Median in some statistical methods

Abstract

Median pro různé statistické metody Abstrakt: V této práci se zaměřujeme na využití robustních vlastností mediánu. Pro algoritmy, které jsou v práci navržené, zkoumáme jejich breakdown point, ale i další vlastnosti jako konsistenci (silnou nebo slabou), ekvivarianci a výpočetní složitost. Z praktických důvodů hledáme především metody, které se snaží najít rovnováhu mezi výpočetní složitostí a dobrými robustními vlastnostmi, protože tyto vlastnosti obvykle stojí proti sobě. Disertace je rozdělena do dvou částí. V první části navrhujeme robustní metody na bázi exponenciálního vyrovnávání. Nejprve zobecňujeme dřívější výsledky pro exponenciální vyrovnávání v absolutní normě s využitím. regresních kvantyů. Dále navrhu- jeme metodu založenou na znaménkovém testu, která se snaží vypořádat nejen s odlehlými pozorováními, ale i detekovat čas změny modelu. V druhé části navrhujeme nové odhady parametru polohy. Konstruujeme je tak, ze nejprve najdeme množinu robustních bodů okolo geometrického mediánu, tuto množiinu dále rozšiřujeme a z bodů této množiny počítáme iterativně vážený průměrr. Díky tomu získáme robustní odhad ve smyslu breakdown pointu, který využívá více informace z pozorovaných...

Median in some statistical methods Abstract: This work is focused on utilization of robust properties of median. We propose variety of algorithms with respect to their breakdown point. In addition, other properties are studied such as consistency (strong or weak), equivariance and computational complexity. From practical point of view we are looking for methods balancing good robust properties and computational complexity, be- cause these two properties do not usually correspond to each other. The disser- tation is divided to two parts. In the first part, robust methods similar to the exponential smoothing are suggested. Firstly, the previous results for the exponential smoothing with ab- solute norm are generalized using the regression quantiles. Further, the method based on the classical sign test is introduced, which deals not only with outliers but also detects change points. In the second part we propose new estimators of location. These estimators select a robust set around the geometric median, enlarge it and compute the (iterative) weighted mean from it. In this way we obtain a robust estimator in the sense of the breakdown point which exploits more information from observations than standard estimators. We apply our approach on the concepts of boxplot and bagplot. We work in a general normed vector...