Una revisión de modelos gráficos encadenados para tablas de contingencia multidimensionales

  1. Claudio Rafael Castro López 1
  2. Purificación GalindoVillardón 2
  1. 1 Facultad de Estadística e Informática, Universidad Veracruzana, México
  2. 2 Departamento de Estadística, Universidad de Salamanca, España
Revista:
Investigación Operacional

ISSN: 2224-5405

Año de publicación: 2007

Volumen: 28

Número: 1

Páginas: 39-51

Tipo: Artículo

GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Investigación Operacional

Resumen

En el marco de los modelos gráficos encadenados, se presenta una descripción de los conceptos en los que está basada esta metodología de análisis estadístico, para modelizar una tabla de contingencia multidimensional con variables respuesta. Se abordan los modelos gráficos encadenados, sus propiedades, estimación y búsqueda del modelo. Se recurre a datos producidos por un estudio de opinión, para ilustrar una aplicación y mostrar las potencialidades de aplicación, que tiene la modelización gráfica

Referencias bibliográficas

  • AGRESTI, A. (1990): Categorical Data Análisis. Wiley, New York.
  • ASMUSSEN, S & EDWARDS, (1983): Collapsibility and Response Variables in Contingency tables. Biometrika. 70, 567-578.
  • BADSBERG, J. H. (1995): An Enviroment for Graphical Models. PhD Thesis, Aalborg University.
  • CHRISTENSEN, R. (1990): Log-linear Models and Logistic Regression. Springer Verlag, Berlin.
  • DARROCH, J.N.; LAURITZEN, S.L. & SPEED, T.P. (1980): Markov Fields and Log-linear Interaction Models for Contingency Tables. Annals of Statistics. 8, 522-539.
  • DEMPSTER, A.P., LAIRD, N.M. and RUBIN, D.B. (1977): Maximun Likelihood from Incomplete Data Via the EM Algorithm. Journal of the Royal Statistical Society. B 39, 1- 38
  • EDWARDS, D. and HAVRANEK, T. (1985): A Fast Procedure for Model Search in Multidimensional Contingency Tables. Biometrika. 72, 339-351.
  • EDWARDS, D. and HAVRÁNEK (1987): A fast model selection procedure for large families of models. Journal American Statistical Association. 82, 205-213.
  • EDWARDS, D. (2000): Introduction to Graphical Modelling. Springer Verlag. New York.
  • FRYDENBERG, M (1990): Marginalization and collapsibility in graphical interaction models. Annals of Statistics. 18, 790-805.
  • FRYDENBERG, M. and EDWARDS, D. (1989): A modified Iterative Scaling Algorithm for Estimation in regular Exponential Families. Computational Statistics and Data Analysis. 8, 142-153.
  • HOJSGAARD, S. (2004): The mimR Package for Graphical Modelling in R. Journal of Statistical Software. 11, issue 6.
  • LAURITZEN, S.L. and WERMUTH, N. (1989): Graphical Models for Associations between Variables, Some of Which are Qualitative and Quantitative. Annals of Statistics. 17, 31- 57.
  • LAURITZEN, S.L. (1996): Graphical Models. Clarendon Press. Oxford. LAURITZEN (1999): Causal Inference from Graphical Models. Research report R-99- 2021. Aalborg University.
  • LAURITZEN,S.L. (2002): Lectures On Contingency Tables. Electronic Edition.
  • PEARL,J.(1986): Fusion, Propagation and Structuring in Belief Networks. Artificial Inteligence, 29: 241-88.
  • PEARL,J. 1990: Aspects Of Graphical Models Connected With Causality. Computer Science Department. University of California, Los Angeles California.
  • STANGHELLINI E. (2003): Monitoring the Behaviour of Credit Card Holders with Graphical Chain Models. Journal of Business Finance Accounting.
  • STUDENY M. (1997): On separation Criterion and recovery Algorithm for Chain Graphs. Institute of Information Theory and Automation Academy of Sciences of Czech Republic, Prague.
  • SONDEO DE OPINION UNIVERSIDAD VERACRUZANA (2000): Facultad de Estadística e Informática, Laboratorio de Investigación y Asesoría Estadística Universidad Veracruzana. Reporte de Investigación.
  • TIERNY, L. (1990): LISP-STAT, Wiley and Sons Inc., New York.
  • VERMA, T. and PEARL, J. (1990): Causal Networks: Semantics and Expressiveness. Uncertainy in Artificial Intelligence IV. R. D. Scachter. 66-76.
  • WERMUTH, N (2003): Analyzing Social Science Data with Graphical Markov Models. University of Mainz.
  • WERMUTH, N and COX D.R. (1998): On the application of conditional independence to ordinal data. International Statistical Review. . 66 , 181-199. .
  • WHITTAKER, J. (1990): Graphical Models in Applied Multivariate Statistics. Wiley, New York.