점을 해결하기 위해 켄달 타우(Kendall’s τ) 통계량을 차원 중심(asymptotics)으로 분석하고, Chen‑Stein 정리를 활용해 통계량 간 의존성을 정량화한다. 1. **문제 설정 및 동기** - K≫n인 상황에서 다변량 정규성·선형성 가정은 현실적이지 않다. - 변수 간 독립성도 보장되지 않으며, 일부 반응 변수는 이산형 혹은 순서가 없는 범주형일 수 있다. - 따라서 비모수적, 순위 기반 방법이 필요하다. 2. **켄달 타우의 정의 및 변형** - 각 유전자 k에 대해 관측값 Xᵢₖ(i=1,…,n)와 설계 변수 tᵢ(시간 혹은 질병 단계)의 순위 차이를 이용해 \