Wybrane zagadnienia koncepcji głębi danych

• Autorzy: Daniel Kosiorowski

Warianty tytułu

Selected Issues of Data Depth Concept

• Języki publikacji: PL

Abstrakty

Poszukiwanie nieparametrycznych i odpornych zarazem procedur statystycznych, adekwatnych dla badania wielowymiarowych układów społeczno-ekonomicznych jest ważne zarówno z teoretycznych, jak i praktycznych względów. Zdaniem autora naszkicowana w pracy perspektywa badań, ma zastosowanie do lepszego zrozumienia struktury współzależności układów ekonomicznych. Przedstawione własności proponowanych metod, odwołujących się do koncepcji głębi danych, wydają się wystarczającym uzasadnieniem dla dalszych studiów nad tym zagadnieniem. (fragment tekstu)

EN

In this paper we present selected aspects of data depth concept. We propose several statistical procedures based on data depth concept. We study a performance of the propositions on various multivariate data sets simulated from skewed, fat tailed distributions and mixtures of them. (original abstract)

Słowa kluczowe

PL

Statystyczne metody badania; Metody statystyczne; Analiza statystyczna; Koncepcja głębi danych

EN

Statistical research methods; Statistical methods; Statistical analysis; Data depth concept

• Czasopismo: Folia Oeconomica Cracoviensia
• Rocznik: 2008-2009
• Tom: 49-50
• Strony: 5--29

