Graphical Models for Complex Multivariate Data

Faithlessness in Gaussian graphical models

Auteurs: Mathias Drton, Leonard Henckel, Benjamin Hollering, Pratik Misra
Publié dans: Bernoulli, Numéro 32, 2026, Page(s) 638-663, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/25-bej1873

Rational maximum likelihood estimators of Kronecker covariance matrices

Auteurs: Mathias Drton, Alexandros Grosdos, Andrew McCormack
Publié dans: Algebraic Statistics, Numéro 15, 2024, Page(s) 145-164, ISSN 2693-3004
Éditeur: Mathematical Sciences Publishers
DOI: 10.2140/astat.2024.15.145

Confidence Sets for Causal Orderings

Auteurs: Y. Samuel Wang, Mladen Kolar, Mathias Drton
Publié dans: Journal of the American Statistical Association, Numéro 121, 2026, Page(s) 690-703, ISSN 0162-1459
Éditeur: American Statistical Association
DOI: 10.1080/01621459.2025.2542552

Partial Homoscedasticity in Causal Discovery with Linear Models

Auteurs: Jun Wu, Mathias Drton
Publié dans: IEEE Journal on Selected Areas in Information Theory, 2023, ISSN 2641-8770
Éditeur: Institute of Electrical and Electronics Engineers (IEEE)
DOI: 10.1109/jsait.2023.3328476

Learning Linear Gaussian Polytree Models With Interventions

Auteurs: Daniele Tramontano, Leonard Waldmann, Mathias Drton, Eliana Duarte
Publié dans: IEEE Journal on Selected Areas in Information Theory, 2023, ISSN 2641-8770
Éditeur: Institute of Electrical and Electronics Engineers (IEEE)
DOI: 10.1109/jsait.2023.3328429

Half-Trek Criterion for Identifiability of Latent Variable Models

Auteurs: Rina Foygel Barber, Mathias Drton, Nils Sturma, Luca Weihs
Publié dans: The Annals of Statistics, Numéro 50, 2022, Page(s) 3174-3196, ISSN 0090-5364
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/22-aos2221

On weak convergence of Gaussian conditional distributions

Auteurs: Sarah Lumpp, Mathias Drton
Publié dans: Statistics & Probability Letters, Numéro 226, 2026, Page(s) 110497, ISSN 0167-7152
Éditeur: Elsevier BV
DOI: 10.1016/j.spl.2025.110497

On the choice of the splitting ratio for the split likelihood ratio test

Auteurs: David Strieder, Mathias Drton
Publié dans: Electronic Journal of Statistics, Numéro 16, 2022, Page(s) 6631-6650, ISSN 1935-7524
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/22-ejs2099

Causal Structural Learning via Local Graphs

Auteurs: Wenyu Chen, Mathias Drton, Ali Shojaie
Publié dans: SIAM Journal on Mathematics of Data Science, Numéro 5(2), 2023, Page(s) 280-305, ISSN 2577-0187
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m1362796

"Discussion of ""A note on universal inference"" by Timmy Tse and Anthony Davison"

Auteurs: Mathias Drton, Hongjian Shi, David Strieder
Publié dans: Stat, Numéro 12(1), 2023, Page(s) e574, ISSN 2049-1573
Éditeur: Wiley
DOI: 10.1002/sta4.572

Mixtures of discrete decomposable graphical models

Auteurs: Yulia Alexandr, Jane Ivy Coons, Nils Sturma
Publié dans: Algebraic Statistics, Numéro 15, 2024, Page(s) 269-293, ISSN 2693-3004
Éditeur: Mathematical Sciences Publishers
DOI: 10.2140/astat.2024.15.269

On Azadkia–Chatterjee’s conditional dependence coefficient

Auteurs: Hongjian Shi, Mathias Drton, Fang Han
Publié dans: Bernoulli, Numéro 30, 2024, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/22-bej1529

Identifiability of homoscedastic linear structural equation models using algebraic matroids

