[论文解读] Perfect Tree-Like Markovian Distributions

Ann Becker, Dan Geiger+1 more|arXiv (Cornell University)|Jan 16, 2013

Bayesian Modeling and Causal Inference参考文献 9被引用 12

一句话总结

本文证明，对于严格正的联合概率分布——无论是二元还是多元正态分布——根据树结构进行分解，意味着树中的顶点分离能够完整捕捉分布中所有且仅有的条件独立关系。其核心贡献在于发现了一种新的条件独立性质，确保树状马尔可夫网络能完美表示此类分布的独立性结构。

ABSTRACT

We show that if a strictly positive joint probability distribution for a set of binary random variables factors according to a tree, then vertex separation represents all and only the independence relations enclosed in the distribution. The same result is shown to hold also for multivariate strictly positive normal distributions. Our proof uses a new property of conditional independence that holds for these two classes of probability distributions.

研究动机与目标

• 刻画树状图模型与它们在严格正分布中编码的条件独立关系之间的精确关系。
• 确定树中的顶点分离是否完整捕捉了底层概率分布中的所有且仅有的条件独立陈述。
• 将此表征扩展至多元严格正态分布。
• 识别出仅适用于这两类分布的一种新的条件独立性质。
• 确立树状分解在通过顶点分离表示独立性关系方面是充分且必要的。

提出的方法

• 利用在严格正分布中，条件独立关系完全由分解结构决定的性质。
• 应用顶点分离作为识别树状图中条件独立性的标准。
• 利用在严格正分布中，树状模型的全局马尔可夫性质以等式成立的事实。
• 证明树状分布的条件独立结构完全由顶点分离刻画。
• 通过利用相同的条件独立性质，将结果从二元分布扩展至多元正态分布。
• 依赖于新发现的、适用于严格正二元和多元正态分布的条件独立性质。

实验结果

研究问题

• RQ1 在树状图模型中，顶点分离是否完整捕捉了严格正联合分布中的所有且仅有的条件独立关系？
• RQ2 是否可将通过顶点分离表征独立性的方法扩展至多元严格正态分布？
• RQ3 何种结构或概率性质使得树状模型能完美表示这些分布中的独立性？
• RQ4 是否存在一种唯一的条件独立性质，适用于严格正二元和正态分布，从而确保这种完美对应？
• RQ5 是否存在某些分布，使得树状分解无法通过顶点分离表示独立性？

主要发现

• 对于任何根据树结构分解的严格正联合分布，树中的顶点分离完整捕捉了分布中所有且仅有的条件独立关系。
• 该结果同样适用于多元严格正态分布，其中树状分解也通过顶点分离完美表示独立性。
• 本文识别出一种新的条件独立性质，该性质被严格正二元和多元正态分布所满足。
• 该新性质确保了在这些分布的树状模型中，全局马尔可夫性质以等式成立。
• 该结果表明，树状马尔可夫网络在表示此类分布的独立性方面是充分且必要的。
• 研究结果建立了在这些情况下，树的图结构与分布的条件独立结构之间基础性的等价关系。