Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: http://uvadoc.uva.es/handle/10324/11618
Título: Robust estimation for mixtures of Gaussian factor analyzers, based on trimming and constraints
Autor: García Escudero, Luis Ángel
Gordaliza Ramos, Alfonso
Greselin, F.
Ingrassia, S.
Mayo Iscar, Agustín
Año del Documento: 2015
Editorial: Universidad de Valladolid. Facultad de Medicina
Descripción: Producción Científica
Documento Fuente: Arxiv, Marzo 2015, vol. 1. p.1-30
Resumen: Mixtures of Gaussian factors are powerful tools for modeling an unobserved heterogeneous population, offering - at the same time - dimension reduction and model-based clustering. Unfortunately, the high prevalence of spurious solutions and the disturbing effects of outlying observations, along maximum likelihood estimation, open serious issues. In this paper we consider restrictions for the component covariances, to avoid spurious solutions, and trimming, to provide robustness against violations of normality assumptions of the underlying latent factors. A detailed AECM algorithm for this new approach is presented. Simulation results and an application to the AIS dataset show the aim and effectiveness of the proposed methodology.
Materias (normalizadas): Análisis multivariante
Revisión por Pares: SI
Idioma: eng
URI: http://uvadoc.uva.es/handle/10324/11618
Derechos: info:eu-repo/semantics/openAccess
Aparece en las colecciones:DEP24 - Artículos de revista

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Agustín Mayo 2.pdfPD-251728,96 kBAdobe PDFThumbnail
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

Comentarios
Universidad de Valladolid
Powered by MIT's. DSpace software, Version 5.5