稀疏稳健条件图模型的结构学习和参数估计

发布时间：2018-04-23 20:38

本文选题：数理统计 + 复合分位回归　；参考：《中国科技论文》2017年17期

【摘要】：为了刻画一般的可能是非高斯的连续型随机变量间的依赖关系网络,研究基于复合分位回归的方法,提出了1个稀疏的稳健条件图模型(robust conditional graphical model,RCGM)估计,证明了该模型在维数固定时具有渐进正态性和相合性的神谕(Oracle)性质。通过大量模拟试验发现:提出的方法具有更好的有限样本下的表现,在1个实际的基因型-基因组数据上的应用也体现出更多的稳健信号。
[Abstract]:In order to characterize the general dependence networks between continuous random variables, which may be non-, a sparse robust conditional graphical model is proposed based on complex quantile regression. It is proved that the model has the properties of asymptotic normality and consistency when the dimension is fixed. Through a large number of simulation experiments, it is found that the proposed method has better performance under a limited sample, and the application of the proposed method in a real genome-genome data also shows more robust signals.
【作者单位】：中国人民大学应用统计科学研究中心;中国人民大学统计学院;美国德州农工大学统计系;
【基金】：高等学校博士学科点专项科研基金资助项目(20120004120007) 国家自然科学基金资助项目(11201479)
【分类号】：O212

【相似文献】