Auteurs: Mathias Drton, Benjamin Hollering, Jun Wu
Publié dans: Advances in Applied Mathematics, Numéro 163, 2024, Page(s) 102794, ISSN 0196-8858
Éditeur: Academic Press
DOI: 10.1016/j.aam.2024.102794

On the power of Chatterjee’s rank correlation

Auteurs: Hongjian Shi, Mathias Drton, Fang Han
Publié dans: Biometrika, 2021, ISSN 0006-3444
Éditeur: Oxford University Press
DOI: 10.1093/biomet/asab028

Algebraic Sparse Factor Analysis

Auteurs: Mathias Drton, Alexandros Grosdos, Irem Portakal, Nils Sturma
Publié dans: SIAM Journal on Applied Algebra and Geometry, Numéro 9, 2025, Page(s) 279-309, ISSN 2470-6566
Éditeur: Society for Industrial & Applied Mathematics (SIAM)
DOI: 10.1137/23m1626517

Goodness-of-fit tests for linear non-Gaussian structural equation models

Auteurs: D Schkoda, M Drton
Publié dans: Biometrika, Numéro 112, 2026, Page(s) asaf046, ISSN 0006-3444
Éditeur: Oxford University Press
DOI: 10.1093/biomet/asaf046

Homaloidal polynomials and Gaussian models of maximum likelihood degree 1

Auteurs: Shelby Cox, Pratik Misra, Pardis Semnani
Publié dans: Algebraic Statistics, Numéro 15, 2024, Page(s) 167-198, ISSN 2693-3004
Éditeur: Mathematical Sciences Publishers
DOI: 10.2140/astat.2024.15.167

Testing many constraints in possibly irregular models using incomplete <i>U</i>-statistics

Auteurs: Nils Sturma, Mathias Drton, Dennis Leung
Publié dans: Journal of the Royal Statistical Society Series B: Statistical Methodology, Numéro 86, 2024, Page(s) 987-1012, ISSN 1369-7412
Éditeur: Blackwell Publishing Inc.
DOI: 10.1093/jrsssb/qkae022

Cross-validating causal discovery via Leave-One-Variable-Out

Auteurs: Daniela Schkoda; Philipp Michael Faller; Patrick Blöbaum; Dominik Janzing
Publié dans: Proceedings of the Fourth Conference on Causal Learning and Reasoning, Numéro 275, 2025, Page(s) 659-692, ISSN 2640-3498
Éditeur: PMLR
DOI: 10.48550/arxiv.2411.05625

Third-Order Moment Varieties of Linear Non-Gaussian Graphical Models

Auteurs: Carlos Améndola, Mathias Drton, Alexandros Grosdos, Roser Homs, Elina Robeva
Publié dans: Information and Inference. A Journal of the IMA, Numéro 12(3), 2023, Page(s) iaad007, ISSN 2049-8764
Éditeur: Oxford University Press
DOI: 10.1093/imaiai/iaad007

Confidence in causal inference under structure uncertainty in linear causal models with equal variances

Auteurs: David Strieder, Mathias Drton
Publié dans: Journal of Causal Inference, Numéro 11, 2024, Page(s) 20230030, ISSN 2193-3685
Éditeur: Walter de Gruyter GmbH
DOI: 10.1515/jci-2023-0030

On universally consistent and fully distribution-free rank tests of vector independence

Auteurs: Hongjian Shi, Marc Hallin, Mathias Drton, Fang Han
Publié dans: The Annals of Statistics, Numéro 50, 2022, Page(s) 1933-1959, ISSN 0090-5364
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/21-aos2151

Causal inference on process graphs: Causal structure and effect identification

Auteurs: Nicolas-Domenic Reiter, Jonas Wahl, Andreas Gerhardus, Jakob Runge
Publié dans: Bernoulli, Numéro 32, 2026, Page(s) 1356-1382, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/25-bej1909

High-dimensional undirected graphical models for arbitrary mixed data

Auteurs: Konstantin Göbler, Mathias Drton, Sach Mukherjee, Anne Miloschewski
Publié dans: Electronic Journal of Statistics, Numéro 18, 2024, ISSN 1935-7524
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/24-ejs2254

