Robust estimators in partly linear regression models on Riemannian manifolds

Autores
Henry, Guillermo Sebastian; Rodriguez, Daniela Andrea
Año de publicación
2014
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Under a partly linear model we study a family of robust estimates for the regression parameter and the regression function when some of the predictors take values on a Riemannian manifold. We obtain the consistency and the asymptotic normality of the proposed estimators. Simulations and an application to a real dataset show the good performance of our proposal under small samples and contamination.
Fil: Henry, Guillermo Sebastian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; Argentina
Fil: Rodriguez, Daniela Andrea. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; Argentina
Materia
Partial linear model
Robust estimators
Riemannian Manifolds
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/18733
Acceder
id CONICETDig_f09e8eacf6910fc88b1d118df3ab0af3
oai_identifier_str oai:ri.conicet.gov.ar:11336/18733
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Robust estimators in partly linear regression models on Riemannian manifoldsHenry, Guillermo SebastianRodriguez, Daniela AndreaPartial linear modelRobust estimatorsRiemannian Manifoldshttps://purl.org/becyt/ford/1.1https://purl.org/becyt/ford/1Under a partly linear model we study a family of robust estimates for the regression parameter and the regression function when some of the predictors take values on a Riemannian manifold. We obtain the consistency and the asymptotic normality of the proposed estimators. Simulations and an application to a real dataset show the good performance of our proposal under small samples and contamination.Fil: Henry, Guillermo Sebastian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; ArgentinaFil: Rodriguez, Daniela Andrea. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; ArgentinaTaylor2014info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/18733Henry, Guillermo Sebastian; Rodriguez, Daniela Andrea; Robust estimators in partly linear regression models on Riemannian manifolds ; Taylor; Communications In Statistics-theory And Methods; -1-2014; 1-160361-0926CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.1080/03610926.2013.775302info:eu-repo/semantics/altIdentifier/url/http://www.tandfonline.com/doi/full/10.1080/03610926.2013.775302info:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/1008.0446info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T09:47:38Zoai:ri.conicet.gov.ar:11336/18733instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-03 09:47:39.595CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Robust estimators in partly linear regression models on Riemannian manifolds
title Robust estimators in partly linear regression models on Riemannian manifolds
spellingShingle Robust estimators in partly linear regression models on Riemannian manifolds
Henry, Guillermo Sebastian
Partial linear model
Robust estimators
Riemannian Manifolds
title_short Robust estimators in partly linear regression models on Riemannian manifolds
title_full Robust estimators in partly linear regression models on Riemannian manifolds
title_fullStr Robust estimators in partly linear regression models on Riemannian manifolds
title_full_unstemmed Robust estimators in partly linear regression models on Riemannian manifolds
title_sort Robust estimators in partly linear regression models on Riemannian manifolds
dc.creator.none.fl_str_mv Henry, Guillermo Sebastian
Rodriguez, Daniela Andrea
author Henry, Guillermo Sebastian
author_facet Henry, Guillermo Sebastian
Rodriguez, Daniela Andrea
author_role author
author2 Rodriguez, Daniela Andrea
author2_role author
dc.subject.none.fl_str_mv Partial linear model
Robust estimators
Riemannian Manifolds
topic Partial linear model
Robust estimators
Riemannian Manifolds
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.1
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Under a partly linear model we study a family of robust estimates for the regression parameter and the regression function when some of the predictors take values on a Riemannian manifold. We obtain the consistency and the asymptotic normality of the proposed estimators. Simulations and an application to a real dataset show the good performance of our proposal under small samples and contamination.
Fil: Henry, Guillermo Sebastian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; Argentina
Fil: Rodriguez, Daniela Andrea. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Investigaciones Matemáticas "Luis A. Santalo". Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Investigaciones Matemáticas "Luis A. Santalo"; Argentina
description Under a partly linear model we study a family of robust estimates for the regression parameter and the regression function when some of the predictors take values on a Riemannian manifold. We obtain the consistency and the asymptotic normality of the proposed estimators. Simulations and an application to a real dataset show the good performance of our proposal under small samples and contamination.
publishDate 2014
dc.date.none.fl_str_mv 2014
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/18733
Henry, Guillermo Sebastian; Rodriguez, Daniela Andrea; Robust estimators in partly linear regression models on Riemannian manifolds ; Taylor; Communications In Statistics-theory And Methods; -1-2014; 1-16
0361-0926
CONICET Digital
CONICET
url http://hdl.handle.net/11336/18733
identifier_str_mv Henry, Guillermo Sebastian; Rodriguez, Daniela Andrea; Robust estimators in partly linear regression models on Riemannian manifolds ; Taylor; Communications In Statistics-theory And Methods; -1-2014; 1-16
0361-0926
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.1080/03610926.2013.775302
info:eu-repo/semantics/altIdentifier/url/http://www.tandfonline.com/doi/full/10.1080/03610926.2013.775302
info:eu-repo/semantics/altIdentifier/url/https://arxiv.org/abs/1008.0446
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Taylor
publisher.none.fl_str_mv Taylor
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1842268873453207552
score 13.13397

Publicaciones similares