达妮埃拉·马雷拉;保拉·维卡德 从复杂调查数据中进行贝叶斯网络结构学习：一种基于重采样的方法。 （英语） Zbl 07596129号 统计方法应用。 31,4号，981-1013（2022）. 摘要：如今，高质量的官方统计数据越来越多。多元统计模型的构建可能会导致因果关系的识别，这一点值得关注。在这方面，贝叶斯网络发挥了重要作用。关键的一步是学习贝叶斯网络的结构。使用最广泛的过程之一是PC算法，它包括对可用数据集进行几次独立测试，以及根据测试结果构建贝叶斯网。PC算法基于数据独立且同分布的不可容许假设。不幸的是，官方统计数据通常是通过复杂的抽样设计收集的，因此不符合上述假设。在这种情况下，PC算法无法学习结构。为了避免这种情况，在结构学习过程中必须考虑样本选择。本文提出了一种改进的PC算法，用于从复杂调查数据推断因果结构。它基于有限总体的重采样技术。仿真实验表明了该算法对偏离假设的鲁棒性以及良好的性能。 引用于1文件 MSC公司： 62至XX 统计 关键词：贝叶斯网络;复杂测量数据;假人口;重新取样;结构学习 软件：墨西哥比索;TETRAD公司;pcalg公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Marella}和\textit{P.Vicard}，统计方法应用。31，第4号，981--1013（2022；Zbl 07596129） 全文： 内政部 参考文献： [1] Antal，E。；Tillé，Y.，有限总体复杂抽样设计的直接自举方法，美国统计协会，106534-543（2011）·兹比尔1232.62030 [2] 巴林，M。；Scanu，M.，Vicard P（2010）《使用概率专家系统对复杂调查抽样中列联表的估计》，《J Stat Plan推断》，1401501-1512（2010）·Zbl 1185.62104号 [3] 博蒙特，J-F；Patak，Z.，《关于特别关注泊松抽样的抽样调查的广义自举法》，《国际统计评论》，第80期，第127-148页（2012年）·Zbl 1418.6206号 [4] Berger，YG，不等概率大熵抽样设计下的渐近一致性，Pak J Stat，27，407-426（2011）·Zbl 1509.62024号 [5] PJ Bickel；Freedman，DA，引导的一些渐近理论，Ann Statist，91196-1217（1981）·Zbl 0449.62034号 [6] Boistard，H。；惠普公司Lophuhaä；Ruiz-Gazen，A.，《单阶段抽样设计的函数中心极限定理》，Ann Stat，451728-1758（2017）·Zbl 1459.62013号 [7] JG展位；巴特勒，RW；Hall，P.，有限总体的Bootstrap方法，J Amer Statist Assoc，89，1282-1289（1994）·Zbl 0812.62006号 [8] 赵，MT；Lo，S-H，有限总体的自举方法，Sankhya Ser A，47，399-405（1985）·Zbl 0587.62031号 [9] Chauvet G（2007）《人口终结的自助方法》。伦内斯第二大学恩塞学院统计实验室博士学位论文， [10] Chatterjee，A.，有限总体样本分位数的渐近性质，《Ann Inst Statist Math》，63，157-179（2011）·Zbl 1432.62022 [11] Conti，PL，《关于高熵抽样设计下有限总体分布函数的估计及其应用》，Sankhya B，76，234-259（2014）·Zbl 1330.62061号 [12] 孔蒂，PL；Marella，D.，《fnite总体分位数的推断：渐近与重采样结果》，Scand J Stat，42，545-561（2015）·Zbl 1368.62019号 [13] 孔蒂，PL；Marella，D.，《有限总体分位数的推断：渐近与重采样结果》，Scand J Stat，42，545-561（2015）·Zbl 1368.62019号 [14] 孔蒂，PL；Marella，D。；Mecatti，F。；Andreis，F.，《基于伪总体的重新采样统一原则框架：渐近理论》，Bernoulli，261044-1069（2019）·兹比尔1466.62241 [15] Conti PL，Di Iorio A（2018）通过重新采样在有限种群中进行分析推理，应用于置信区间和独立性测试，arXiv:1809.08035。提交第二次审查 [16] 孔蒂，PL；Di Iorio，A。；Guandalini，A。；Marella，D。；Vicard，P。；Vitale，V.，关于复杂抽样设计下洛伦兹曲线的估计，Stat-Meth Appl，29，1-24（2020）·Zbl 1436.62389号 [17] Cowell RG、Dawid P、Lauritzen SL、Spiegelhalter DJ（2007）《概率网络和专家系统：贝叶斯网络的精确计算方法》，Springer出版公司·Zbl 1120.68444号 [18] Di Zio，M。；斯坎努，M。；科波拉，L。；鲁兹，O。；Ponti，A.，贝叶斯插补网络，《皇家统计学会杂志》，167，309-322（2004）·Zbl 1408.62043号 [19] 德顿，M。；Maathuis，MH，《图形建模中的结构学习》，Annu Rev Stat Appl，4365-393（2017） [20] Efron，B.，《Bootstrap方法：折刀的另一种视角》，《Ann Stat》，第7期，第1-26页（1979年）·Zbl 0406.62024号 [21] Friedman N、Goldszmidt M、Wyner A（1999）《贝叶斯网络数据分析：自举方法》。196-201年第15届人工智能不确定性年会论文集， [22] Grafström，A.，不等概率抽样设计的熵，Stat Methodol，784-97（2010）·Zbl 1230.62004号 [23] Hájek，J.