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
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/552489
Ver los metadatos del registro completo
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 |