Projection pursuit algorithms to detect outliers

Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.

Detalles Bibliográficos
Autores principales: Stimolo, María Inés, Ortiz, Pablo Arnaldo
Otros Autores: https://orcid.org/0000-0001-7277-1638
Formato: publishedVersion article
Lenguaje:Inglés
Publicado: 2024
Materias:
Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
Acceso en línea:http://hdl.handle.net/11086/552489
https://doi.org/10.11144/Javeriana.cao33.ppado
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-552489
record_format dspace
spelling I10-R141-11086-5524892024-07-05T16:01:59Z Projection pursuit algorithms to detect outliers Stimolo, María Inés Ortiz, Pablo Arnaldo https://orcid.org/0000-0001-7277-1638 http://orcid.org/0000-0002-3777-0653 Datos atípicos Búsqueda de proyecciones Curtosis Empresas argentinas Outliers Projection pursuit Kurtosis Argentinian companies 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. 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 2024-07-01T21:21:34Z 2024-07-01T21:21:34Z 2020 article 0120-3592 http://hdl.handle.net/11086/552489 1900-7205 https://doi.org/10.11144/Javeriana.cao33.ppado eng Atribución 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ Electrónico y/o Digital
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Inglés
topic Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
spellingShingle Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
Stimolo, María Inés
Ortiz, Pablo Arnaldo
Projection pursuit algorithms to detect outliers
topic_facet Datos atípicos
Búsqueda de proyecciones
Curtosis
Empresas argentinas
Outliers
Projection pursuit
Kurtosis
Argentinian companies
description Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
author2 https://orcid.org/0000-0001-7277-1638
author_facet https://orcid.org/0000-0001-7277-1638
Stimolo, María Inés
Ortiz, Pablo Arnaldo
format publishedVersion
article
author Stimolo, María Inés
Ortiz, Pablo Arnaldo
author_sort Stimolo, María Inés
title Projection pursuit algorithms to detect outliers
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
publishDate 2024
url http://hdl.handle.net/11086/552489
https://doi.org/10.11144/Javeriana.cao33.ppado
work_keys_str_mv AT stimolomariaines projectionpursuitalgorithmstodetectoutliers
AT ortizpabloarnaldo projectionpursuitalgorithmstodetectoutliers
_version_ 1806948756945371136

Ejemplares similares