کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7546998 | 1489674 | 2014 | 17 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Strong consistency and robustness of the Forward Search estimator of multivariate location and scatter
ترجمه فارسی عنوان
سازگاری قوی و استحکام برآورد جستجوی پیشین مکان و پراکندگی چند متغیره
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
جستجوی پیشین یک روش کلی قدرتمند برای شناسایی ناهنجاری ها در داده های ساخت یافته است که قدرت تشخیص آن در بسیاری از زمینه های آماری نشان داده شده است. با این حال، علیرغم ثروت از شواهد تجربی به نفع روش، فقط تعداد کمی از ویژگی های نظری در مورد برآوردگرهای حاصل شده وجود دارد. ما نشان می دهیم که برآوردگرهای جستجوی پیش رو در مدل معمول چند متغیری کاملا سازگار هستند. ما همچنین نقطه شکست نهایی نمونه را بدست می آوریم. نتایج ما نتایج رو به جلو برای داده های چند متغیره را بر روی زمین آماری جامد قرار داده است، که به طور رسمی آن را در استفاده از آمار قوی کاربردی ایجاد می کند. علاوه بر این، آنها به ما اجازه می دهند که برآوردگرهای جستجوی پیش رو با سایر تکنیک های پیشرفته با چندین متغیر شناخته شده مقایسه کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آنالیز عددی
چکیده انگلیسی
The Forward Search is a powerful general method for detecting anomalies in structured data, whose diagnostic power has been shown in many statistical contexts. However, despite the wealth of empirical evidence in favor of the method, only few theoretical properties have been established regarding the resulting estimators. We show that the Forward Search estimators are strongly consistent at the multivariate normal model. We also obtain their finite sample breakdown point. Our results put the Forward Search approach for multivariate data on a solid statistical ground, which formally motivates its use in robust applied statistics. Furthermore, they allow us to compare the Forward Search estimators with other well known multivariate high-breakdown techniques.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Multivariate Analysis - Volume 126, April 2014, Pages 167-183
Journal: Journal of Multivariate Analysis - Volume 126, April 2014, Pages 167-183
نویسندگان
Andrea Cerioli, Alessio Farcomeni, Marco Riani,