×
埃夫蒂西亚索莱亚;阿勒·哈吉（Rayan Al Hajj）

非高斯函数数据的基于等级的高维图形模型。 （英语） Zbl 07687632号

统计 57，编号2，388-422（2023）.
摘要：我们研究非高斯函数数据的高维图形模型。为了放松高斯假设，我们考虑Solea和Li提出的函数高斯copula图形模型[copula Gaussian graphical models for functional data.J Am Stat Assoc.2022；117（538）：781-793]。为了稳健地估计函数之间的条件独立关系，我们提出了一种新的基于秩的相关算子——Kendallτ相关算子，该算子在函数设置下扩展了Kendall的τ相关矩阵。我们建立了新的基于秩的估计量的集中不等式和界，保证了图估计的一致性。我们考虑全部和部分观测到的功能数据，同时允许图形大小随样本大小增长，并考虑估计的功能主成分得分中的错误。我们通过模拟研究和从ADHD受试者的功能磁共振成像中收集的大脑数据集来说明我们方法的有限样本特性。

MSC公司：

62至XX 统计

关键词：

功能数据;高斯联结;图形模型;肯德尔陶;拉索

软件：

玻璃制品
PDF格式BibTeX公司 XML格式引用
\textit{E.Solea}和\textit{R.Al Hajj}，统计学57，第2期，388--422（2023；Zbl 07687632）
全文： 内政部

