Title: Robuste Schätzung : ein Muss in der statistischen Datenanalyse
Authors : Ruckstuhl, Andreas
Conference details: Zürcher Kolloquium über anwendungsorientierte Statistik, Zürich, 12. April, 2007
Issue Date: 12-Apr-2007
License (according to publishing contract) : Licence according to publishing contract
Type of review: Not specified
Language : German
Subject (DDC) : 500: Natural sciences and mathematics
Abstract: In der statistischen Datenanalyse ist die Qualität der Daten oft nicht so gut, wie Sie für die Verwendung von klassischen Schätzverfahren gefordert wäre. Die Daten sind durch Ausreisser und andere Unregelmässigkeiten "verunreinigt". Diese Verunreinigungen können allerdings kaum entdeckt werden, ohne die in Betracht gezogenen Modelle anzupassen. Die Anpassung erfordert aber "gute" Daten. Ein Teufelskreis! - Trotzdem besteht das Bedürfnis oder die Verpflichtung, die Daten statistisch zu analysieren. So genannte robuste Schätzmethoden bieten geeignete Verfahren zur Analyse solcher Daten. Denn sie liefern automatisch verlässliche Schätzungen, Vertrauensintervalle und Testentscheidungen, so als wären die Modelle nur an die "guten" Daten angepasst worden. Im Weiteren können die unpassenden Beobachtungen (Ausreisser und Unregelmässigkeiten) einfach und schnell in einer Residuenanalyse identifiziert werden. Im Vortrag wurden die wichtigsten Konzepte für robuste Schätzverfahren vorgestellt. Drei Beispiele aus der Regressionsanalyse dienen zur Motivation. Sie stammen aus der Lufthygiene, aus der Spektralanalyse und aus der Finanzproduktanalyse (Fund of Hedge Funds).
Departement: School of Engineering
Publication type: Conference Other
URI: https://digitalcollection.zhaw.ch/handle/11475/7272
Appears in Collections:Publikationen School of Engineering

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.