Likelihood Ratio test for Poisson graph
泊松有向图模型的似然比检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要把有向图用于描述因果作用并检验方向与路径，支持因果推断分类；图结构本身未提供单位间干扰的依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
泊松有向图模型的似然比检验
- 研究问题
- 对于离散计数变量构成的泊松有向图，如何在高维条件下检验有向连接和有向路径，并刻画统计量的零假设分布？
- 方法与思路
- 作者在非凸无环约束下构造似然比检验，推导高维零假设渐近分布，并开展功效分析、模拟和球员统计数据应用。
- 材料陈述的贡献
- 摘要称建立了有向连接与路径的推断方法及渐近分布，模拟和篮球统计网络应用展示了所提检验的用途。
- 阅读关注点
- 应核对泊松图的结构假设、因果方向的识别依据、维数增长条件，以及非凸优化误差是否影响检验有效性。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未说明识别和高维正则条件，统计网络的有向关系不能自动视为因果作用。
原文摘要
Directed acyclic graphs are widely used to describe the causal effects among random variables, and the inference of those causal effects has become an popular topic in statistics and machine learning, and has wide applications in neuroinformatics, bioinformatics and so on. However, most studies focus on the estimation or inference of the directional relations among continuous random variables, those among discrete random variables have not gained much attentions. In this article we focus on the inference of directed linkages and directed pathways in a Poisson directed graphical model. We employ likelihood ratio tests subject to non-convex acyclicity constraints, and derive the asymptotic distributions of the test statistic under the null hypothesis is true in high-dimensional situations. The power analysis and simulations suggest that the tests achieve the desired objectives of inference. An analysis of a basketball statistics dataset of NBA players during 2016-2017 season illustrates the utility of the proposed method to infer directed linkages and directed pathways in player's statistics network.