×
阿巴斯·马哈达维;米纳州托希迪

存在离群值时单峰连续分布的密度估计。 （英语） Zbl 1397.62138号

伊朗。科学杂志。技术。，事务处理。A、 科学。 42，第3期，1525-1536（2018）.
摘要：“前向搜索”（FS）是一种识别异常值及其对拟合模型的影响的强大通用方法。本研究调查了FS方法在非参数单变量密度估计框架中识别异常值的实现，其中训练样本来自单峰连续分布。一些仿真研究和实际数据示例说明了该程序的性能。结果表明，离群值可能导致密度函数的估计不合适。当离群值相对于所有观测值的数量较少时，确定和消除离群值可以为数据集拟合一个合理的密度函数。最后，本文提出的简单排序系统可以在其他一些框架中使用。

MSC公司：

62G07年 密度估算
62G10型 非参数假设检验
62J20型 诊断、线性推理和回归

关键词：

核密度估计;平滑参数;正向搜索程序;引导程序方法;Shapiro-wilk试验;异常值
PDF格式BibTeX公司 XML格式引用
\textit{A.Mahdavi}和\textit{M.Towhidi}，伊朗。科学杂志。技术。，事务处理。A、 科学。42，第3号，1525--1536（2018；Zbl 1397.62138）
全文： DOI程序

参考文献：

[1] 分析方法委员会，稳健统计——如何不拒绝离群值。第1部分。基本概念，分析家，1141693-1697，（1989）·doi:10.1039/AN9891401693
[2] Atkinson，AC，《检测多个离群值的快速非常稳健方法》，美国统计协会，89，1329-1339，（1994）·Zbl 0825.62429号 ·doi:10.1080/01621459.1994.10476872
[3] Atkinson AC，Riani M（2000）稳健诊断回归分析。纽约州施普林格·Zbl 0964.62063号 ·doi:10.1007/978-1-4612-1160-0
[4] Atkinson AC，Riani M，Cerioli A（2004）用正向搜索探索多元数据。纽约州施普林格·Zbl 1049.62057号 ·数字对象标识代码：10.1007/978-0-387-21840-3
[5] 阿特金森，AC；Riani，M；Cerioli，A，《正向搜索：理论和数据分析》，《韩国统计学会杂志》，39，117-134，（2010）·Zbl 1294.62149号 ·doi:10.1016/j.jkss.2010.02.007
[6] Cerioli，A，用高分解估计量进行多变量异常值检测，美国统计协会杂志，105，147-156，（2010）·Zbl 1397.62167号 ·doi:10.198/jasa.2009.tm09147
[7] Cerioli，A；法科梅尼，A；Riani，M，《无离群值良好性测试的稳健距离》，《计算统计数据分析》，65，29-45，（2012）·Zbl 1471.62036号 ·doi:10.1016/j.csda.2012.03.008
[8] Chernoff，H，《模式估计》，《Ann Inst Stat Math》，第16期，第31-41页，（1964年）·兹伯利0212.21802 ·doi:10.1007/BF02868560
[9] Coin，D，在存在异常值的情况下测试正态性，统计方法应用，17，3-12，（2008）·Zbl 1367.62140号 ·doi:10.1007/s10260-007-0046-8
[10] 巴蒂斯蒂，F；Salini，S，《文献计量数据的稳健分析》，《统计方法应用》，22，269-283，（2013）·Zbl 1333.62012年 ·doi:10.1007/s10260-012-0217-0
[11] 德布鲁恩，M；Verdonck，T，稳健核主成分分析和分类，高级数据分析分类，4151-167，（2010）·兹比尔1284.62370 ·doi:10.1007/s11634-010-0068-1
[12] Dharmadhikari SW，Joag-Dev K（1988）《单峰性、凸性和应用》。纽约学术出版社·Zbl 0646.62008号
[13] 油炸，R；Dehling，H，双样本位置问题的稳健非参数检验，Stat Methods Appl，20，409-422，（2011）·Zbl 1337.62093号 ·doi:10.1007/s10260-011-0164-1
[14] Hadi，AS，识别多元数据中的多个离群值，J Roy Stat Soc:Ser B（Methodol），54，761-771，（1992）
[15] 哈迪，AS；Simonoff，JS，《线性模型中多个异常值的识别程序》，美国统计协会杂志，88，1264-1272，（1993）·doi:10.1080/01621459.1993.10476407
[16] Hettich S，Bay SD（1999）UCI KDD档案。加利福尼亚大学。欧文信息与计算机科学系。http://kdd.ics.uci.edu
[17] 胡贝尔，M；罗素，PJ；Segaert，P，多变量函数异常值检测（含讨论），统计方法应用，24，177-277，（2015）·Zbl 1441.62124号 ·doi:10.1007/s10260-015-0297-8
[18] Jann B（2005）单变量核密度估计。波士顿学院经济系，统计软件组件编号S，456410
[19] 马哈达维，A；Towhidi，M，《检验正常人群参数的稳健检验》，《伊朗伊斯兰共和国科学杂志》，25，273-280，（2014）
[20] 公园，BU；Marron，JS，《数据驱动带宽选择器的比较》，J Am Stat Assoc，85，66-72，（1990）·网址：10.1080/01621459.1990.10475307
[21] Parzen，E，关于概率密度函数和模式的估计，Ann Math Stat，331065-1076，（1962）·Zbl 0116.11302号 ·doi:10.1214/aoms/1177704472
[22] Riani，M；AC Atkinson，《在回归中测试多个离群值的正向搜索的快速校准》，Adv Data Anal Classif，1123-141，（2007）·Zbl 1301.62069号 ·doi:10.1007/s11634-007-0007-y
[23] Riani，M；阿特金森，AC；Cerioli，A，《发现未知数量的多元异常值》，J R Stat Soc Ser B（Stat Methodol），71，447-466，（2009）·Zbl 1248.62091号 ·doi:10.1111/j.1467-9868.2008.00692.x
[24] Rosenblatt，M，关于密度函数的一些非参数估计的评论，Ann Math Stat，27832-837，（1956）·Zbl 0073.14602号 ·doi:10.1214/aoms/1177728190
[25] Rousseeuw，PJ，最小二乘回归中值，美国统计协会杂志，79，871-880，（1984）·Zbl 0547.62046号 ·doi:10.1080/01621459.1984.10477105
[26] Rousseeuw PJ，Leroy AM（1987）稳健回归和异常值检测。纽约威利·Zbl 0711.62030号 ·doi:10.1002/0471725382
[27] 夏皮罗，SS；Wilk，MB，正态性方差检验分析（完整样本），Biometrika，52，591-611，（1965）·Zbl 0134.36501号 ·doi:10.2307/2333709
[28] 护套，SJ；Jones，MC，用于核密度估计的可靠的基于数据的带宽选择方法，J R Stat Soc Ser B（Methodol），53683-690，（1991）·Zbl 0800.62219
[29] Silverman BW（1986）统计和数据分析密度估计。查普曼和霍尔/CRC，伦敦·兹比尔0617.62042 ·doi:10.1007/978-1-4899-3324-9
[30] Zambom AZ，Dias R（2012年）。核密度估计及其在计量经济学中的应用综述。arXiv预打印arXiv:1212.2812
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。