首页/论文/1402.2986

arXiv 1402.29862014-02math.STstat.TH

PCS的有限样本分解

Finite Sample Breakdown of PCS

Eric Schmitt, Viktoria Oellerer, Kaveh Vakili

备注：: 14 pages, 2 figures

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

投影同余子集法是一种新的发现多元离群点的方法。PCS返回一个outlyingness指数，可用于构建多变量位置和散布的仿射同变估计。在本文中，我们得到了这些估计的有限样本崩溃点。

英文摘要：

The Projection Congruent Subset (PCS) is new method for finding multivariate outliers. PCS returns an outlyingness index which can be used to construct affine equivariant estimates of multivariate location and scatter. In this note, we derive the finite sample breakdown point of these estimators.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Tukey半空间中值的有限样本崩溃点

Finite sample breakdown point of Tukey's halfspace median

Tukey的半空间中位数（$\HM$），作为{多变量}对应的单变量中位数，已在文献中介绍和广泛研究。假设并期望保持单变量中位数的鲁棒性（最突出的特性）。有限样本崩溃点（FSBP）是目前流行的稳健性定量评价方法之一。事实上，许多多元中位数的FSBP已经确定，除了最流行的一个-Tukey的半空间中位数。本文给出了Tukey半空间中值的FSBP的一个精确结果。本文的结果描述了$\HM$的全局鲁棒性在\emph{finite sample}实际场景中的完整前景，揭示了维数对故障点鲁棒性的影响，并补充了已有的\emph{asymptotic}故障点结果.

2016-04-24math.STstat.TH

一般数据Tukey半空间中值有限样本崩溃点的极限

The limit of finite sample breakdown point of Tukey's halfspace median for general data

在数据集和底层分布的特定条件下，文献中给出了Tukey半空间中值（$\frac{1} {3}$）有限样本崩溃点的极限.在本文中，我们建立了\emph{weaker assumption}下的基础分布（半空间对称性）和数据集（不需要在一般位置）的结果。作为我们推导的副产品，还获得了数据集\emph{not necessary in general position}的Tukey的样本深度区域的表示。

2016-04-25math.STstat.TH

阈值破裂点

The Threshold Breakdown Point

Department of Statistics, Columbia University（哥伦比亚大学统计学系）

本文提出了一种新的有限样本鲁棒性方法，定义了阈值破裂点和有限样本m-敏感性，扩展了Zhang(1996)的决策破裂点，展示了这些概念与假设检验的有限样本对应关系。

2026-05-16math.STstat.TH

回归深度中位数的非渐近稳健性分析

Non-asymptotic robustness analysis of regression depth median

本文针对回归深度中位数$\bsβ^*_{RD}$的精确有限样本崩溃点这一长期悬而未决的问题，揭示其回归深度与精确FSBP的内在关联，论证了该估计量作为传统估计量稳健替代的合理性，以及有限样本下使用FSBP的必要性。

2023-06-13math.STstat.OTstat.TH

最深投影回归泛函的稳健性

Robustness of deepest projection regression functional

Zuo（2018）系统地提出并研究了回归中的深度概念。深度概念的一个突出优点是，它可以直接用于在多维环境中引入位置或回归参数的中值型最深估计泛函（或经验分布情况下的估计量）。回归深度共享优势。深度引起的最深估计泛函被期望继承期望的和固有的鲁棒性属性（例如，有界最大偏差和影响函数以及高击穿点），正如它们的单变量位置对应物一样。本文的主要目的是研究和验证最深投影估计泛函的鲁棒性（最大偏差、渐近和有限样本崩溃点以及影响函数）。证明了最深投影估计泛函具有有界的影响函数和最佳可能的渐近崩溃点以及最佳有限样本崩溃点，并对其一元回归和尺度分量进行了稳健选择.

2019-08-12math.STstat.MEstat.TH

深度加权散布估计量

Depth weighted scatter estimators

一般深度加权散布估计的介绍和研究。对于一般的深度函数，我们证明了这些仿射同变散布估计在广泛的多元分布下是Fisher相合的和无偏的，并且证明了样本散布估计是强的、\sqrtn -相合的和渐近正态的，估计的影响函数一般存在且有界.然后，我们集中在一个特定的情况下，一般的深度加权散布估计，投影深度加权散布估计，其中包括作为一个特殊的情况下，著名的Stahel-Donoho散布估计，其极限分布一直是开放的，直到本文。大样本的行为，包括一致性和渐近正态性，有效性和有限样本的行为，包括崩溃点和相对效率的样本投影深度加权散布估计，进行了深入的研究。推导并检验了投影深度加权散射估计量的影响函数和最大偏差。与典型的高崩溃竞争者不同，投影深度加权散布估计器可以集成高崩溃点和高效率，同时享有有界的影响函数和适度的最大偏差曲线。与领先的估计渐近相对效率和疏失误差灵敏度的比较表明，投影深度加权散布估计的表现非常好的整体，因此，仿射等变多元散布估计的非常有利的选择。

2005-04-25math.STstat.TH

更多相关论文收起更多论文

基于投影深度的多维裁剪

Multidimensional trimming based on projection depth

作为位置参数的估计，一元修剪均值以其稳健性和有效性而闻名。它们可以作为样本均值的稳健替代品，同时在正态和重尾模型中具有高效率。提出了一种基于投影深度诱导区域的多维裁剪均值算法。从影响函数和有限样本崩溃点两个方面研究了这些深度裁剪方法的鲁棒性。影响函数反映了估计量的局部鲁棒性，而崩溃点则反映了估计量的全局鲁棒性。它被发现，投影深度修剪的手段是非常强大的本地以及全球。通过深度诱导区域的方向半径的渐近性的深度修剪的平均值进行了研究。得到了深度截尾均值的强相合性、渐近表示和极限分布。相对于平均值和其他主要竞争者，深度修剪平均值在正态或对称模型中非常有效，并且在这些模型被污染时非常有效。仿真研究证实了有限样本下渐近效率结果的有效性。

2007-02-22math.STstat.TH