[논문 리뷰] An Alternative Markov Property for Chain Graphs

Steen A. Andersson, David Madigan외 1명|arXiv (Cornell University)|2013. 02. 13.

Bayesian Modeling and Causal Inference참고 문헌 22인용 수 45

한 줄 요약

이 논문은 인과적 및 연관적 의존성을 동시에 모델링할 수 있도록 유 directed 및 undirected 간선을 포함하는 혼합 그래프인 체인 그래프(chain graphs)에 대한 대체 마르코프 성질(AMP)을 제안한다. LWF 마르코프 성질과는 달리, AMP는 비순환 directed 그래프(ADG)의 마르코프 성질을 더 직접적으로 확장하여, 특히 관측 및 개입 데이터를 동시에 포함하는 맥락에서 조건부 인코herent한 독립성에 대한 더 직관적이고 통계적으로 타당한 해석을 가능하게 한다.

ABSTRACT

Graphical Markov models use graphs, either undirected, directed, or mixed, to represent possible dependences among statistical variables. Applications of undirected graphs (UDGs) include models for spatial dependence and image analysis, while acyclic directed graphs (ADGs), which are especially convenient for statistical analysis, arise in such fields as genetics and psychometrics and as models for expert systems and Bayesian belief networks. Lauritzen, Wermuth and Frydenberg (LWF) introduced a Markov property for chain graphs, which are mixed graphs that can be used to represent simultaneously both causal and associative dependencies and which include both UDGs and ADGs as special cases. In this paper an alternative Markov property (AMP) for chain graphs is introduced, which in some ways is a more direct extension of the ADG Markov property than is the LWF property for chain graph.

연구 동기 및 목표

• 체인 그래프에 대한 LWF 마르코프 성질의 한계를 해결하기 위해, 이는 직관에 어긋나는 조건부 인코herent한 독립성 진술을 초래할 수 있다.
• 비순환 directed 그래프(ADG)의 마르코프 성질을 더 자연스럽게 확장하는 체인 그래프에 대한 마르코프 성질을 개발하기 위해.
• 유 directed 및 undirected 간선을 포함하는 혼합 그래프를 사용하여 인과적 및 연관적 의존성을 동시에 모델링하기 위한 통계적으로 타당하고 해석 가능한 프레임워크를 제공하기 위해.
• 특히 관측 및 개입 데이터를 동시에 포함하는 애플리케이션에서 조건부 인코herent한 독립성의 표현을 향상시키기 위해.

제안 방법

• Directed 및 undirected 간선을 포함하는 혼합 그래프에 적응된 d-분리 개념을 기반으로, 체인 그래프에 대한 새로운 마르코프 성질(AMP)을 제안한다.
• 체인 그래프의 체인 구성요소의 구조를 고려하여 d-분리를 일반화한 m-분리 개념을 사용하여 AMP 마르코프 성질을 정의한다.
• AMP 성질을 사용하여 체인 그래프로 표현된 변수들에 대한 확률 분포의 조건부 인코herent한 독립성 구조를 특성화한다.
• AMP 성질이 그래프의 구조와 일치하는 연속 확률 분포의 인수분해를 이끌어내는 것을 확립한다.
• AMP 성질이 마르코프 동치성에 대해 불변임을 보여, 모델 선택의 강건성을 확보한다.
• AMP 성질과 LWF 성질 간의 조건부 인코herent한 독립성 함의를 비교하여, LWF 성질이 초래할 수 있는 일부 직관에 어긋나는 결과를 피하는 것을 보여준다.

실험 결과

연구 질문

• RQ1 비순환 directed 그래프의 마르코프 성질을 더 직접적으로 확장할 수 있는 체인 그래프에 대한 마르코프 성질은 어떻게 정의할 수 있는가?
• RQ2 제안된 AMP 마르코프 성질의 조건부 인코herent한 독립성 함의는 LWF 성질과 비교하여 어떠한가?
• RQ3 AMP 성질은 directed 및 undirected 간선을 모두 포함하는 그래픽 모델에 대해 더 직관적이고 통계적으로 타당한 해석을 제공하는가?
• RQ4 AMP 성질을 사용하여 그래프의 구조를 존중하는 유효한 연속 확률 분포의 인수분해를 도출할 수 있는가?
• RQ5 마르코프 동치성 및 모델 선택 측면에서 AMP 성질은 LWF 성질과 비교하여 어떠한가?

주요 결과

• AMP 마르코프 성질은 LWF 성질보다 비순환 directed 그래프(ADG)의 마르코프 성질을 체인 그래프로 더 직접적이고 직관적으로 확장한다.
• AMP 성질은 LWF 성질 하에서 발생할 수 있는 일부 직관에 어긋나는 조건부 인코herent한 독립성 진술을 피한다.
• AMP 성질은 그래프의 구조와 일치하는 유효한 연속 확률 분포의 인수분해를 이끌어낸다.
• AMP 성질은 마르코프 동치성에 대해 불변이므로, 동치인 그래프들이 동일한 조건부 인코herent한 독립성 구조를 유도함을 보장한다.
• AMP 성질은 혼합 그래픽 모델에서 인과적 및 연관적 의존성을 모델링하는 데 더 적합함을 입증한다.
• 논문은 AMP 성질이 특히 관측 및 개입 데이터를 동시에 포함하는 애플리케이션에서 체인 그래프의 조건부 인코herent한 독립성에 대해 더 통합된 해석을 제공함을 보여준다.