Parameter identification in linear non-Gaussian causal models under general confounding

Auteurs: Daniele Tramontano, Mathias Drton, Jalal Etesami
Publié dans: The Annals of Statistics, Numéro 54, 2026, Page(s) 957-981, ISSN 0090-5364
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/25-aos2597

Distribution-free tests of multivariate independence based on center-outward quadrant, Spearman, Kendall, and van der Waerden statistics

Auteurs: Hongjian Shi, Mathias Drton, Marc Hallin, Fang Han
Publié dans: Bernoulli, Numéro 31, 2025, Page(s) 106-129, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/24-bej1721

Conditional independence in stationary distributions of diffusions

Auteurs: Tobias Boege, Mathias Drton, Benjamin Hollering, Sarah Lumpp, Pratik Misra, Daniela Schkoda
Publié dans: Stochastic Processes and their Applications, Numéro 184, 2025, Page(s) 104604, ISSN 0304-4149
Éditeur: Elsevier BV
DOI: 10.1016/j.spa.2025.104604

Causal Discovery with Unobserved Confounding and non-Gaussian Data

Auteurs: Y. Samuel Wang, Mathias Drton
Publié dans: Journal of Machine Learning Research, Numéro 271, 2023, Page(s) 1−61, ISSN 1533-7928
Éditeur: JMLR, Inc.
DOI: 10.48550/arxiv.2007.11131

Parametric and nonparametric symmetries in graphical models for extremes

Auteurs: Frank Röttger, Jane Ivy Coons, Alexandros Grosdos
Publié dans: Journal of the Royal Statistical Society Series B: Statistical Methodology, 2026, ISSN 1369-7412
Éditeur: Blackwell Publishing Inc.
DOI: 10.1093/jrsssb/qkag079

Directed Graphical Models and Causal Discovery for Zero-Inflated Data

Auteurs: Shiqing Yu, Mathias Drton, Ali Shojaie
Publié dans: Proceedings of the Second Conference on Causal Learning and Reasoning, Numéro 213, 2023, Page(s) 27-67
Éditeur: PMLR

Causal Effect Identification in LiNGAM Models with Latent Confounders

Auteurs: Daniele Tramontano, Yaroslav Kivva, Saber Salehkaleybar, Mathias Drton, Negar Kiyavash
Publié dans: Proceedings of the 41st International Conference on Machine Learning, Numéro 235, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Unpaired Multi-Domain Causal Representation Learning

Auteurs: Nils Sturma, Chandler Squires, Mathias Drton, Caroline Uhler
Publié dans: Advances in Neural Information Processing Systems (NeurIPS 2023), Numéro 36, 2023, Page(s) 34465--34492
Éditeur: Curran Associates, Inc.
DOI: 10.48550/arxiv.2302.00993

Interaction Models and Generalized Score Matching for Compositional Data

Auteurs: Shiqing Yu, Mathias Drton, and Ali Shojaie
Publié dans: Proceedings of the Second Learning on Graphs Conference, Numéro 231, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Root Cause Analysis of Outliers in Unknown Cyclic Graphs

Auteurs: Daniela Schkoda, Dominik Janzing
Publié dans: Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS, 2026
Éditeur: PMLR

Cost-Aware Optimized Front-Door Experimental Design

Auteurs: Leopold Mareis, Mathias Drton
Publié dans: Proceedings of the Fifth Conference on Causal Learning and Reasoning, Numéro 323, 2026, Page(s) 1068-1096
Éditeur: PMLR

Causal Effect Identification in lvLiNGAM from Higher-Order Cumulants

Auteurs: Daniele Tramontano, Yaroslav Kivva, Saber Salehkaleybar, Negar Kiyavash, Mathias Drton
Publié dans: Proceedings of the 42nd International Conference on Machine Learning, 2025, Page(s) 59924-59944
Éditeur: PMLR

Identifying Total Causal Effects in Linear Models under Partial Homoscedasticity

Auteurs: David Strieder, Mathias Drton
Publié dans: Proceedings of the 12th International Conference on Probabilistic Graphical Models, Numéro 246, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Rank-Based Causal Discovery for Post-Nonlinear Models

