Buradasınız

Ağır Kuyruklu Dağılımlarda Monte Carlo Simulasyonu ile Konum Parametresinin Analizi (Seri B)

Location Parameter Analysis with Monte Carlo Simulation of heavy-tailed distributions (Series B)

Journal Name:

Publication Year:

Abstract (2. Language): 
Classical estimators of location are quite sensitive to distributions which have heavy tails. "Heavy-tailed" distributions place more mass in the tails compared to the normal distribution. These heavy-tailed distributions are much more likely to give rise to outliers in small samples than we can expect from the normal distribution. Some members of this family include the so-called epsilon-contaminated normal distributions. In this study we utilize the epsilon-contaminated family and design a Monte Carlo experiment to investigate the robustness properties of a variety of different estimators. Three types of symmetric densities are considered for generating data, specifically a normal distribution with variance greater than one, a t with one, five and ten degrees of freedom, and a Laplace with location zero and scale one. Relative efficiencies based on mean square error criteria are computed and used for comparative purposes. The Anderson-Darling statistic will be used to compare the fit of different distributions.
Abstract (Original Language): 
Konum parametresinin klasik tahmin edicileri ağır kuyruklu dağılımlara karşı oldukça duyarlı davranışlar sergilemektedir. Ağır kuyruklu dağılımlar, normal dağılıma kıyasla, kuyruklarda daha fazla yığılmaya neden olurlar ve özellikle küçük örnek çaplarında aykırı değerler üretme eğilimindedirler. Ağır kuyruklu dağılımlar ailesinin bazı üyeleri e-bozulmuş normal dağılımlardır. Bu çalışmada, e-bozulmuş normal aile üzerinde tasarlanmış Monte-Carlo simulasyonu ile değişik tahmin edicilerin güçlülük özellikleri araştırılacaktır. Normal dağılımı bozmada kullanılacak simetrik dağılımlar, varyansı birden büyük olan normal dağılım, bir, beş ve on serbestlik dereceli t dağılımı ve konum parametresi sıfır ve dağılma parametresi bir olan Laplace dağılımıdır. Karşılaştırma kriteri olarak hata kareler ortalamasına bağlı göreli etkinlikler ve normale uyumun testi için Anderson-Darling istatistiği önerilmiştir.
79-92

REFERENCES

References: 

[I] Seber, G. A.F. (1984). Multivariate Observations, John Wiley and Sons, 686pp.
[2] Stigler, S. M. (1973). "Simon Newcomb, Percy Daniell and the History of Robust Estimation, 1885-1920", JASA, Vol. 68, 872-879.
[3] Hogg, R. W. (1974). "Adaptive Robust Procedure: A Partial Review and Some Suggestions for Future
Applications and Theory" , JASA, Vol. 69, 909-923.
[4]
Aytaç
, M. (1991). Uygulamalı Parametrik Olmayan İstatistik Testleri, Uludağ Üniversitesi Basımevi, Bursa. [5] Serper, Ö. (2000). Uygulamalı İstatistik I, Genişletilmiş 4. Baskı, Ezgi Kitabevi, Bursa. [6] Harrison M. W. (1990). Handbook of Statistical Methods for Engineers and Scientists, McGraw-Hill Pub. Co., New York.
[7] Crow, E. L. , and Siddiqui, M.M. (1967). "Robust Estimation of Location" , JASA, Vol. 62, 353-389. [8] Birch, J. B. (1995). Exploratory and Robust Data Analysis Using Minitab, Virginia Tech. Publications. [9] Hogg, R. W. (1972). "More Light on the Kurtosis and Related Statistics" , JASA, Vol. 67, 422-424. [10] Tukey, J. W. (1962). "The Future of Data Analysis", Ann. Mat. Statist. Vol. 33.
[II] Andrews, D.R., Bickel, P.J., Hampel, F.R., Huber, P.J., Rogers, W.H., and Tukey, J.W. (1972). Robust Estimates of Location: Survey and Advances, Princeton University Press, New Jersey.

Thank you for copying data from http://www.arastirmax.com