Outlier detection by means of robust regression estimators for use in engineering science

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F09%3A10104241" target="_blank" >RIV/00216208:11320/09:10104241 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1631/jzus.A0820140" target="_blank" >http://dx.doi.org/10.1631/jzus.A0820140</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1631/jzus.A0820140" target="_blank" >10.1631/jzus.A0820140</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Outlier detection by means of robust regression estimators for use in engineering science
Popis výsledku v původním jazyce
The paper compares the ability of different robust regression estimators to detect and classify outliers. Estimators with a high breakdown point are compared and conclusions are drawn for real engineering applications. The least trimmed squares estimatoris recommended for heavily contaminated data sets with outliers with a complicated multivariate structure.
Název v anglickém jazyce
Outlier detection by means of robust regression estimators for use in engineering science
Popis výsledku anglicky
The paper compares the ability of different robust regression estimators to detect and classify outliers. Estimators with a high breakdown point are compared and conclusions are drawn for real engineering applications. The least trimmed squares estimatoris recommended for heavily contaminated data sets with outliers with a complicated multivariate structure.

Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—

Rok uplatnění
2009
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)