关于线性房室模型可识别重参数化的存在性
组合数学
2016-03-08 v2 统计理论
统计理论
摘要
线性房室模型的参数通常根据实验输入输出数据进行估计。当无穷多个参数值可能产生相同结果时，就会出现问题；此类模型称为不可识别的。在这种情况下，可以寻找该模型的可识别重参数化：一种减少参数数量的映射，使得简化后模型是可识别的。我们研究一类已知不可识别的特定模型。利用代数几何与图论，我们将 Meshkat 和 Sullivant 给出的关于存在可识别缩放重参数化的判据，转化为基于某个二部图的加权邻接矩阵秩的新判据。这使我们推导出几种获得具有可识别缩放重参数化的图的新构造。利用这些构造，得到了此类图的一个大子类。最后，我们给出了一种通过细分或删除边来确保模型具有可识别缩放重参数化的步骤。
引用
@article{arxiv.1509.02551,
title = {On the existence of identifiable reparametrizations for linear compartment models},
author = {Jasmijn A. Baaijens and Jan Draisma},
journal= {arXiv preprint arXiv:1509.02551},
year = {2016}
}