Auteurs: Grigor Keropyan, David Strieder, Mathias Drton
Publié dans: Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, 2023, Page(s) 7849-7870
Éditeur: PMLR Proceedings of Machine Learning Research

Definite Non-Ancestral Relations and Structure Learning

Auteurs: Wenyu Chen, Mathias Drton, Ali Shojaie
Publié dans: 8th Causal Inference Workshop at UAI, 2021, Page(s) "Paper #2"
Éditeur: causalUAI2021

Efficient Learning of Stationary Diffusions with Stein-type Discrepancies

Auteurs: Fabian Bleile, Sarah Lumpp, Mathias Drton
Publié dans: The 29th International Conference on Artificial Intelligence and Statistics, 2026
Éditeur: PMLR

Robust Score Matching

Auteurs: Richard Schwank, Andrew McCormack, Mathias Drton
Publié dans: Proceedings of the 28th International Conference on Artificial Intelligence and Statistics (AISTATS), 2025
Éditeur: Proceedings of Machine Learning Research (PMLR)

On the Lasso for Graphical Continuous Lyapunov Models

Auteurs: Philipp Dettling, Mathias Drton, Mladen Kolar
Publié dans: Proceedings of the 3rd Conference on Causal Learning and Reasoning, Numéro 236, 2024, Page(s) 514-550
Éditeur: Proceedings of Machine Learning Research (PMLR)
DOI: 10.48550/arxiv.2208.13572

Causal Discovery for Linear Non-Gaussian Models with Disjoint Cycles

Auteurs: Mathias Drton, Marina Garrote-López, Niko Nikov, Elina Robeva, Y. Samuel Wang
Publié dans: Proceedings of the Forty-first Conference on Uncertainty in Artificial Intelligence, Numéro 286, 2025, Page(s) 1064-1083
Éditeur: PMLR

Learning Linear Non-Gaussian Polytree Models

Auteurs: Daniele Tramontano, Anthea Monod, Mathias Drton
Publié dans: Proceedings of the Thirty-Eighth Conference on Uncertainty in Artificial Intelligence, Numéro Proceedings of Machine Learning Research 180, 2022, Page(s) 1960-1969
Éditeur: PMLR
DOI: 10.48550/arxiv.2208.06701

Semiparametric Inference for Half-Trek Estimators in Linear Structural Equation Models

Auteurs: Leopold Mareis, Nils Sturma, Mathias Drton
Publié dans: The 13th International Conference on Probabilistic Graphical Models, 2026
Éditeur: PMLR

Confidence in Causal Discovery with Linear Causal Models

Auteurs: David Strieder, Tobias Freidling, Stefan Haffner, Mathias Drton
Publié dans: Proceedings of the Thirty-Seventh Conference on Uncertainty in Artificial Intelligence, Numéro PMLR 161, 2021, Page(s) 1217-1226
Éditeur: Proceedings of Machine Learning Research

Dual Likelihood for Causal Inference under Structure Uncertainty

Auteurs: David Strieder, Mathias Drton
Publié dans: Proceedings of the 3rd Conference on Causal Learning and Reasoning, Numéro 236, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Coarsening causal DAG models

Auteurs: Francisco Madaleno, Pratik Misra, Alex Markham
Publié dans: 5th Conference on Causal Learning and Reasoning (CLeaR), 2026
Éditeur: PMLR

Center-Outward Sign- and Rank-Based Quadrant, Spearman, and Kendall Tests for Multivariate Independence

Auteurs: Hongjian Shi, Mathias Drton, Marc Hallin, Fang Han
Publié dans: OT-SDM 2022: The 1st International Workshop on Optimal Transport and Structured Data Modeling, 2022
Éditeur: AAAI 2022

Graphical Representations for Algebraic Constraints of Linear Structural Equations Models

Auteurs: Thijs van Ommen, Mathias Drton
Publié dans: Proceedings of The 11th International Conference on Probabilistic Graphical Models, Numéro 186, 2022, Page(s) 409-420
Éditeur: Proceedings of Machine Learning Research (PMLR)
DOI: 10.48550/arxiv.2208.00926

