×

分散矩阵层次结构下的稳健判别。 (英语) Zbl 1141.62051号

小结:正常情况下,B.W.Flury公司M.J.施密德[同上,40,第2号,244–261(1992年;Zbl 0744.62091号)]研究了分散矩阵在层次模型下二次判别过程的渐近性质,即:(i)任意分散矩阵,(ii)公共主成分,(iii)比例分散矩阵和(iv)恒等矩阵。基于所涉及参数的稳健估计,我们研究了稳健二次判别规则的性质。我们的分析基于与这些参数相关的泛函的部分影响函数,并允许导出模型(i)-(iv)下估计系数的渐近方差。由此,我们得出结论,渐近方差证明了与Flury和Schmid对经典估计所获得的阶关系相同。我们还对不同样本大小和不同层次进行了蒙特卡罗研究,这表明在存在异常数据的情况下,使用稳健程序优于经典程序。它还证实,如果在所有正确的模型中使用一个更简约的模型,而不是标准的二次判别,则可以获得更好的误分类率。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62层35 鲁棒性和自适应程序(参数推断)
62H25个 因子分析和主成分;对应分析
65二氧化碳 蒙特卡罗方法
62E20型 统计学中的渐近分布理论

软件:

鲁棒基地
PDF格式BibTeX公司 XML格式引用
全文: DOI程序 链接

参考文献:

[1] A.Bianco,G.Boente,A.M.Pires,I.M.Rodrigues,分散矩阵层次结构下的稳健判别,工作文件,2007年,布宜诺斯艾利斯大学。在\(\langle;\)上提供http://www.ic.fcen.uba.ar/prints/biancooboentepiresrodrigues.pdf\(\rangle;\);A.Bianco,G.Boente,A.M.Pires,I.M.Rodrigues,分散矩阵层次结构下的稳健判别,工作文件,2007年,布宜诺斯艾利斯大学。在\(\langle;\)上提供http://www.ic.fcen.uba.ar/prints/biancooboentepiresrodrigues.pdf\(\rangle;\)·Zbl 1141.62051号
[2] Boente,G。;克里奇利,F。;Orellana,L.,比例散布矩阵下稳健估计的影响函数,统计。应用方法。,15, 295-327 (2007) ·Zbl 1181.62082号
[3] Boente,G。;Orellana,L.,《常用主成分的稳健方法》(Fernholz,L.T.;Morgenthaler,S.;Stahel,W.,《遗传学和环境科学中的统计》(2001),Birkhauser:Birkhause Basel),117-147
[4] Boente,G。;Orellana,L.,《比例分散模型中的稳健插件估计器》,J.Statist。计划。推理,12295-110(2004)·兹比尔1040.62022
[5] Boente,G。;Pires,A.M。;Rodrigues,I.M.,公共主成分模型下的影响函数和离群值检测:稳健方法,Biometrika,89861-875(2002)·Zbl 1036.62050号
[6] G.Boente,A.M.Pires,I.M.Rodrigues,公共主成分模型的稳健测试,工作文件,2005年,布宜诺斯艾利斯大学。在\(\langle;\)上提供http://www.ic.fcen.uba.ar/prints/boentepiresrodrigues2.pdf\(\rangle;\);G.Boente,A.M.Pires,I.M.Rodrigues,公共主成分模型的稳健测试,工作文件,2005年,布宜诺斯艾利斯大学。在\(\langle;\)上提供http://www.ic.fcen.uba.ar/prints/boentepiresrodrigues2.pdf\(\rangle;\)·Zbl 1153.62049号
[7] Boente,G。;Pires,A.M。;Rodrigues,I.M.,通用主成分模型的一般投影寻踪估计:影响函数和蒙特卡罗研究,《多元分析杂志》。,97, 124-147 (2006) ·Zbl 1078.62065号
[8] Campbell,N.A.,《影响函数作为判别分析中离群值检测的辅助工具》,应用。统计人员。,27, 251-258 (1978) ·Zbl 0432.62039号
[9] 克里奇利,F。;Vitiello,C.,《线性判别分析中观察值对误分类概率估计的影响》,Biometrika,78,677-690(1991)·Zbl 1193.62104号
[10] 克罗克斯,C。;Dehon,C.,使用S-估计的稳健线性判别分析,Canad。J.统计。,29, 473-492 (2001) ·兹比尔0987.62044
[11] C.Croux,P.Filzmoser,K.Joossens,稳健线性判别分析的分类效率,统计学。Sinica(2007),即将出版。;C.Croux,P.Filzmoser,K.Joossens,稳健线性判别分析的分类效率,统计学。Sinica(2007),即将出版·Zbl 1135.62051号
[12] 克罗克斯,C。;Haesbroeck,G.,基于协方差或相关矩阵稳健估计的主成分分析:影响函数和效率,Biometrika,87,603-618(2000)·Zbl 0956.62047号
[13] 克罗克斯,C。;Joossens,K.,二次判别分析中观察值对误分类概率的影响,《多元分析杂志》。,96, 384-403 (2005) ·Zbl 1077.62048号
[14] D.L.Donoho,多元位置估计的分解性质,哈佛大学博士资格论文,1982年。;D.L.Donoho,多元位置估计的分解性质,哈佛大学博士资格论文,1982年。
[15] Efron,B.,与正常判别分析相比,逻辑回归的效率,J.Amer。统计师。协会,70,892-898(1975)·Zbl 0319.62039号
[16] Flury,B.K.,《常见主成分和相关多元模型》(1988),Wiley:Wiley New York·Zbl 1081.62535号
[17] Flury,B.K。;Schmid,M.J.,协方差矩阵约束的二次判别函数:一些渐近结果,《多元分析》。,40, 244-261 (1992) ·Zbl 0744.62091号
[18] Flury,B.K。;施密德,M.J。;Narayanan,A.,协方差矩阵约束下二次判别的误差率,J.分类,11,101-120(1994)·Zbl 0825.62538号
[19] Fung,W.K.,线性判别分析中的诊断,J.Amer。统计师。协会,90,952-956(1995)·Zbl 0850.62474号
[20] Fung,W.K.,在二次判别分析中诊断有影响力的观察,生物统计学,521235-1241(1996)·Zbl 0925.62231号
[21] Gervini,D.,多元位置和规模Donoho-Stahel估计量的影响函数,统计学。普罗巴伯。莱特。,60, 425-435 (2002) ·Zbl 1056.62067号
[22] Lachenbruch,P.A.,关于二次判别函数的初始误分类效应的注释,《技术计量学》,21,129-132(1979)·兹伯利0399.62061
[23] Lopuhaä,H.P.,多元S-估计量和(τ)-估计量的分解点和渐近性质:总结,(Stahel,W.;Weisberg,S.,稳健统计和诊断方向,第一部分(1991),Springer:Springer New York),167-182
[24] Maronna,R。;马丁·D·。;尤海,V.,《稳健统计:理论与方法》(2006),威利出版社:威利纽约·邮编1094.62040
[25] T.J.O'Neill,非最优条件下比较分类规则的理论方法,应用于不等协方差矩阵下Fisher线性和二次判别规则的估计,1984年第217号技术报告,斯坦福大学统计系。;T.J.O'Neill,非最优条件下比较分类规则的理论方法,应用于不等协方差矩阵下Fisher线性和二次判别规则的估计,第217号技术报告,1984年,斯坦福大学统计系。
[26] O'Neill,T.J.,非贝叶斯分类规则的错误率和Fisher线性判别函数的稳健性,生物统计学,79,177-184(1992)·Zbl 0754.62047号
[27] Pires,A.M。;Branco,J.,部分影响函数,J.多元分析。,83, 451-468 (2002) ·Zbl 1030.62024号
[28] W.Stahel,《稳健估计:无穷小最优和协方差矩阵估计》,论文,ETH,苏黎世,1981年,(德语)。;W.Stahel,《稳健估计:无穷小最优和协方差矩阵估计》,论文,ETH,苏黎世,1981年(德语)。
[29] Tyler,D.E.,《径向估计和球形检验》,《生物统计学》,69,429-436(1982)·Zbl 0501.62041号
[30] H.P.Lopuhaä(1989)。关于\(SM\)之间的关系统计年刊17; H.P.Lopuhaä(1989)。关于\(SM\)之间的关系统计年刊17·Zbl 0702.62031号
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。