高斯图模型选择中的多重检验与误差控制
统计理论
2008-02-08 v3 统计理论
摘要
图模型为探索多元依赖模式提供了框架。图与统计模型之间的联系通过将图的顶点与观测变量相对应，并将图中的边模式转化为施加在变量联合分布上的条件独立性模式来实现。聚焦于高斯模型，我们回顾经典图模型。对于这些模型，定义性的条件独立性等价于图中不存在的某些单独边所对应的（偏）相关系数的消失。因此，高斯图模型选择可通过关于（偏）相关系数消失的假设的多重检验来执行。我们展示并举例说明该方法如何允许人们在控制错误边 inclusion 的误差率的同时进行模型选择。
引用
@article{arxiv.math/0508267,
title = {Multiple Testing and Error Control in Gaussian Graphical Model Selection},
author = {Mathias Drton and Michael D. Perlman},
journal= {arXiv preprint arXiv:math/0508267},
year = {2008}
}
备注
Published in at http://dx.doi.org/10.1214/088342307000000113 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)