参考文献：

[1] Solea，E。；Li，B.，《函数数据的Copula高斯图形模型》，美国统计协会期刊，117，538，781-793（2022）·Zbl 1507.62257号
[2] Lee，K-Y；李，L。；Li，B.，通过函数加性回归算子进行非参数函数图形建模，J Am Stat Assoc，1-15（2022）·Zbl 07751803号 ·网址：10.1080/01621459.2021.2006667
[3] 李，B。；Solea，E.，基于功能磁共振成像的功能数据非参数图形模型及其在脑网络中的应用，美国国家统计协会，1135241637-1655（2018）·Zbl 1409.62074号
[4] 乔，X。；郭，S。；James，GM，功能图形模型，J Am Stat Assoc，114，525，211-222（2019）·Zbl 1478.62123号
[5] 乔，X。；钱，C。；James，GM，高维双功能图形模型，Biometrika，107，2，415-431（2020）·Zbl 1441.62155号
[6] 扎帕塔，J。；哦，SY；Petersen，A.，多元高斯过程的部分可分性和函数图形模型，生物统计学，109,3665-681（2021）·Zbl 07582645号
[7] Zhao，B，Wang，YS，Kolar，M.Fudge：完全和离散观测曲线的函数微分图估计。arXiv预打印arXiv:2003.05402。2020
[8] 朱，H。；斯特朗，N。；DB.邓森。，多元函数数据的贝叶斯图形模型，J Mach Learn Res，171157-77183（2016）·Zbl 1436.62722号
[9] 蔡，T。；刘伟。；Luo，X.，稀疏精度矩阵估计的约束（####）最小化方法，美国统计协会杂志，106，494，594-607（2011）·Zbl 1232.62087号
[10] 范，Y。；Lv，J.，超大型高斯图形模型中的创新可扩展有效估计，Ann Stat，44，2098-2126（2016）·Zbl 1349.62206号
[11] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，用图形套索进行稀疏逆协方差估计，生物统计学，9，3，432-441（2008）·Zbl 1143.62076号
[12] Lam，C。；Fan，J.，大协方差矩阵估计中的稀疏性和收敛速度，Ann Stat，37，6，42-54（2009）·Zbl 1191.62101号
[13] 明绍森，N。；Bühlmann，P.，用套索选择高维图和变量，Ann Stat，341436-1462（2006）·Zbl 1113.62082号
[14] 彭杰。；王，P。；周，N.，联合稀疏回归模型的偏相关估计，美国统计协会杂志，104，486，735-746（2009）·兹比尔1388.62046
[15] 拉维库马尔，P。；温赖特，MJ；Raskutti，G.，通过最小化（####）惩罚对数决定散度的高维协方差估计，Electron J Stat，5935-980（2011）·Zbl 1274.62190号
[16] 袁，M。；Lin，Y.，高斯图形模型中的模型选择和估计，生物统计学，94，1，19-35（2007）·Zbl 1142.62408号
[17] Lee，K-Y；李，B。；Zhao，H.，关于图形模型的加性偏相关算子和非参数估计，Biometrika，103，3，513-530（2016）·Zbl 1499.62195号
[18] 李，B。；Chun，H。；Zhao，H.，《关于统计网络的加性半文字模型及其在路径分析中的应用》，美国统计协会，109，507，1188-1204（2014）·Zbl 1368.62180号
[19] 刘，H。；Han，F.等人。；袁，M.，高维半参数高斯copula图形模型，Ann Stat，402293-2326（2012）·Zbl 1297.62073号
[20] 刘，H。；拉弗蒂，J。；Wasserman，L.，《非paranormal:高维无向图的半参数估计》，J Mach Learn Res，102295-2328（2009）·Zbl 1235.62035号
[21] 沃曼，A。；Shojaie，A。；Witten，D.，联合加性模型下的图形估计，Biometrika，101，1，85-101（2013）·兹比尔1285.62061
[22] 薛，L。；Zou，H.，高维非正态图形模型的基于正则秩的估计，Ann Stat，402541-2571（2012）·Zbl 1373.62138号
[23] 赵，B，翟，S，王，YS，等。基于邻域选择方法的高维函数图形模型结构学习。arXiv预打印arXiv:2105.02487。2021
[24] Solea，E，Dette，H。非参数和高维函数图形模型。arXiv预打印arXiv:2103.10568。2021. ·Zbl 07633936号
[25] 兴，T。；Eubank，R.，《函数数据分析的理论基础，线性算子简介》（2015），西萨塞克斯：John Wiley&Sons，西萨塞克斯·Zbl 1338.62009号
[26] 贝克尔，CR.，《联合度量和互协方差算子》，《跨美洲数学学会》，186，273-273（1973）·Zbl 0304.28008号
[27] Kendall，MG.，秩相关法（1948），伦敦：查尔斯·格里芬有限公司，伦敦·Zbl 0032.17602号
[28] 威斯康星州克鲁斯卡尔。，《有序关联度量》，《美国统计协会杂志》，53，284，814-861（1958）·Zbl 0087.15403号
[29] Loh，P-L；MJ温赖特。，具有非凸性的正则M-估计量：局部最优的统计和算法理论，J Mach Learn Res，16，19559-616（2015）·Zbl 1360.62276号
[30] AJ罗斯曼；PJ Bickel；Levina，E.，稀疏排列不变协方差估计，Electron J Stat，2494-515（2008）·Zbl 1320.62135号
[31] 张，X。；Wang，J-L.，《从稀疏到稠密的函数数据及其以外》，《Ann Stat》，44，2281-2321（2016）·Zbl 1349.62161号
[32] 巴拉巴西，A-L；Albert，R.，随机网络中缩放的出现，《科学》，286、5439、509-512（1999）·Zbl 1226.05223号
[33] Craddock，钢筋混凝土；詹姆斯·G。；Holtzheimer III，PE，通过空间约束光谱聚类生成的全脑fMRI图谱，《人类大脑映射》，33，81914-1928（2012）
[34] 曹，M。；Shu，N。；Cao，Q.，注意力缺陷/多动障碍中的成像功能和结构脑连接组学，Mol Neurobiol，50，3，1111-1123（2014）
[35] Boucheron，S。；卢戈西，G。；Massart，P.，《集中度不平等：独立性的非共鸣理论》（2013），牛津：牛津大学出版社，牛津·Zbl 1279.60005号
[36] 齐默尔曼，DW；Zumbo，BD；Williams，RH.，相关性估计和假设检验中的偏差，《心理学》，24133-158（2003）
[37] Hoeffing，W.，有界随机变量和的概率不等式，J Am Stat Assoc，58，301，13-30（1963）·Zbl 0127.10602号
[38] 内加班，SN；拉维库马尔，P。；MJ Wainwright，《利用可分解正则化子对M估计量进行高维分析的统一框架》，《统计科学》，27，4，538-557（2012）·Zbl 1331.62350号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。