，《有限总体不同概率拒绝抽样的渐近理论》，《数学统计年鉴》，第35期，1491-1523页（1964年）·Zbl 0138.13303号 [24] Holmberg A（1998）《概率比例抽样的自举方法》，《ASA调查研究方法部分会议记录》，378-383 [25] Jiménez-Gamero，医学博士；Moreno-Rebollo，JL；Mayor-Gallego，JA，关于有限总体特征函数的估计及其应用，Test，2795-121（2018）·Zbl 1386.62003年 [26] Gross ST（1980）抽样调查中位数估计。在调查研究方法一节的会议记录中。美国统计协会181-184 [27] 卡利施，M。；Mächler，M。；科伦坡，D。；Maathuis，MH；Bühlmann，P.，使用图形模型和R包pcalg进行因果推断，J Stat Softw，47，1-26（2012） [28] 拉加尼，V。；阿提尼欧，G。；Farcomeni，A。；Tsagris，M。；Tsamardinos，I.，《使用R包MXM进行特征选择：发现统计等效特征子集》，J Stat Softw，80，7（2017） [29] Lahiri，SN，相关数据的重新采样方法。斯普林格统计学系列（2003年），纽约：斯普林格，纽约·Zbl 1028.6202号 [30] 马萨利吉，Z。；哈齐扎，D。；Leger，C.，《有限总体抽样中bootstrap方法的调查》，Stat Surv，10，1-52（2016）·Zbl 1351.62025号 [31] Marella，D。；Vicard，P.，用于建模受访者测量误差的面向对象贝叶斯网络，Commun Stat，42，3463-3477（2013）·Zbl 1466.62428号 [32] Marella D，Vicard P（2015）面向对象的贝叶斯网络，用于处理家庭调查中的测量误差。数据分析统计模型的进展 [33] Marella，D。；Pfeffermann，D.，来自两个独立信息样本的匹配信息，J Stat Plan Inference，203，70-81（2019）·Zbl 1422.62049号 [34] McCarthy PJ，Snowden CB（1985）引导和有限总体抽样。《生命与健康统计》95（2）：1-23。华盛顿特区：公共卫生服务出版物，美国政府印刷， [35] Pfeffermann，D.，《建模调查数据时采样权重的作用》，《国际统计评论》，61317-337（1993）·Zbl 0779.62009年 [36] Pfeffermann，D.，复杂调查数据建模：为什么建模？为什么这是一个问题？我们如何处理？，Surv Methodol，37，115-136（2001） [37] Ramsey J，Spirtes P，Zhang J（2006）邻信度和保守因果推理，第22届人工智能不确定性会议论文集，401-408。俄勒冈州：AUAI出版社， [38] Ranalli MG，Mecatti F（2012）《比较自举抽样调查数据的最新方法：迈向统一方法的第一步》。在ASA关于调查研究方法的会议记录中，4088-4099， [39] Rao，CR，线性统计推断及其应用（1973），纽约：威利出版社，纽约·Zbl 0256.6202号 [40] Rao，JNK；Scott，AJ，《来自复杂抽样调查的分类数据分析：双向表中良好性和独立性的chi-squared检验》，美国统计协会，76，221-230（1981）·Zbl 0473.62010号 [41] Rao，JNK；Scott，AJ，《关于利用调查数据估计单元格比例的多路表格的齐方检验》，《Ann Stat》，第12期，第46-60页（1984年）·Zbl 0622.62059号 [42] Rao，JNK；Wu，C-FJ，用复杂调查数据重新抽样推断，J Amer Statist Assoc，83，231-241（1988）·Zbl 0654.62015号 [43] Serfling，RJ，《数理统计近似理论》（1980），纽约：威利出版社，纽约·Zbl 0538.62002号 [44] Sitter，RR，复杂调查数据的重采样程序，J Amer Statist Assoc，87，755-765（1992）·Zbl 0760.62013.中 [45] Skinner CJ，Holt D，Smith MF（1989）复杂调查分析。威利·Zbl 0701.62018号 [46] Spirtes P、Glymour G、Scheines R（2000）《因果关系、预测和搜索》，麻省理工学院出版社，马萨诸塞州剑桥，第二版，D.Heckerman、C.Meek、G.F.Cooper和T.Richardson提供的附加材料·Zbl 0806.62001 [47] Thibaudeau Y，Winkler WE（2002）贝叶斯网络表示、广义插补和满足分析约束的合成微观数据，研究报告RRS2002/92002。美国人口普查局 [48] Tsagris，M.，《使用PC算法的贝叶斯网络学习：一种改进的正确变体》，《应用Artif Intell》，33，2，101-123（2019） [49] 伊利诺伊州Tsamardinos；布朗，E。；Aliferis，CF，最大最小爬升贝叶斯网络结构学习算法，Mach Learn，65，1，31-78（2006）·Zbl 1470.68192号 [50] 尤勒，C。；Raskutti，G。；Bühlmann，P。；Yu，B.，因果推理中忠实假设的几何学，《Ann Stat》，第41期，第436-463页（2013年）·Zbl 1267.62068号 [51] Verma T，Pearl J（1990）关于因果模型的等价性。加州大学洛杉矶分校计算机科学系技术报告R-150 [52] Wilcox RR（2010）《现代统计方法基础》，大幅提高功效和准确性。施普林格·Zbl 1211.62001号 [53] 张杰。；Spirtes，P.，《不忠检测与稳健因果推断》，Minds Mach，18，239-271（2008） 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。