Projection pursuit algorithms to detect outliers

Autores
Stimolo, María Inés; Ortiz, Pablo Arnaldo
Año de publicación
2020
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
In this paper, we compare the methods proposed by Peña and Prieto (2001), and Filzmoser, Maronna, and Werner (2008) to detect outliers in a set of Argentine companies that quote their shares in the Stock Exchange. A significant heterogeneity between observations can be a consequence of the presence of outliers. The detection of outliers is an important task for the statistical analysis since they distort descriptive measures and parameters estimators. There are different multivariate methods to detect outliers, such as distance-based methods and projection pursuit methods.
En este trabajo se comparan los métodos propuestos por Peña y Prieto (2001) y Filzmoser, Maronna y Werner (2008) para detectar datos atípicos en empresas argentinas que cotizan sus acciones en el Mercado de Valores. La heterogeneidad significativa entre observaciones puede ser una consecuencia de la presencia de datos atípicos. La detección de datos atípicos es importante en el análisis estadístico por su efecto en la distorsión de las medidas descriptivas y en los estimadores de los parámetros. Existen distintos métodos multivariados para detectar datos atípicos, tales como los métodos basados en la distancia o los métodos de búsqueda de proyecciones.
https://revistas.javeriana.edu.co/index.php/cuadernos_admon/article/view/29630
info:eu-repo/semantics/publishedVersion
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Estadística y Probabilidad
Materia
Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/552489

id RDUUNC_9b18613d866e0798c5443c36eafb9b11
oai_identifier_str oai:rdu.unc.edu.ar:11086/552489
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Projection pursuit algorithms to detect outliersStimolo, María InésOrtiz, Pablo ArnaldoDatos atípicosBúsqueda de proyeccionesCurtosisEmpresas argentinasOutliersProjection pursuitKurtosisArgentinian companiesFil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.In this paper, we compare the methods proposed by Peña and Prieto (2001), and Filzmoser, Maronna, and Werner (2008) to detect outliers in a set of Argentine companies that quote their shares in the Stock Exchange. A significant heterogeneity between observations can be a consequence of the presence of outliers. The detection of outliers is an important task for the statistical analysis since they distort descriptive measures and parameters estimators. There are different multivariate methods to detect outliers, such as distance-based methods and projection pursuit methods.En este trabajo se comparan los métodos propuestos por Peña y Prieto (2001) y Filzmoser, Maronna y Werner (2008) para detectar datos atípicos en empresas argentinas que cotizan sus acciones en el Mercado de Valores. La heterogeneidad significativa entre observaciones puede ser una consecuencia de la presencia de datos atípicos. La detección de datos atípicos es importante en el análisis estadístico por su efecto en la distorsión de las medidas descriptivas y en los estimadores de los parámetros. Existen distintos métodos multivariados para detectar datos atípicos, tales como los métodos basados en la distancia o los métodos de búsqueda de proyecciones.https://revistas.javeriana.edu.co/index.php/cuadernos_admon/article/view/29630info:eu-repo/semantics/publishedVersionFil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Estadística y Probabilidadhttps://orcid.org/0000-0001-7277-1638http://orcid.org/0000-0002-3777-06532020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlehttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf0120-3592http://hdl.handle.net/11086/5524891900-7205https://doi.org/10.11144/Javeriana.cao33.ppadoenginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:41:59Zoai:rdu.unc.edu.ar:11086/552489Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:41:59.433Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Projection pursuit algorithms to detect outliers
title Projection pursuit algorithms to detect outliers
spellingShingle Projection pursuit algorithms to detect outliers
Stimolo, María Inés
Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
title_short Projection pursuit algorithms to detect outliers
title_full Projection pursuit algorithms to detect outliers
title_fullStr Projection pursuit algorithms to detect outliers
title_full_unstemmed Projection pursuit algorithms to detect outliers
title_sort Projection pursuit algorithms to detect outliers
dc.creator.none.fl_str_mv Stimolo, María Inés
Ortiz, Pablo Arnaldo
author Stimolo, María Inés
author_facet Stimolo, María Inés
Ortiz, Pablo Arnaldo
author_role author
author2 Ortiz, Pablo Arnaldo
author2_role author
dc.contributor.none.fl_str_mv https://orcid.org/0000-0001-7277-1638
http://orcid.org/0000-0002-3777-0653
dc.subject.none.fl_str_mv Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
topic Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
dc.description.none.fl_txt_mv Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
In this paper, we compare the methods proposed by Peña and Prieto (2001), and Filzmoser, Maronna, and Werner (2008) to detect outliers in a set of Argentine companies that quote their shares in the Stock Exchange. A significant heterogeneity between observations can be a consequence of the presence of outliers. The detection of outliers is an important task for the statistical analysis since they distort descriptive measures and parameters estimators. There are different multivariate methods to detect outliers, such as distance-based methods and projection pursuit methods.
En este trabajo se comparan los métodos propuestos por Peña y Prieto (2001) y Filzmoser, Maronna y Werner (2008) para detectar datos atípicos en empresas argentinas que cotizan sus acciones en el Mercado de Valores. La heterogeneidad significativa entre observaciones puede ser una consecuencia de la presencia de datos atípicos. La detección de datos atípicos es importante en el análisis estadístico por su efecto en la distorsión de las medidas descriptivas y en los estimadores de los parámetros. Existen distintos métodos multivariados para detectar datos atípicos, tales como los métodos basados en la distancia o los métodos de búsqueda de proyecciones.
https://revistas.javeriana.edu.co/index.php/cuadernos_admon/article/view/29630
info:eu-repo/semantics/publishedVersion
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Ortiz, Pablo Arnaldo. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Estadística y Probabilidad
description Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
publishDate 2020
dc.date.none.fl_str_mv 2020
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
status_str publishedVersion
format article
dc.identifier.none.fl_str_mv 0120-3592
http://hdl.handle.net/11086/552489
1900-7205
https://doi.org/10.11144/Javeriana.cao33.ppado
identifier_str_mv 0120-3592
1900-7205
url http://hdl.handle.net/11086/552489
https://doi.org/10.11144/Javeriana.cao33.ppado
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618915685072896
score 13.070432