Bootstrap confidence regions based on the Mahalanobis depth measure of two-dimensional samples Bootstrapowe obszary ufności oparte na zanurzaniu Mahalanobisa dla prób dwuwymiarowych
Construction of confidence regions for multi-dimensional samples is
usually performed with a known stochastic distribution of a random vector in question.
However, for multidimensional studies of socio-economic phenomena, such an assumption
is difficult to make. Bootstrap methods can be helpful. The main problem with its
application is the aligning of respective vectors. To this end, depth measures are used
which express the vector distance from the central vector system cluster. Among many
such depth measures, the Mahalanobis measure is one of the easiest from a numerical
point of view.
This paper presents a bootstrap region creation algorithm. It was illustrated for
a two-dimensional sample.
W pracy przedstawiony został algorytm tworzenia obszarów bootstrapowych. Do
konstrukcji tych obszarów wykorzystano miary zanurzania obserwacji w próbie. Konstrukcję
zaprezentowano dla przypadku dwuwymiarowego.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00