envoutliers: Methods for Identification of Outliers in Environmental Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F20%3A43918071" target="_blank" >RIV/62156489:43110/20:43918071 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/44994575:_____/20:N0000120

Výsledek na webu

<a href="https://cran.r-project.org/web/packages/envoutliers/index.html" target="_blank" >https://cran.r-project.org/web/packages/envoutliers/index.html</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

envoutliers: Methods for Identification of Outliers in Environmental Data

Popis výsledku v původním jazyce

Environmental data often include outliers that can significantly affect further modeling and data analysis. Although a number of outlier detection method has been proposed, their use is usually complicated by the assumption of the distribution or model of the analyzed data. However, environmental variables are quite often influenced by a lot of different factors and their distribution is difficult to estimate. The envoutliers package has been developed to provide users with a choice of recently presented, semi-parametric outlier detection methods that do not impose requirements on the distribution of the original data.

Název v anglickém jazyce

envoutliers: Methods for Identification of Outliers in Environmental Data

Popis výsledku anglicky

Environmental data often include outliers that can significantly affect further modeling and data analysis. Although a number of outlier detection method has been proposed, their use is usually complicated by the assumption of the distribution or model of the analyzed data. However, environmental variables are quite often influenced by a lot of different factors and their distribution is difficult to estimate. The envoutliers package has been developed to provide users with a choice of recently presented, semi-parametric outlier detection methods that do not impose requirements on the distribution of the original data.

Druh

R - Software

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

<a href="/cs/project/ED2.1.00%2F03.0064" target="_blank" >ED2.1.00/03.0064: Dopravní VaV centrum</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

Rpcg20200507

Technické parametry

Implementovaný R balíček je volně dostupný pro software R (R Core Team (2018). “R: A Language and Environment for Statistical Computing.” URL https://www.R-project.org/.) z Comprehensive R Archive Network (CRAN) na adrese http://CRAN.R-project.org/package=envoutliers.

Ekonomické parametry

Software obsahuje implementaci tří semi-parametrických metod pro automatickou detekci odlehlých hodnot. Implementované metody jsou podrobně popsány v publikacích: 1. Čampulová M, Michálek J, Mikuška P, Bokal D (2018). “Nonparametric algorithm for identification of outliers in environmental data.” Journal of Chemometrics, 32, 453–463. 2. Čampulová M, Veselík P, Michálek J (2017). “Control chart and Six sigma based algorithms for identification of outliers in experimental data, with an application to particulate matter PM10.” Atmospheric Pollution Research. Doi=10.1016/j.apr.2017.01.004. 3. Holešovský J, Čampulová M, Michálek J (2018). “Semiparametric Outlier Detection in Nonstationary Times Series: Case Study for Atmospheric Pollution in Brno, Czech Republic.” Atmospheric Pollution Research, 9(1). Automatická detekce odlehlých hodnot je užitečná při validaci datových souborů velkého rozsahu, protože dochází k ušetření času a všechna data jsou vyhodnocena dle stejného kritéria.

IČO vlastníka výsledku

62156489

Název vlastníka

Mendelova univerzita v Brně, Centrum dopravního výzkumu, v. v. i.