Structural identifiability of graphical continuous Lyapunov models

Auteurs: Carlos Amendola, Tobias Boege, Ben Hollering, Pratik Misra
Publié dans: 2026
Éditeur: arXiv

Asymptotics for Model Selection in Probabilistic Principal Component Analysis

Auteurs: Mathias Drton, Andrew McCormack, Daniel Windisch
Publié dans: 2026
Éditeur: arXiv

Non-parametric recovery of causal diffusion mechanisms from steady-state observations

Auteurs: Richard Schwank, Mathias Drton
Publié dans: 2026
Éditeur: arXiv

Existence of Direct Density Ratio Estimators

Auteurs: Erika Banzato, Mathias Drton, Kian Saraf-Poor, Hongjian Shi
Publié dans: 2025
Éditeur: ArXiv

Identifiability in Graphical Discrete Lyapunov Models

Auteurs: Cecilie Olesen Recke, Sarah Lumpp, Nataliia Kushnerchuk, Janike Oldekop, Jiayi Li, Jane Ivy Coons, Elina Robeva
Publié dans: 2026
Éditeur: arXiv

On universal inference in Gaussian mixture models

Auteurs: Hongjian Shi, Mathias Drton
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2407.19361

Linear relations of colored Gaussian cycles

Auteurs: Hannah Göbel, Pratik Misra
Publié dans: 2025
Éditeur: arXiv

Efficient symbolic computations for identifying causal effects

Auteurs: Ben Hollering, Pratik Misra, Nils Sturma
Publié dans: 2026
Éditeur: arXiv

Identifying Direct Causal Effects in Latent Factor Models by Accounting for Unidentified Parents

Auteurs: Tom Hochsprung, Nils Sturma, Jakob Runge, Mathias Drton, Andreas Gerhardus
Publié dans: 2026
Éditeur: arXiv

Causal Discovery of Linear Non-Gaussian Causal Models with Unobserved Confounding

Auteurs: Daniela Schkoda, Elina Robeva, Mathias Drton
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2408.04907

Coloured Gaussian directed acyclic graphical models

Auteurs: Tobias Boege, Kaie Kubjas, Pratik Misra, Liam Solus
Publié dans: Journal of the Royal Statistical Society Series B: Statistical Methodology, Numéro 88(3), 2025, Page(s) 819–875
Éditeur: Oxford University Press
DOI: 10.48550/arxiv.2404.04024

Trek-Based Parameter Identification for Linear Causal Models With Arbitrarily Structured Latent Variables

Auteurs: Nils Sturma, Mathias Drton
Publié dans: 2025
Éditeur: arXiv

Identifiability and Statistical Inference in Latent Variable Modeling

Auteurs: Sturma, Nils B.
Publié dans: 2024
Éditeur: online

Homoscedasticity and Feedback Loops in Graphical Models

Auteurs: Wu, Jun
Publié dans: Numéro 5, 2023
Éditeur: Technical University of Munich

Graphical Continuous Lyapunov Models

Auteurs: Dettling, Philipp Maximilian
Publié dans: 2024
Éditeur: online

Matching Criterion for Identifiability in Sparse Factor Analysis

Auteurs: Nils Sturma, Miriam Kranzlmueller, Irem Portakal, Mathias Drton
Publié dans: Psychometrika, Numéro 91, 2026, Page(s) 536-555, ISSN 0033-3123
Éditeur: Psychometric Society
DOI: 10.1017/psy.2026.10079

Identifiability in Continuous Lyapunov Models

Auteurs: Philipp Dettling, Roser Homs, Carlos Améndola, Mathias Drton, Niels Richard Hansen
Publié dans: SIAM Journal on Matrix Analysis and Applications, Numéro 44, 2023, Page(s) 1799-1821, ISSN 0895-4798
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/22m1520311

Publications

Télécharger Télécharger le contenu de la page

Graphical Models for Complex Multivariate Data

Resultats de projets

Publications

Télécharger Télécharger le contenu de la page