Some Robust Estimation Tools for Multivariate Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F15%3A00449741" target="_blank" >RIV/67985807:_____/15:00449741 - isvavai.cz</a>

Výsledek na webu

<a href="http://msed.vse.cz/msed_2015/article/7-Kalina-Jan-paper.pdf" target="_blank" >http://msed.vse.cz/msed_2015/article/7-Kalina-Jan-paper.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Some Robust Estimation Tools for Multivariate Models

Popis výsledku v původním jazyce

Standard procedures of multivariate statistics and data mining for the analysis of multivariate data are known to be vulnerable to the presence of outlying and/or highly influential observations. This paper has the aim to propose and investigate specificapproaches for two situations. First, we consider clustering of categorical data. While attention has been paid to sensitivity of standard statistical and data mining methods for categorical data only recently, we aim at modifying standard distance measures between clusters of such data. This allows us to propose a hierarchical agglomerative cluster analysis for two-way contingency tables with a large number of categories, based on a regularized measure of distance between two contingency tables. Suchproposal improves the robustness to the presence of measurement errors for categorical data. As a second problem, we investigate the nonlinear version of the least weighted squares regression for data with a continuous response. Our aim i

Název v anglickém jazyce

Some Robust Estimation Tools for Multivariate Models

Popis výsledku anglicky

Standard procedures of multivariate statistics and data mining for the analysis of multivariate data are known to be vulnerable to the presence of outlying and/or highly influential observations. This paper has the aim to propose and investigate specificapproaches for two situations. First, we consider clustering of categorical data. While attention has been paid to sensitivity of standard statistical and data mining methods for categorical data only recently, we aim at modifying standard distance measures between clusters of such data. This allows us to propose a hierarchical agglomerative cluster analysis for two-way contingency tables with a large number of categories, based on a regularized measure of distance between two contingency tables. Suchproposal improves the robustness to the presence of measurement errors for categorical data. As a second problem, we investigate the nonlinear version of the least weighted squares regression for data with a continuous response. Our aim i

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-17187S" target="_blank" >GA13-17187S: Konstrukce pokročilých srozumitelných klasifikátorů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

The 9th International Days of Statistics and Economics Conference Proceedings

ISBN

978-80-87990-06-3

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

713-722

Název nakladatele

VŠE

Místo vydání

Praha

Místo konání akce

Prague

Datum konání akce

10. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—