×
多米尼克·米勒;克洛迪亚·查多

将稀疏高斯DAG表示为稀疏R-藤，允许非高斯依赖。 （英语） Zbl 07498951号

J.计算。图表。斯达。 27，第2期，334-344（2018）。
摘要：高维系统中的建模依赖性已成为一个越来越重要的主题。大多数方法依赖于多元高斯分布的假设，例如有向非循环图（DAG）上的统计模型。它们基于条件独立性建模，可扩展到高维度。相比之下，藤蔓连接模型包含了更精细的特征，如尾部依赖性和不对称性，以及边缘的独立建模。然而，这种灵活性的代价是模型选择和估计的复杂性呈指数级增加。我们展示了在足够的条件下，具有有限数量亲本的DAG和截短的藤蔓交配体之间的新联系。这激发了一种更通用的程序，该程序利用稀疏DAG的快速模型选择和估计，同时允许使用藤连接函数实现非高斯相关性。通过数百维的数值例子，我们证明了我们的方法优于葡萄藤结构选择的标准方法。本文的补充材料可在网上获得。

引用于4文件

MSC公司：

62至XX 统计

关键词：

相关性建模;有向无环图;图形模型;藤蔓连接部

软件：

葡萄香;ggplot2;记录仪;对;bn学习
PDF格式BibTeX公司 XML格式引用
\textit{D.Müller}和\textit{C.Czado}，J.Compute。图表。Stat.27，No.2，334--344（2018；Zbl 07498951）
全文： 内政部 arXiv公司

参考文献：

[1] Aas，K。；Czado，C。；弗里吉斯，A。；Bakken，H.，《多重依赖的对Copula构造》，保险，数学和经济学，44182-198（2009）·Zbl 1165.60009号
[2] Andersson，S.A。；Perlman，M.D.，具有递归图形马尔可夫结构的正态线性回归模型，多元分析杂志，66，133-187（1998）·Zbl 1127.62377号
[3] Bauer，A。；Czado，C.，Pair-Copula Bayesian Networks，《计算与图形统计杂志》，25，1248-1271（2016）
[4] Bauer，A。；Czado，C。；Klein，T.，非高斯DAG模型的对Copula构造，加拿大统计杂志，40，86-109（2012）·Zbl 1236.62044号
[5] 贝德福德，T。；Cooke，R.，用藤蔓建模的条件相关随机变量的概率密度分解，数学和人工智能年鉴，32，245-268（2001）·Zbl 1314.62040号
[6] ---《藤蔓——相依随机变量的新图形模型》，《统计年鉴》，第30期，第1031-1068页（2002年）·Zbl 1101.62339号
[7] Brechmann，E。；Czado，C.，《高维藤蔓Copulas风险管理：欧元斯托克50指数的分析》，统计与风险建模，30，307-342（2013）·Zbl 1429.62462号
[8] Brechmann，E.C。；Joe，H.，使用截断藤蔓和因子分析对相关矩阵进行节俭参数化，计算统计与数据分析，77，233-251（2014）·Zbl 1506.62028号
[9] Csardi，G.公司。；Nepusz，T.，《复杂网络研究的Igraph软件包》，《国际期刊复杂系统》，1695，1-9（2006）
[10] Czado，C。；杜兰特，F。；Härdle，W。；Jaworki，P。；Rychlik，T.，Copula理论及其应用研讨会，多元Copula的配对Copula构造，93-107（2010），多德雷赫特：施普林格，多德雷赫特
[11] Czado，C。；Brechmann，E。；Gruber，L。；贾沃斯基，P。；杜兰特，F。；Härdle，W.，《数学和定量金融中的Copulae》，《Vine Copulas的选择》，17-37（2013），纽约：Springer，纽约
[12] 迪·曼，J。；Brechmann，E。；Czado，C。；Kurowicka，D.，《选择和估计正则葡萄Copulae及其在财务回报中的应用》，计算统计学和数据分析，52，52-59（2013）·Zbl 1400.62114号
[13] Elidan，G。；Lafferty，J。；威廉姆斯，C。；肖-泰勒，J。；泽梅尔，R。；Culotta，A.，《神经信息处理系统的进展》，23，Copula Bayesian Networks，559-567（2010），Curran Associates，Inc。
[14] 范，Y。；唐春云，高维惩罚概率下的调谐参数选择，英国皇家统计学会学报，75531-552（2013）·Zbl 1411.62216号
[15] Gruber，L。；Czado，C.（2015）
[16] ---，常规藤蔓Copula的序贯贝叶斯模型选择，贝叶斯分析，10937-963（2015）·Zbl 1335.62048号
[17] 霍布·哈夫，I。；Aas，K。；弗里吉斯，A。；Graziani，V.L.，《使用规则藤蔓的贝叶斯网络结构学习》，计算统计与数据分析，101186-208（2016）·Zbl 1466.62097号
[18] Joe，H。；吕申多夫，L。；Schweizer，B。；Taylor，M.D.，《带固定边距的分布及相关主题，带给定边距和M（M−1）/2双变量相关参数的M变量分布族》，120-141（1996），加利福尼亚州海沃德：数学统计研究所，加利福尼亚州海沃德
[19] 科勒，D。；弗里德曼，N.，《概率图形模型：原理与技术》（2009），马萨诸塞州剑桥：麻省理工学院出版社·Zbl 1183.68483号
[20] Kullback，S。；Leibler，R.，《论信息与充分性》，《数理统计年鉴》，2279-86（1951）·Zbl 0042.38403号
[21] Kurowicka，D。；Cooke，R.，《不确定性分析和高维相关性建模》（2006），Chicester：Wiley，Chicester·Zbl 1096.62073号
[22] Kurowicka博士。；Joe，H.，《依赖建模-藤蔓Copulae手册》（2011），新加坡：新加坡世界科学出版公司
[23] Lauritzen，S.L.，《图形模型》（1996），牛津：牛津大学出版社，牛津·Zbl 0907.62001
[24] 彼得斯，J。；Bühlmann，P.，具有等误差方差的高斯结构方程模型的可识别性，生物特征，101219-228（2014）·Zbl 1285.62005号
[25] Pircalabelu，E。；Claeskens，G。；Gijbels，I.，Copula定向非循环图，统计与计算，27，55-78（2017）·兹比尔1505.62322
[26] Prim，R.C.，《最短连接网络和一些推广》，贝尔系统技术期刊，361389-1401（1957）
[27] R核心团队，R：统计计算语言与环境（2017），奥地利维也纳：R统计计算基金会，奥地利维也纳
[28] 谢普斯迈尔，美国。；Stöber，J。；Brechmann，E.C。；格雷勒，B。；Nagler，T。；Erhardt，T.，《葡萄树种群：葡萄树Copulas的统计推断》，R软件包第2.1.1版（2016年）
[29] Scutari，M.，《使用bnlearn R包学习贝叶斯网络》，《统计软件杂志》，35，1-22（2010）
[30] Sklar，A.，《尺寸和Leurs Marges函数》，巴黎大学统计研究所出版物，8229-231（1959）·兹比尔0100.14202
[31] Stöber，J。；Joe，H。；Czado，C.，《简化的双连接词构造——模拟和扩展》，《多元分析杂志》，119101-118（2013）·Zbl 1277.62139号
[32] Whittaker，J.，《应用多元统计中的图形模型》（1990），Chicester：Wiley，Chicester·Zbl 0732.62056号
[33] Wickham，H.，ggplot2:《数据分析的优雅图形》（2009），纽约：Springer-Verlag，纽约·Zbl 1170.62004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。