In this paper we discuss a class of models of marginal independence for a set of categorical variables called discrete covariance graph models. These models, introduced by Drton & Richardson (2005) in the binary case, are a useful addition to standard graphical log-linear models which are represented by an undirected graph and encode conditional independencies, Lauritzen (1996).

Parameterization and fitting of discrete covariance graph models / M. Lupparelli; G.M. Marchetti. - STAMPA. - (2006), pp. 68-69. (Intervento presentato al convegno Convengo organizzato dal dipartimento di economia finanza e statistica di Perugia tenutosi a Perugia nel settembre 2006).

Parameterization and fitting of discrete covariance graph models

LUPPARELLI, MONIA;
2006

Abstract

In this paper we discuss a class of models of marginal independence for a set of categorical variables called discrete covariance graph models. These models, introduced by Drton & Richardson (2005) in the binary case, are a useful addition to standard graphical log-linear models which are represented by an undirected graph and encode conditional independencies, Lauritzen (1996).
2006
Statistical latent variables models in the health science
68
69
Parameterization and fitting of discrete covariance graph models / M. Lupparelli; G.M. Marchetti. - STAMPA. - (2006), pp. 68-69. (Intervento presentato al convegno Convengo organizzato dal dipartimento di economia finanza e statistica di Perugia tenutosi a Perugia nel settembre 2006).
M. Lupparelli; G.M. Marchetti
File in questo prodotto:
Eventuali allegati, non sono esposti

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/68197
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact