凯西·M·杰塞玛。;拉吉卜·保罗;约瑟夫·麦基恩(Joseph W.McKean)。 大空间数据集降秩模型的稳健估计。 (英语) Zbl 1455.62085号 REVSTAT公司 18,第2期,203-221(2020). 摘要:对于大型数据集,通常使用降维潜在空间过程的基函数和协方差来建模空间协方差。对于倾斜数据,基于高斯假设的似然方法可能无法实现可靠推断。任何基于L_2范数的估计都容易受到污染导致的长尾和异常值的影响。我们的方法是基于使用中值绝对偏差的经验binned协方差矩阵,并最小化经验协方差和模型协方差之间的L_1范数。从理论上建立了所提出估计的一致性。利用NASA Terra卫星的模拟数据和云数据证明了这一改进。 MSC公司: 62G08号 非参数回归和分位数回归 62G35型 非参数稳健性 62立方米 空间过程推断 62兰特 大数据和数据科学的统计方面 第62页,第35页 统计学在物理学中的应用 86A32型 地理统计学 关键词:地质统计学;受污染的数据;中位数绝对偏差;分位数回归;云 PDF格式BibTeX公司 XML格式引用 \textit{C.M.Jelsema}等人,REVSTAT 18,编号2203-221(2020;兹bl 1455.62085) 全文: 链接