Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Résultats
Tout (2)
Tout (2) ((2 résultats))
- Articles et rapports : 12-001-X200800110616Description :
Dans le cas de données multivariées complètes, l'algorithme BACON (Billor, Hadi et Vellemann 2000) donne une estimation robuste de la matrice de covariance. La distance de Mahalanobis correspondante peut être utilisée pour la détection des observations aberrantes multivariées. Quand des items manquent, l'algorithme EM est un moyen commode d'estimer la matrice de covariance à chaque étape d'itération de l'algorithme BACON. Dans l'échantillonnage en population finie, l'algorithme EM doit être amélioré pour estimer la matrice de covariance de la population plutôt que de l'échantillon. Une version de l'algorithme EM pour données d'enquête suivant un modèle normal multivarié, appelée algorithme EEM (espérance estimée/maximisation), est proposée. La combinaison des deux algorithmes, dénommée algorithme BACON EEM, est appliquée à deux ensembles de données et comparée à d'autres méthodes.
Date de diffusion : 2008-06-26 - Articles et rapports : 12-001-X199500114407Description :
L’estimateur Horvitz-Thompson (estimateur HT) résiste mal aux valeurs aberrantes. La présence de valeurs aberrantes dans une population peut accroître sa variance, même si elle demeure non biaisée. Nous exprimons l’estimateur HT sous forme d’une fonctionnelle de moindres carrés afin d’en accroître la robustesse par l’intermédiaire d’estimateurs M. Nous dérivons une variance approximative de l’estimateur HT à robustesse accrue en utilisant un type de fonction d’influence pour l’échantillonnage, et nous élaborons un estimateur de cette variance. Une méthode adaptée de sélection d’un estimateur M conduit à des estimateurs à risque estimé minimum. Ces estimateurs et les estimateurs HT à robustesse accrue sont souvent plus efficaces que les estimateurs HT classiques, lorsque nous sommes en présence de valeurs aberrantes.
Date de diffusion : 1995-06-15
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (2)
Articles et rapports (2) ((2 résultats))
- Articles et rapports : 12-001-X200800110616Description :
Dans le cas de données multivariées complètes, l'algorithme BACON (Billor, Hadi et Vellemann 2000) donne une estimation robuste de la matrice de covariance. La distance de Mahalanobis correspondante peut être utilisée pour la détection des observations aberrantes multivariées. Quand des items manquent, l'algorithme EM est un moyen commode d'estimer la matrice de covariance à chaque étape d'itération de l'algorithme BACON. Dans l'échantillonnage en population finie, l'algorithme EM doit être amélioré pour estimer la matrice de covariance de la population plutôt que de l'échantillon. Une version de l'algorithme EM pour données d'enquête suivant un modèle normal multivarié, appelée algorithme EEM (espérance estimée/maximisation), est proposée. La combinaison des deux algorithmes, dénommée algorithme BACON EEM, est appliquée à deux ensembles de données et comparée à d'autres méthodes.
Date de diffusion : 2008-06-26 - Articles et rapports : 12-001-X199500114407Description :
L’estimateur Horvitz-Thompson (estimateur HT) résiste mal aux valeurs aberrantes. La présence de valeurs aberrantes dans une population peut accroître sa variance, même si elle demeure non biaisée. Nous exprimons l’estimateur HT sous forme d’une fonctionnelle de moindres carrés afin d’en accroître la robustesse par l’intermédiaire d’estimateurs M. Nous dérivons une variance approximative de l’estimateur HT à robustesse accrue en utilisant un type de fonction d’influence pour l’échantillonnage, et nous élaborons un estimateur de cette variance. Une méthode adaptée de sélection d’un estimateur M conduit à des estimateurs à risque estimé minimum. Ces estimateurs et les estimateurs HT à robustesse accrue sont souvent plus efficaces que les estimateurs HT classiques, lorsque nous sommes en présence de valeurs aberrantes.
Date de diffusion : 1995-06-15
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :