Logratio Approach to Distributional Modeling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F21%3A73610058" target="_blank" >RIV/61989592:15310/21:73610058 - isvavai.cz</a>

Výsledek na webu

<a href="https://obd.upol.cz/id_publ/333189945" target="_blank" >https://obd.upol.cz/id_publ/333189945</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-73249-3_23" target="_blank" >10.1007/978-3-030-73249-3_23</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Logratio Approach to Distributional Modeling

Popis výsledku v původním jazyce

Distributional data, such as age distributions of populations, can be treated as continuous or discrete data, but the main interest is in the relative information, e.g., in terms of ratios (or logratios) between the different age classes. Here we present a unifying framework for the discrete and the continuous case based on the theory of Bayes spaces. While the discrete case is more widely treated in the literature, the continuous case allows to make a link to functional data analysis. Moreover, the methodological framework of Bayes spaces can also be used to develop methods for analyzing several distributional variables simultaneously. It turns out that the centered logratio transformation is a convenient tool for practical computations. Two real data examples illustrate the usefulness of this framework.

Název v anglickém jazyce

Logratio Approach to Distributional Modeling

Popis výsledku anglicky

Distributional data, such as age distributions of populations, can be treated as continuous or discrete data, but the main interest is in the relative information, e.g., in terms of ratios (or logratios) between the different age classes. Here we present a unifying framework for the discrete and the continuous case based on the theory of Bayes spaces. While the discrete case is more widely treated in the literature, the continuous case allows to make a link to functional data analysis. Moreover, the methodological framework of Bayes spaces can also be used to develop methods for analyzing several distributional variables simultaneously. It turns out that the centered logratio transformation is a convenient tool for practical computations. Two real data examples illustrate the usefulness of this framework.

Druh

C - Kapitola v odborné knize

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GA19-01768S" target="_blank" >GA19-01768S: Separace geochemických signálů v sedimentech: aplikace pokročilých statistických metod na rozsáhlé geochemické datové soubory</a><br>

Návaznosti

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

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název knihy nebo sborníku

Advances in Contemporary Statistics and Econometrics

ISBN

978-3-030-73248-6

Počet stran výsledku

20

Strana od-do

451-470

Počet stran knihy

710

Název nakladatele

Springer

Místo vydání

Cham

Kód UT WoS kapitoly

—