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。
图形模型是增加扩散的有用工具。在范畴变量框架中,它们为理解所考虑变量之间的关系提供了重要的视觉支持。此外,特殊的链图模型适合表示多元回归模型。然而,由于涉及大量参数,当变量数量增加时,相关参数化(如边际对数线性模型)通常很难解释。相反,条件独立性和边际独立性减少了表示变量联合概率分布所需的参数数量。根据节约原则,也值得考虑所谓的上下文独立性,即条件集中变量的特定值的条件独立性。在这项工作中,我们提出了一种特殊的链图形模型,能够通过标记的弧来表示这些上下文特定的独立性。我们还提供了能够从这个新的链图描述边际、条件和上下文特定的独立性的马尔可夫性质。最后,我们将在实际数据集的应用程序中显示结果。
费德里卡·尼科卢西。 曼努埃拉·卡扎罗。 “分层链回归图形模型中上下文的独立性。” 伯努利 27 (3) 2091 - 2116, 2021年8月。 https://doi.org/10.3150/20-BEJ1302网址