Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Multivariate ranks based on randomized lift-interdirections

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F22%3A00564920" target="_blank" >RIV/67985556:_____/22:00564920 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00216208:11320/22:10451089

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0167947322000603?via%3Dihub" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0167947322000603?via%3Dihub</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.csda.2022.107480" target="_blank" >10.1016/j.csda.2022.107480</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Multivariate ranks based on randomized lift-interdirections

  • Popis výsledku v původním jazyce

    Every multivariate sign and rank test needs a workable concept of ranks for multivariate data. Unfortunately, multidimensional spaces lack natural ordering and, consequently, there are no universally accepted ways how to rank vector observations. Existing proposals usable beyond small dimensions are very few in number, and each of them has its own advantages and drawbacks. Therefore, new multivariate ranks based on randomized lift-interdirections are presented, discussed and investigated. These naturally robust and invariant hyperplane-based ranks can be computed quickly and easily even in relatively high-dimensional spaces, and they can be used for nonparametric statistical inference in some existing optimal statistical procedures without altering their asymptotic behavior under null hypotheses or changing their performance under local alternatives. This is not only proved theoretically in case of the canonical sign and rank one-sample test for elliptically distributed observations, but also illustrated empirically in a small simulation study.

  • Název v anglickém jazyce

    Multivariate ranks based on randomized lift-interdirections

  • Popis výsledku anglicky

    Every multivariate sign and rank test needs a workable concept of ranks for multivariate data. Unfortunately, multidimensional spaces lack natural ordering and, consequently, there are no universally accepted ways how to rank vector observations. Existing proposals usable beyond small dimensions are very few in number, and each of them has its own advantages and drawbacks. Therefore, new multivariate ranks based on randomized lift-interdirections are presented, discussed and investigated. These naturally robust and invariant hyperplane-based ranks can be computed quickly and easily even in relatively high-dimensional spaces, and they can be used for nonparametric statistical inference in some existing optimal statistical procedures without altering their asymptotic behavior under null hypotheses or changing their performance under local alternatives. This is not only proved theoretically in case of the canonical sign and rank one-sample test for elliptically distributed observations, but also illustrated empirically in a small simulation study.

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

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

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Computational Statistics and Data Analysis

  • ISSN

    0167-9473

  • e-ISSN

    1872-7352

  • Svazek periodika

    172

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    12

  • Strana od-do

    107480

  • Kód UT WoS článku

    000796740200004

  • EID výsledku v databázi Scopus

    2-s2.0-85127334374