The results from the Monte Carlo si

The results from the Monte Carlo simulation show the eight
different methods for detecting outliers. The best of Y’s
outliers are (i ) r and i CD methods. This is
important (i ) r perform better than i CD , because (i ) r mainly
show high values of the detection outlier of every the sample
sizes and the percentages of Y’s outliers. The next best
statistics for detection are i d and i r methods. They have good
outlier detection when large sample sizes and high the
percentage of Y’s outliers. The ii h and i t methods have values
of the detection outlier with small sample sizes, but
compromised outlier detection when the large sample size
and the percentages of outliers are increased. The best of X’s
and both X’s and Y’s outliers is i MD method. It has the
highest values of detection outlier when the presence the
sample sizes are small, medium and large sizes. The next best
statistics for the detection are Hat matrix( ) ii h , Cook’s square distance ( )i CD and i DEFFIT . The i DEFFIT method has
more the values of detection outlier when less than outliers.
Although show (i ) r , i CD and i MD methods are clearly
favorable to outlier detection methods, given our methods
success in the identification of outliers. They can also be
considered for use in estimation. One can estimate the
regression coefficients with outliers by applying the robust
regression. The estimation method is applying a down
weighing approach would be worthwhile.

ผลลัพธ์ (ไทย) 1:

ผลจากการจำลอง Monte Carlo แสดงแปดวิธีต่าง ๆ สำหรับการตรวจจับ outliers สุดของของ Youtliers คือ (i) r และ CD วิธีการ นี้เป็นสำคัญ (i) r ทำได้ดีกว่า CD เนื่องจาก (i) r ส่วนใหญ่แสดงค่าสูงของ outlier ตรวจของทุกตัวอย่างขนาดและเปอร์เซ็นต์ของ outliers ของ Y ดีที่สุดต่อไปสถิติการตรวจจับมีฉัน d และ r วิธี มีดีoutlier ตรวจจับเมื่อมีขนาดใหญ่ตัวอย่างขนาดและมีการเปอร์เซ็นต์ของ outliers ของ Y Ii h และ t มีค่าของ outlier ตรวจกับตัวอย่างขนาดเล็กขนาด แต่outlier ตรวจจับการบุกรุกเมื่อขนาดตัวอย่างขนาดใหญ่และเปอร์เซ็นต์ของ outliers ที่เพิ่มขึ้น สุดของนำและทั้งนำและ outliers ของ Y i MD วิธี มีการค่าสูงสุดของ outlier ตรวจจับเมื่อมีการขนาดตัวอย่างมีขนาดเล็ก ขนาดกลาง และใหญ่ ดีที่สุดต่อไปสถิติสำหรับการตรวจจับหมวกเมตริกซ์ h ii () , ()ของคุกตารางระยะฉัน CD และ DEFFIT I DEFFIT วิธีได้เพิ่มเติมค่า outlier ตรวจจับเมื่อน้อยกว่า outliersแม้ว่า r แสดง (i) ฉัน CD และ MD วิธีการชัดเจนดี outlier ตรวจจับวิธี กำหนดวิธีการความสำเร็จในการระบุของ outliers พวกเขายังสามารถพิจารณาเพื่อใช้ในการประเมิน หนึ่งสามารถประมาณการสัมประสิทธิ์ถดถอยกับ outliers โดยใช้แข็งแกร่งถดถอย วิธีการประเมินจะใช้การลงวิธีการชั่งน้ำหนักจะคุ้มค่า

ผลลัพธ์ (ไทย) 2:

ผลที่ได้จากการจำลอง Monte Carlo แสดงแปด
วิธีการที่แตกต่างกันสำหรับการตรวจสอบค่าผิดปกติ ที่ดีที่สุดของ Y ของ
ค่าผิดปกติคือ (i) R และฉันวิธีซีดี นี่คือ
สิ่งที่สำคัญ (i) R ทำงานได้ดีขึ้นกว่าที่ฉันซีดีเพราะ (ฉัน) R ส่วนใหญ่
แสดงค่าสูงของขอบเขตการตรวจสอบของทุกตัวอย่าง
ขนาดและอัตราร้อยละของค่าผิดปกติ Y ของ ดีที่สุดต่อไป
สถิติสำหรับการตรวจสอบที่มี ID และ IR วิธี พวกเขามีดีที่
การตรวจสอบค่าผิดปกติเมื่อขนาดตัวอย่างมีขนาดใหญ่และสูง
ร้อยละของค่าผิดปกติของ Y ที่สอง H และวิธีการที่มีค่า
ของขอบเขตการตรวจสอบที่มีขนาดตัวอย่างเล็ก ๆ แต่
การตรวจสอบขอบเขตที่ถูกบุกรุกเมื่อขนาดของกลุ่มตัวอย่างที่มีขนาดใหญ่
และร้อยละของค่าผิดปกติจะเพิ่มขึ้น ที่ดีที่สุดของเอ็กซ์
ทั้ง X และ Y ค่าผิดปกติคือผมวิธี MD มันมี
ค่าสูงสุดของการตรวจสอบค่าผิดปกติเมื่อปรากฏตัวที่
ขนาดตัวอย่างขนาดเล็กขนาดกลางและขนาดใหญ่ขนาด ที่ดีที่สุดต่อไป
สถิติสำหรับการตรวจสอบจะมีหาดเมทริกซ์ () II H, ตารางระยะคุก () ของฉันและฉันซีดี DEFFIT วิธีที่ฉัน DEFFIT มี
ค่ามากขึ้นของการตรวจสอบค่าผิดปกติเมื่อน้อยกว่าค่าผิดปกติ.
แม้ว่าการแสดง (i) R, CD ฉันและฉัน MD วิธีการที่ชัดเจน
ดีกับขอบเขตวิธีการตรวจสอบที่ได้รับของเราวิธีการ
ประสบความสำเร็จในการระบุค่าผิดปกติ พวกเขายังสามารถ
พิจารณาสำหรับการใช้งานในการประมาณค่า หนึ่งสามารถประมาณ
ค่าสัมประสิทธิ์การถดถอยที่มีค่าผิดปกติโดยการใช้ที่แข็งแกร่ง
ถดถอย วิธีการประเมินจะใช้ลง
ชั่งน้ำหนักวิธีการจะคุ้มค่า