MIM公司

图形建模导论。图形建模是一种多元分析的形式,它使用图形来表示模型。这些图表显示了模型中变量之间的关联和因果依赖关系的结构。这本教科书提供了一个图形建模的介绍,强调应用和实用性,而不是一个正式的发展。可从网络上下载一个基于MIM的免费建模软件包。在介绍场景和描述图形建模的一些基本思想之后,接下来的章节将描述特定的模型族,包括对数线性模型、高斯模型以及混合离散和连续变量的模型。接下来的章节包括假设检验和模型选择。第七章和第八章是第二版的新内容。第7章介绍了有向图、链图和其他图的使用。第8章总结了一些有关因果推理的最新工作,当图形模型被给予因果解释时是相关的。这本书将为学生和研究人员提供一个关于这个主题的有用的介绍。


zbMATH中的参考文献(引用于 128篇文章,标准条款2)

显示128个结果中的1到20个。
按年份排序(引用)

1 2 ... 5 6 7 下一个

  1. 范建青;冯,杨;夏,露西:基于投影的条件相关测度及其在高维无向图模型中的应用(2020)
  2. 郭,肖;张,海:包含协变量的稀疏有向无环图(2020)
  3. 黄东明;詹森,卢卡斯:通过调节来放松仿制品的假设(2020)
  4. Javidian,Mohammad Ali;Valtorta,Marco;Jamshidi,Pooyan:AMP链图:最小分隔符和结构学习算法(2020)
  5. 李春林;沈晓彤;潘伟:大有向无环图的似然比检验(2020)
  6. 彭思思;沈晓彤;潘伟:带干预的有向无环图的重构(2020)
  7. Abbruzzo,Antonino;Vujačić,Ivan;Mineo,Angelo M.;Wit,Ernst C.:在惩罚高斯图形模型中选择调谐参数(2019年)
  8. Fop,Michael;Murphy,Thomas Brendan;Scrucca,Luca:基于稀疏协方差矩阵的模型聚类(2019年)
  9. 郭,肖;张,海;王,姚;梁,勇:包含无标度特性的稀疏有向无环图的结构学习(2019)
  10. Kalyagin,Valery A.;Koldanov,Alexander P.;Koldanov,Petr A.;Pardalos,Panos M.:高斯图形模型选择的损失函数、无偏性和最优性(2019年)
  11. 徐凯;郝新新:高维小样本块对角协方差结构的非参数检验(2019)
  12. De Bastiani,Fernanda;Rigby,Robert A.;Stasinopoulous,Dimitrios M.;Cysneiros,Audrey H.M.A.;Uribe Opazo,Miguel A.:GAMLSS中的高斯-马尔可夫随机场空间模型(2018年)
  13. Hong,Younghee;Kim,Choongrak:高维协方差估计及其相关问题的最新进展,综述(2018)
  14. 李培丽;肖云海:一种基于对偶形式的稀疏逆协方差矩阵估计的有效算法(2018)
  15. Sadinle,Mauricio:记录关联不确定性的贝叶斯传播到侵犯人权行为的人口规模估计中(2018年)
  16. Yang,Zhooran;Ning,Yang;Liu,Han:关于半参数指数族图形模型(2018)
  17. 袁晓彤;李萍;张彤彤:梯度硬阈值追求(2018)
  18. Yuen,T.P.;Wong,H.;Yiu,K.F.C.:关于图形时间序列模型的约束估计(2018)
  19. Datta,Sagnik;Gayraud,Ghislaine;Leclerc,Eric;Bois,Frederic Y.:\textitGraph_sampler:DAG模型完全贝叶斯分析的简单工具(2017)
  20. Hirose,Kei;Fujisawa,Hironori;Sese,Jun:鲁棒稀疏高斯图形建模(2017)

1 2 ... 5 6 7 下一个