协方差矩阵及其逆矩阵(精确矩阵)的估计在很多统计分析领域有着很重要的地位。随着社会各领域相互渗透和融合，变量间的条件独立性越来越受到人们的重视。对无向图模型的分析就是研究对于p个变量之间的条件相依性的一个统计方向。另外，随着科技领域的广度和深度的不断拓展，研究问题时会频繁产生高维数据，例如基因数据、脑成像数据、光谱成像数据、大气数据、社会网络数据等。它们实际的维数可能远超过可以观测到的数据的数量，此时经验协方差矩阵的估计已经不能用于估计。即使维数不高，经验协方差矩阵的逆矩阵也不能正确反映变量间的条件相依性或条件独立性。因此,研究协方差矩阵及其逆矩阵的估计和图模型的选择有着重要的理论和实际意义。此书可以作为在高维头图模型的统计推断方面感兴趣的统计工作者的参考。
