×

高斯协方差忠实马尔可夫树。 (英语) Zbl 1233.62172号

摘要:图形模型有助于表征高维分布中的条件独立结构和边缘独立结构。一类重要的图形模型是协方差图模型,其中图的节点表示随机向量的不同组成部分,任何一对变量之间没有边意味着边际独立性。协方差图模型还表示变量子集之间更复杂的条件独立关系。当协方差图捕获或反映概率分布中存在的所有条件独立性声明时,后者被称为忠实于其协方差图,尽管通常这并不保证。然而,忠实性至关重要,例如,在通过测试条件独立性进行的模型选择程序中。因此,对忠实性假设的分析对于理解图(一个离散对象)充分捕获其所要描述的概率分布的显著特征的能力非常重要。我们证明了以树作为协方差图的多元高斯分布必然是可靠的。

MSC公司:

62M99型 随机过程推断
05摄氏90度 图论的应用
62小时05 多元概率分布的表征与结构理论;连接线
62H10型 统计的多元分布

软件:

最小电流
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] D.R.Cox和N.Wermuth,《多元相关性》,《统计学和应用概率专著》第67卷,查普曼和霍尔出版社,英国伦敦,1996年·Zbl 0880.62124号
[2] S.L.Lauritzen,《图形模型》,《牛津统计科学丛书》第17卷,克拉伦登出版社,牛津大学出版社,纽约州纽约市,美国,1996年·Zbl 0907.62001
[3] J.Whittaker,《应用多元统计中的图形模型》,《概率和数学统计中的Wiley级数:概率和数学统计学》,John Wiley&Sons Ltd.,英国奇切斯特,1990年·兹比尔0732.62056
[4] D.Edwards,《图形建模导论》,《统计学中的斯普林格文本》,斯普林格出版社,纽约州纽约市,美国,第2版,2000年·Zbl 0952.62003号
[5] B.Rajaratnam、H.Massam和C.M.Carvalho,“图形高斯模型中的灵活协方差估计”,《统计年鉴》,第36卷,第6期,第2818-2849页,2008年·Zbl 1168.62054号 ·doi:10.1214/08-AOS619
[6] G.Kauermann,“关于图形高斯模型的二元化”,《斯堪的纳维亚统计杂志》,第23卷,第1期,第105-116页,1996年·Zbl 0912.62006号
[7] M.Banerjee和T.Richardson,“关于图形高斯模型的二元化:更正说明”,《斯堪的纳维亚统计杂志》,第30卷,第4期,第817-820页,2003年·兹比尔1053.62079 ·doi:10.1111/1467-9469.00366
[8] N.Wermuth、D.R.Cox和G.M.Marchetti,“协方差链”,伯努利,第12卷,第5期,第841-862页,2006年·Zbl 1134.62031号 ·doi:10.3150/bj/1161614949
[9] D.Malouche,“通过低阶条件作用确定完全条件独立性”,伯努利,第15卷,第4期,第1179-1189页,2009年·Zbl 1206.60009 ·doi:10.3150/09-BEJ193
[10] K.Khare和B.Rajaratnam,“锥上的协方差树和Wishart分布”,载于《统计和概率中的代数方法II》,当代数学第516卷,第215-223页,美国数学学会,普罗维登斯,RI,美国,2010年·Zbl 1513.62119号
[11] K.Khare和B.Rajaratnam,“可分解协方差图模型的Wishart分布”,《统计年鉴》,第39卷,第1期,第514-555页,2011年·Zbl 1274.62369号 ·doi:10.1214/10-AOS841
[12] M.Studen,概率条件独立结构,Springer,纽约州纽约市,美国,2004年·Zbl 1070.62001号
[13] A.Becker、D.Geiger和C.Meek,“完美树状马尔可夫分布”,《概率与数学统计》,第25卷,第2期,第231-239页,2005年·Zbl 1122.60013号
[14] R.A.Brualdi和D.Cvetkovic,矩阵理论及其应用的组合方法,Chapman&Hall/CRC,美国纽约州纽约市,2008年·Zbl 1155.15003号
[15] B.Jones和M.West,“无向高斯图形模型中的协方差分解”,《生物统计学》,第92卷,第4期,第779-786页,2005年·Zbl 1160.62328号 ·doi:10.1093/biomet/92.4.779
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。