Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions (2024)
- Authors:
- USP affiliated authors: LEONARDI, FLORENCIA GRACIELA - IME ; CARVALHO, RODRIGO RIBEIRO SANTOS DE - IME
- Unidade: IME
- DOI: 10.1111/sjos.12674
- Subjects: PROBABILIDADE; ANÁLISE DE COVARIÂNCIA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Scandinavian Journal of Statistics
- ISSN: 0303-6898
- Volume/Número/Paginação/Ano: v. 51, n. 1, p. 64-88, 2024
- Status:
- Artigo possui acesso gratuito no site do editor (Bronze Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
LEONARDI, Florencia Graciela e CARVALHO, Rodrigo e FRONDANA, Iara. Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions. Scandinavian Journal of Statistics, v. 51, n. 1, p. 64-88, 2024Tradução . . Disponível em: https://doi.org/10.1111/sjos.12674. Acesso em: 11 abr. 2026. -
APA
Leonardi, F. G., Carvalho, R., & Frondana, I. (2024). Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions. Scandinavian Journal of Statistics, 51( 1), 64-88. doi:10.1111/sjos.12674 -
NLM
Leonardi FG, Carvalho R, Frondana I. Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions [Internet]. Scandinavian Journal of Statistics. 2024 ; 51( 1): 64-88.[citado 2026 abr. 11 ] Available from: https://doi.org/10.1111/sjos.12674 -
Vancouver
Leonardi FG, Carvalho R, Frondana I. Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions [Internet]. Scandinavian Journal of Statistics. 2024 ; 51( 1): 64-88.[citado 2026 abr. 11 ] Available from: https://doi.org/10.1111/sjos.12674 - Seleção de modelos para campos aleatórios de Markov
- Consistent model selection for the degree corrected stochastic blockmodel
- Change point detection for high-dimensional regression data with l1-regularization
- Context tree selection: a unifying view
- Some upper bounds for the rate of convergence of penalized likelihood context tree estimators
- Computationally efficient change point detection for high-dimensional regression
- Nonparametric statistical inference for the context tree of a stationary ergodic process
- Advances in probability and mathematical statistics
- Comments on: a random forest guided tour
- Loss of memory of hidden Markov models and Lyapunov exponents
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3162243.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
