Cell-wise robust covariance estimation for compositions, with application to geochemical data
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F23%3A73621519" target="_blank" >RIV/61989592:15310/23:73621519 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.sciencedirect.com/science/article/pii/S0375674223001462" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0375674223001462</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.gexplo.2023.107299" target="_blank" >10.1016/j.gexplo.2023.107299</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cell-wise robust covariance estimation for compositions, with application to geochemical data
Popis výsledku v původním jazyce
Cell-wise outliers are outliers in single entries of a compositional data matrix, and they can lead to a certain bias in the statistical analysis. Traditional row-wise robust methods downweight outlying observations for the estimation, independent of how many or which cells of an observation are contaminated. Cell-wise robustness still makes use of the information contained in non-contaminated cells. Here, cell-wise robustness is used for the estimation of the variation and the covariance matrix. For higher dimensional data also a regularized estimator is introduced. The advantages of the cell-wise robust estimators are demonstrated in simulation experiments and in a geochemistry application in the context of clustering and principal component analysis.
Název v anglickém jazyce
Cell-wise robust covariance estimation for compositions, with application to geochemical data
Popis výsledku anglicky
Cell-wise outliers are outliers in single entries of a compositional data matrix, and they can lead to a certain bias in the statistical analysis. Traditional row-wise robust methods downweight outlying observations for the estimation, independent of how many or which cells of an observation are contaminated. Cell-wise robustness still makes use of the information contained in non-contaminated cells. Here, cell-wise robustness is used for the estimation of the variation and the covariance matrix. For higher dimensional data also a regularized estimator is introduced. The advantages of the cell-wise robust estimators are demonstrated in simulation experiments and in a geochemistry application in the context of clustering and principal component analysis.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/GF22-15684L" target="_blank" >GF22-15684L: Zobecněná relativní data a robustnost v Bayesových prostorech</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
JOURNAL OF GEOCHEMICAL EXPLORATION
ISSN
0375-6742
e-ISSN
1879-1689
Svazek periodika
253
Číslo periodika v rámci svazku
OCT
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
11
Strana od-do
"107299-1"-"107299-11"
Kód UT WoS článku
001076549100001
EID výsledku v databázi Scopus
2-s2.0-85169070370