[论文解读] Faithfulness in Chain Graphs: The Gaussian Case

José M. Peña|arXiv (Cornell University)|Aug 13, 2010

Bayesian Modeling and Causal Inference被引用 7

一句话总结

该论文证明，在高斯分布情况下，几乎所有在链图上分解的正态分布都是对链图忠实的——那些不忠实的分布构成的集合在参数空间中的勒贝格测度为零。该结果将无环有向图和无向图的忠实性结果扩展到了链图，基于Lauritzen-Wermuth-Frydenberg解释，确认在此设定下忠实性是典型的。

ABSTRACT

This paper deals with chain graphs under the classic Lauritzen-Wermuth-Frydenberg interpretation. We prove that the regular Gaussian distributions that factorize with respect to a chain graph $G$ with $d$ parameters have positive Lebesgue measure with respect to $\mathbb{R}^d$, whereas those that factorize with respect to $G$ but are not faithful to it have zero Lebesgue measure with respect to $\mathbb{R}^d$. This means that, in the measure-theoretic sense described, almost all the regular Gaussian distributions that factorize with respect to $G$ are faithful to it.

研究动机与目标

• 在Lauritzen-Wermuth-Frydenberg解释下，建立在链图上分解的正态分布中忠实性的普遍性。
• 将先前针对无环有向图和无向图的忠实性结果扩展到更一般的链图类别。
• 证明在链图上的正态分布中，道德化和d-分离准则都是完备的。
• 表明忠实性在测度论意义上是典型的，即不忠实的分布构成的集合在参数空间中的勒贝格测度为零。

提出的方法

• 通过基于图的链分量和祖先排序的精度矩阵分解，对在链图上分解的正态分布进行参数化。
• 使用测度论论证，证明在图的d维参数空间中，不忠实分布的集合具有零勒贝格测度。
• 利用已知的高斯马尔可夫随机场和条件高斯分布结果，分析分解分布的结构。
• 应用d-分离和道德化准则，刻画分布中的条件独立性，并证明它们对正态分布是完备的。
• 使用矩阵代数从条件分布和边缘分布推导联合分布，确认结果分解的高斯性质。
• 建立联合分布的精度矩阵可由条件和边缘分量构造，从而保持分解结构。

实验结果

研究问题

• RQ1 在链图上分解的正态分布中，忠实性是否具有典型性？
• RQ2 d-分离和道德化准则是否能识别在链图上分解的正态分布中的所有条件独立性？
• RQ3 与链图的完整参数空间相比，非忠实正态分布集合的测度论大小如何？
• RQ4 链图能否表示无向图或无环有向图无法表示的独立性模型，且在这些情况下忠实性是否具有典型性？

主要发现

• 在链图上分解但不忠实的正态分布集合，在d维参数空间中的勒贝格测度为零。
• 因此，在测度论意义上，几乎所有在链图上分解的正态分布都对链图忠实。
• d-分离和道德化准则对链图上的正态分布是完备的，即它们能识别图所隐含的所有条件独立性。
• 该结果确认链图可以表示无向图或无环有向图无法表示的独立性模型，且此类模型可通过忠实的正态分布普遍实现。
• 该忠实性结果将此前在无环有向图和无向图中建立的测度论忠实性性质，扩展到了链图。