我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
标准高斯图形模型隐含地假设变量之间的条件独立性对于样本中的所有观测是共同的。然而,在实践中,观察结果通常是从不满足这种假设的异质人群中收集的,从而导致变量之间的非线性关系。为了解决这种情况,我们研究了高斯图形模型的混合;特别地,我们考虑了无限混合和无限隐马尔可夫模型,其中排放分布对应于高斯图形模型。这样的模型允许我们将异质种群划分为同质组,每个集群都有自己的条件独立结构。作为一个例子,我们研究了前欧元时代汇率波动的趋势。
阿贝尔·罗德里格斯。 亚历克斯·伦科斯基。 阿德里安·多布拉。 “异质样本中的稀疏协方差估计。” 电子。J.统计。 5 981 - 1014, 2011 https://doi.org/10.1214/11-EJS634