Эта книга представляет материал как по анализу классических концепций корреляции, так и по разработке их робастных версий, а также обсуждает связанные концепции корреляционных матриц, частной корреляции, канонической корреляции, ранговых корреляций с соответствующими робастными и неробастными процедурами оценивания. Каждая глава содержит набор примеров с симулированными и реальными данными.
Основные особенности: делает современные и робастные методы корреляции легко доступными и понятными для практиков, специалистов и консультантов, работающих в различных областях. Фокусируется на внедрении методологии и применении робастной корреляции с R. Знакомит с основными подходами в робастной статистике, такими как минимаксный подход Хьюбера и подход Хампеля, основанный на функциях влияния.
Исследует различные робастные оценки коэффициента корреляции, включая оценки минимаксного разброса и смещения, а также наиболее робастные B- и V-оценки. Содержит применения методов робастной корреляции к эксплораторному анализу данных, многомерной статистике, статистике временных рядов и реальным данным.
Включает сопутствующий веб-сайт с компьютерным кодом и наборами данных. Представляет упражнения и примеры по всему тексту с использованием как небольших, так и больших наборов данных.
Теоретические и прикладные статистики, специалисты в области многомерной статистики, робастной статистики, робастного анализа временных рядов, анализа данных и обработки сигналов извлекут пользу из этой книги. Практики, использующие в своей работе методы, основанные на корреляции, а также аспиранты в области статистики, также найдут эту книгу полезной.
In today's world, statistical analyses based on presumely true correlations between variables or processes may be fraught with uncertainties. Compounds exist that are sometimes distributed in such a way that classical Pearson correlations fail to detect their existence, or instead overstate their size. This book investigates the realm of traditional correlation methodologies and then introduces elegant modern solutions found in the field of robust statistics. Sections illustrating robust methods in practice abound, including example-rich discussions of simulated and published data. It is particularly beneficial for modern statisticians. Strictly speaking, the book's target audience includes research scientists and practicing professionals. Senior and more junior undergraduates studying nonparametric statistics or time series knowledge will also come across some relevant content. Along the way, graying career professionals and long-time professional avocati can deeply benefit from learning these techniques for themselves and wrapping their minds around the new ideas and possibilities they unleash for scientific and business-related processes.
This book presents material on the analysis of classical concepts and their robust development, as well some dysfunctional varieties of correlation, and addresses the vernacularities involving correlation matrices, alternative measures of correlation, canonical decompositions, and other rank correlations. The conveyed text offers an assortment of techniques that feature simulated and practical data cases. Labeled features: Provides a primer ofmodern and repaired correlation methods that are easy to grasp for users, influencers, and proto-consultants in diverging disciplines. Focusing on application of the robust correlation algorithm via R. Sets forth the central avenues of credibility analysis, especially Hubert's min-max way and Hampel's approach through the imprint of influence regulations.
Электронная Книга «Robust Correlation» написана автором Georgy L. Shevlyakov в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119264538
Описание книги от Georgy L. Shevlyakov
This bookpresents material on both the analysis of the classical concepts of correlation and on the development of their robust versions, as well as discussing the related concepts of correlation matrices, partial correlation, canonical correlation, rank correlations, with the corresponding robust and non-robust estimation procedures. Every chapter contains a set of examples with simulated and real-life data. Key features: Makes modern and robust correlation methods readily available and understandable to practitioners, specialists, and consultants working in various fields. Focuses on implementation of methodology and application of robust correlation with R. Introduces the main approaches in robust statistics, such as Huber’s minimax approach and Hampel’s approach based on influence functions. Explores various robust estimates of the correlation coefficient including the minimax variance and bias estimates as well as the most B- and V-robust estimates. Contains applications of robust correlation methods to exploratory data analysis, multivariate statistics, statistics of time series, and to real-life data. Includes an accompanying website featuring computer code and datasets Features exercises and examples throughout the text using both small and large data sets. Theoretical and applied statisticians, specialists in multivariate statistics, robust statistics, robust time series analysis, data analysis and signal processing will benefit from this book. Practitioners who use correlation based methods in their work as well as postgraduate students in statistics will also find this book useful.