Twórcy

autor

Daniel Kosiorowski

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Azzalini A., Capitanio A. 2003. Distributions Generated by Perturbation of Symmetry with Emphasis on a Multivariate Skew t Distribution, J. Roy. Statist. Soc. B 65, 367-389.
• Chaudhuri P. 1996. On a Geometric Notion of Quantilesfor Multivariate Data, Journal of the American Statistical Association 91, 862-872.
• Chen J. 1998. Testing for a Change Point in Linear Regression Models, Communications in Statistics — Theory & Methods 27, 2481-2493.
• Demidenko E. 2004. Mixed Models — Theory and Applications, John Wiley & Sons, Inc., Hoboken-New Jersey.
• Dyckerhoff R. 2004. Data Depths Satisfying the Projection Property, Allgemeines Statistisches Archiv 88, 163-190.
• Hoberg R., Mosler K. 2003. Classification based on data depth, Bulletin of the ISI 54lh Session.
• Hoberg R., Mosler K. 2006. Data analysis and classification with the zonoid depth, [w:] Data Depth: Robust Multivariate Analysis, Computational Geometry and Applications, R. Liu, R. Serfling, D. Souvaine red., American Mathematical Society, 2006, 49-59.
• Koltchinskii V. 1997. M-estimation, Convexity and Quantiles, The Annals of Statistics 25, 435-477.
• Kosiorowski D. (w druku). Odporność metod klasyfikacyjnych wykorzystujących funkcje glçbi, Acta Universitatis Lodziensis, Folia Oeconomica, Materiały z Konferencji Multivariate Statistical Analysis 2007.
• Kosiorowski D. (w druku). Analiza danych panelowych z wykorzystaniem głębi represyjnej, Acta Universitas Lodziensis, Folia Oeconomica, Materiały z Konferencji SPSG'07.
• Kosiorowski D. 2007. O Kwantylowym funkcjonale asymetrii rozkładu wektora losowego w badaniach szeregów finansowych, [w:] Dynamiczne modele ekonometryczne, Z. Zieliński red., Wydawnictwo UMK w Toruniu, Toruń, 129-136.
• Kosiorowski D. 2007. O odpornej analizie regresji w ekonomii na przykładzie koncepcji glçbi rcgresyjnej, Przegląd Statystyczny l, 109-121.
• Kosiorowski D. 2007. Krzywa skali — odporna i nieparametryczna metoda badania rozrzutu wektora losowego i stopnia zależności jego rozkładów brzegowych, Ryzyko Asekuracja Statystyka nr 44, Raport Techniczny Katedry Statystyki AE we Wrocławiu, 35-36.
• Kosiorowski D. 2008. About Robust Detection of a Change — Point in Selected Linear Regression Models, Konferencja Multivariate Statistical Analysis 2006, Uniwersytet Łódzki, Acta Universitatis Lodziensis, Folia Oeconomica 216, 109-117.
• Kosiorowski D. 2008. Krzywa skali — odporna i nieparametryczna metoda badania rozrzutu wektora losowego i stopnia zależności jego rozkladów brzegowych, Konferencja Statystyka Aktuarialna, Teoria i Praktyka, Wrocław, Badania Operacyjne i Decyzje 4, 47-60.
• Krzyśko M. (w druku). Modele Klasyfikacyjne, referat plenarny na konferencji Multivariate Statistical Analysis 2006, Łódź.
• Laird N., Ware J. 1982. Random-effects models for longitudinal data, Biometrics 38, 963-974.
• Liu R.Y., Parelius J.M., Singh K. 1999. Multivariate Analysis by Data Depth: Descriptive Statistics, Graphics and Inference (with discussion), The Annals of Statistics 27, 783-858.
• Maddala G.S. 2006. Ekonometria, PWN, Warszawa.
• Mizera 1. 2002. On Depth and Deep Points: A Calculus, Annals of Statistics, 30, 1681-1736.
• Mizera L, Muller Ch.H. 2002. Breakdown Points of Cauchy Regression-Scale Estimators, Statistics and Probability Letters 57, 79-89.
• Mosler K. 2002. Multivariate Dispersion. Central Regions and Depth: The Lift Zonoid Approach, Springer, New York.
• Osorio F., Galea M. 2005. Detection of a Change — Point in Student-t Linear Regression Models, Statistical Papers 45, 31-48.
• Romanazzi M. 2004. Data Depth and Correlation, Allgemeines Statistisches Archiv 88, 191-214.
• Rousseeuw P.J., Hubert M. 1998. Regression Depth, J. Amer. Statist. Assoc. 94, 388-433.
• Rousseeuw P.J., Leroy A.M. 1987. Robust Regression and Outlier Detection, Willey, New York.
• Serfling R.J. 2004. Nonparametric Multivariate Descriptive Measures Eased on Spatial Quantiles, Journal of Statistical Planning and Inference 123, 259-278.
• Serfling R.J. 2004. Nonparametric Mullivariate Descriptive Measures Eased on Spatial Quantiles, Journal of Statistical Planning and Inference 123, 259-278.
• Serfling RJ. 2006. Multivariate Symmetry and Asymmetry, [w:] Encyclopedia of Statistical Sciences, wyd. 2, S. Kotz, N. Balakrishnan, C.B. Read, B. Vidakovic red., Wiley, 5338-5345.
• Van Aelst S., Rousseeuw P.J. 2000. Robustness Properties of Deepest Regression, J. Multiv. Analysis 73, 82-106.
• Wang J., Serfling R. 2006. Influence Functions for a General Class of Depth — Based Generalized Quantité functions, Journal of Multivariate Analysis 97, 810-826.
• Zuo Y. 2003. Projection Based Depth Functions and Associated Medians, The Annals of Statistics 31(5), 1460-1490.
• Zuo Y., Serfling R. 2000. General Notions of Statistical Depth Function, The Annals of Statistics 28, 461-482.
• Zuo Y. 2004. Robustness of Weighted Lp — Depth and Lp — Median, AStA 88, 215-234.
• Zuo Y. 2003. Projection Based Depth Functions and Associated Medians, The Annals of Statistics 31(5), 1460-1490.
• Zuo Y., Cui H., Young D. 2004. Influence Function and Maximum Bias of Projection Depth Based Estimators, The Annals of Statistics 32(1), 189-218.
• Zuo Y., Cui H., Young D. 2004. Influence Function and Maximum Bias of Projection Depth Based Estimators, The Annals of Statistics 32(1), 189-218.
• Zuo Y., Serfling R. 2000. Nonparametric Notions of Multivariate „Scatter Measure" and „More Scattered" Based on Statistical Depth Function, Journal of Multivariate Analysis 75, 62-78.