authorstatisticsshrinkagegraphical-model

Juliane Schäfer

大白话：慕尼黑大学统计系学者。她与 Korbinian Strimmer 合著的 Schäfer-Strimmer 2005（SAGMB 4(1), Article 32）把 Ledoit-Wolf (2003) 的解析收缩强度 落地成闭式的协方差 / 相关估计量，用来推断功能基因组学的基因关联网络 (GGM)； 并提出 local-fdr 的边级模型选择，给出「收缩 GGM > lasso > bootstrap > 伪逆」的实证排序。

与量化相关的核心工作

  • 2005 SAGMB*** —— *A Shrinkage Approach to Large-Scale Covariance Matrix Estimation and Implications for Functional Genomics。 首次把 LW (2003) 的引理 1 **完整代入经验方差，目标矩阵 D（对角且不等方差） 使 S_\star 总是正定、并自动兼容 n\ll p。 在 p=102, n=8 的 E. coli 数据中，S 的秩只有 8，而 S_\star 的秩是 102、条件数 386.6。
  • **2005 Bioinformatics***（Schäfer & Strimmer 2005a）—— *An Empirical Bayes Approach to Inferring Large-Scale Gene Association Networks。 GGM 选择的经验贝叶斯混合框架（Hotelling 1953 的精确零分布 + Efron 的 locfdr）。
  • **2005 AIP Conf. Proc.***（Schäfer & Strimmer 2005b）—— *Learning Large-Scale Graphical Gaussian Models from Genomic Data。 Science of Complex Networks 776, 263-276。

工程贡献

  • R 包 corpcor（Computing Correlation and Partial Correlations）：LW 收缩协方差 / 相关 + （偏）相关计算，GPL 许可，CRAN 长期维护。
  • R 包 GeneTS（Gene Targeting System / Genomic Time Series）：microarray 数据的 GGM 推断与可视化， Bioconductor 与 CRAN 双发布。

相关页面