Monitoring tools for robust estimation of cluster weighted models = Strumenti di monitoring per la stima robusta del modello Cluster Weighted

Andrea Cappozzo, F. Greselin

Risultato della ricerca: Contributo in libroContributo a conferenza

Abstract

[Ita:]Nella stima robusta di un cluster weighted model, lo statistico deve fare molte scelte: specificare la forma dei cluster nelle variabili esplicative, assumere (o meno) varianza uguale per gli errori nelle linee di regressione e impostare i va- lori degli iper-parametri per la stima robusta, per evitare la distorsione generata da valori anomali e contaminazione. L’iper-parametro pi`u delicato da specificare `e la percentuale di trimming, ovvero la quantit`a di dati da escludere nella stima per garantirne l’affidabilit`a. In questo lavoro introduciamo specifici strumenti dia- gnostici per aiutare il professionista, o lo scienziato che ha bisogno di classificare i dati, a compiere una scelta ragionata a riguardo di tale iper-parametro, anche in base ad una prima esplorazione dello spazio delle soluzioni.
Lingua originaleInglese
Titolo della pubblicazione ospiteBook of Short Papers : SIS 2021
EditorePearson
Pagine1245-1250
Numero di pagine6
ISBN (stampa)9788891927361
Stato di pubblicazionePubblicato - 2021

Keywords

  • Cluster-weighted modeling
  • Eigenvalue constraint
  • Monitoring
  • Outliers
  • Trimmed BIC

Fingerprint

Entra nei temi di ricerca di 'Monitoring tools for robust estimation of cluster weighted models = Strumenti di monitoring per la stima robusta del modello Cluster Weighted'. Insieme formano una fingerprint unica.

Cita questo