Il graphical lasso è uno degli stimatori più utilizzati per fare inferenza sulle reti genetiche. Nonostante la sua elevata diffusione, esistono parecchi campi applicativi dove i limiti degli strumenti di misurazione ne rendono teoricamente ingiustificato l’utilizzo, anche quando l’assunzione relativa alla distribuzione normale multivariata è soddisfatta.

The covariate adjusted glasso is one of the most used estimators for inferring genetic networks. Despite its diffusion, there are several fields in applied research where the limits of detection of modern measurement technologies make the use of this estimator theoretically unfounded, even when the assumption of a multivariate Gaussian distribution is satisfied. In this paper we propose an extension to censored data

Covariate adjusted censored gaussian lasso estimator / Augugliaro, Luigi; Sottile, Gianluca; Vinciotti, Veronica. - (2021), pp. 1456-1461. (Intervento presentato al convegno SIS2021 tenutosi a Pisa nel 21-25/06/2021).

Covariate adjusted censored gaussian lasso estimator

Vinciotti, Veronica
2021-01-01

Abstract

Il graphical lasso è uno degli stimatori più utilizzati per fare inferenza sulle reti genetiche. Nonostante la sua elevata diffusione, esistono parecchi campi applicativi dove i limiti degli strumenti di misurazione ne rendono teoricamente ingiustificato l’utilizzo, anche quando l’assunzione relativa alla distribuzione normale multivariata è soddisfatta.
2021
Book of Short Papers SIS 2021
London
Pearson
9788891927361
Augugliaro, Luigi; Sottile, Gianluca; Vinciotti, Veronica
Covariate adjusted censored gaussian lasso estimator / Augugliaro, Luigi; Sottile, Gianluca; Vinciotti, Veronica. - (2021), pp. 1456-1461. (Intervento presentato al convegno SIS2021 tenutosi a Pisa nel 21-25/06/2021).
File in questo prodotto:
File Dimensione Formato  
cglasso-sis2021.pdf

Solo gestori archivio

Tipologia: Post-print referato (Refereed author’s manuscript)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 121.72 kB
Formato Adobe PDF
121.72 kB Adobe PDF   Visualizza/Apri

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/11572/311274
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
  • OpenAlex ND
social impact