• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >The Gaussian rank correlation estimator: robustness properties
【24h】

The Gaussian rank correlation estimator: robustness properties

机译：高斯秩相关估计器：鲁棒性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Gaussian rank correlation equals the usual correlation coefficient computed from the normal scores of the data. Although its influence function is unbounded, it still has attractive robustness properties. In particular, its breakdown point is above 12%. Moreover, the estimator is consistent and asymptotically efficient at the normal distribution. The correlation matrix obtained from pairwise Gaussian rank correlations is always positive semidefinite, and very easy to compute, also in high dimensions. We compare the properties of the Gaussian rank correlation with the popular Kendall and Spearman correlation measures. A simulation study confirms the good efficiency and robustness properties of the Gaussian rank correlation. In the empirical application, we show how it can be used for multivariate outlier detection based on robust principal component analysis.
机译：高斯秩相关等于从数据的正常分数计算出的通常相关系数。尽管其影响功能是无限的，但它仍具有吸引人的鲁棒性。尤其是其击穿点高于12％。此外，估计量在正态分布上是一致的，并且渐近有效。从成对的高斯秩相关获得的相关矩阵始终是正半定的，并且在高维中也非常容易计算。我们将高斯秩相关的属性与流行的Kendall和Spearman相关度量进行比较。仿真研究证实了高斯秩相关的良好效率和鲁棒性。在经验应用中，我们展示了如何基于稳健的主成分分析将其用于多元离群值检测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号