Міцний багатоваріантний гауссовий вміст у R

11

Мені потрібно підходити до узагальненого розподілу Гаусса до 7-тьмяної хмари точок, що містять досить значну кількість людей, що мають велику вагу. Чи знаєте ви якийсь гарний пакет R для цієї роботи?

r distributions normal-distribution robust

— kjetil b halvorsen
джерело

3

Ви знайдете посилання щонайменше на чотири пакети R для виявлення багатоваріантних людей, що переживають люди, у відповідях на подібне запитання на сайті stats.stackexchange.com/questions/213/… . Це може бути гарним початком.

— whuber

Можливо, це питання мені ухиляється, але, що стосується багатоваріантної гауссової дистрибуції, чому б просто не використати емпіричне середнє значення та СД як MLE? Потім можна зосередитись на діагностичній статистиці, якщо є високі точки впливу / важелів.

— АдамО

Я думаю, що питання полягає у використанні чогось на зразок функції Huberized втрат для оцінки параметрів. Я не фахівець, але, можливо, використання втрати Хубера, щоб відповідати середньому, було б початком.

— Том Діттеріх

1

Є також mclust: http://www.stat.washington.edu/research/reports/2012/tr597.pdf http://cran.r-project.org/web/packages/mclust/index.html

Хоча одна обережність: моделювання сумішей у просторі з високими розмірами може отримати досить процесорний процес і об'єм пам'яті, якщо ваша хмара точок велика. Близько чотирьох років тому я робив партію 11-мірних даних в 50-200K точок, і це було, як правило, набігати на 4-11 ГБ оперативної пам’яті і займати до тижня, щоб обчислити для кожного випадку (а в мене було 400). Це, звичайно, можливо, але може бути головним болем, якщо ви використовуєте спільний обчислювальний кластер або маєте обмежені ресурси.

— Кіеран О'Нілл
джерело

1

Це звучить як класична багатоваріантна модель гауссової суміші. Я думаю, що пакет BayesM може працювати.

Ось декілька багатоваріантних пакетів Gaussian суміші

bayesm: cran.r-project.org/web/packages/bayesm/index.html
mixtools: www.jstatsoft.org/v32/i06/paper

— EngrStudent
джерело