参数模型的多重离群值检测检验
统计理论
2020-12-07 v1 应用统计
统计方法学
统计理论
摘要
我们提出了一种简单的多重离群值识别方法，适用于未指定可能离群值数量的参数位置-尺度与形状-尺度模型。该方法基于给出极端 z 分数渐近性质的一个结果。使用模型参数的稳健估计量来定义 z 分数。我们进行了广泛的模拟研究，以将所提方法与现有方法进行比较。对于正态族，该方法与著名的 Davies-Gather、Rosner、Hawking 和 Bolshev 多重离群值识别方法进行比较。讨论了 Rosner 检验应用中可能离群值数量上限的选择问题。对于其他族，所提方法与推广 Gather-Davies 的方法进行比较。在大多数情形下，新方法的离群值识别功效在掩蔽与淹没值方面最高。我们还创建了 R 包 outliersTests 用于所提检验。
引用
@article{arxiv.1910.10426,
title = {Multiple outlier detection tests for parametric models},
author = {Vilijandas Bagdonavicius and Linas Petkevicius},
journal= {arXiv preprint arXiv:1910.10426},
year = {2020}
}