タグ付けされた質問 「robust」

L-estimatorsの用途の1つは、特定のクラスから抽出された確率変数のパラメーターを「ロバストに」推定する機能です。使用することの欠点の一つレビー -STABLE分布はαα\alpha、クラスから引き出された観察試料を所定のパラメータを推定することが困難であることです。L推定器を使用してLevy RVのパラメーターを推定する作業はありましたか？LevyディストリビューションのPDFとCDFには閉じた形式がないという事実には明らかな困難がありますが、おそらくこれはいくつかの策略によって克服できるでしょう。ヒントはありますか？

8 distributions  estimation  robust  parametric  stable-distribution 

環境。回帰直線を当てはめて、いくつかの応答変数といくつかの連続共変量間の関係を調べたいと思います。悪いレバレッジポイントが存在するため、通常のLS推定器ではなくMM推定器を選択しました。yyyxxx 方法論。基本的に、MM-estimationは、S-estimatorによって初期化されたM-estimationです。したがって、2つの損失関数を選択する必要があります。私は広く使用されているTukey Biweightの損失関数を選択しました ρ(u)=⎧⎩⎨1−[1−(uk)2]31if |u|≤kif |u|>k,ρ(u)={1−[1−(uk)2]3if |u|≤k1if |u|>k,\rho ( u ) = \left\{ \begin{array}{ll} 1 - \left[ 1 - \left( \tfrac{u}{k} \right)^{2} \right]^{3} & \textrm{if } | u | \leq k \\ 1 & \textrm{if } | u | > k, \end{array} \right. で予備S-推定で（降伏点を与えるに等しい）、およびと共に（保証にM-推定ステップでガウス効率）。k=1.548k=1.548k = 1.54850%50%50 \%k=2.697k=2.697k = 2.69770%70%70\% Rを使用して、堅牢な回帰直線に適合させたいと思います。 …

8 r  robust 

ピアソンの相関検定統計の非正規性に対する堅牢性について、一見逆の2つのステートメントを調整しようとしています（nullは「相関なし」を意味します）。 このCVの答えは言う： 非常に堅牢ではありません。 このバイオスタットハンドブックには次のように書かれています。 [...]多数のシミュレーション研究により、線形回帰と相関は非正規性の影響を受けないことが示されています。一方または両方の測定変数は非常に非正規である可能性があり、偽陽性の確率（帰無仮説が真の場合はP <0.05）は依然として約0.05です（EdgellおよびNoon 1984、およびその参照）。 何が欠けていますか？

7 hypothesis-testing  correlation  p-value  robust