The Spherical Depth for Functional Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10506429" target="_blank" >RIV/00216208:11320/25:10506429 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-031-92383-8_48" target="_blank" >https://doi.org/10.1007/978-3-031-92383-8_48</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-92383-8_48" target="_blank" >10.1007/978-3-031-92383-8_48</a>

Jazyk výsledku

angličtina

Název v původním jazyce

The Spherical Depth for Functional Data

Popis výsledku v původním jazyce

In the nonparametric analysis of multivariate data, the spherical depth of a point x is an element of R-d with respect to a distribution P on R-d is the probability that a ball, determined by two antipodal points on its boundary that are sampled independently from P, covers x. The greatest advantage of the spherical depth is its fast computation, which is, unlike for many other depth functions, not exponential in the dimension d. That makes the spherical depth amenable for the analysis of high-dimensional, and functional data. We explore the theory and practice of spherical depth when applied to data of high dimensionality. In particular, we point to several difficulties with known results in the literature and revise multiple classical propositions on the behavior of spherical depth.

Název v anglickém jazyce

The Spherical Depth for Functional Data

Popis výsledku anglicky

In the nonparametric analysis of multivariate data, the spherical depth of a point x is an element of R-d with respect to a distribution P on R-d is the probability that a ball, determined by two antipodal points on its boundary that are sampled independently from P, covers x. The greatest advantage of the spherical depth is its fast computation, which is, unlike for many other depth functions, not exponential in the dimension d. That makes the spherical depth amenable for the analysis of high-dimensional, and functional data. We explore the theory and practice of spherical depth when applied to data of high dimensionality. In particular, we point to several difficulties with known results in the literature and revise multiple classical propositions on the behavior of spherical depth.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

NEW TRENDS IN FUNCTIONAL STATISTICS AND RELATED FIELDS

ISBN

978-3-031-92382-1

ISSN

1431-1968

e-ISSN

—

Počet stran výsledku

8

Strana od-do

401-408

Název nakladatele

SPRINGER INTERNATIONAL PUBLISHING AG

Místo vydání

CHAM

Místo konání akce

Novara

Datum konání akce

25. 6. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001545850800048