Programme et résumés (pdf) - Société statistique du Canada

172 Mercredi 31 mai • Wednesday, May 31, 15:00–16:30[MS-230]Fixed Point Clustering in Robust Mixture Discriminant AnalysisRegroupement point fixe dans l’analyse discriminante de mélange robusteShaheena BASHIR & Edward CARTER, University of GuelphIn classification problems, in the presence of maskingoutliers, the approach of Bashir and CarterDans les problèmes de classification, en présence d’observationsaberrantes ayant un effet masquant, l’approche de(2005) is useful when the data are mixtures of mul- Bashir et Carter (2005) est utile quand les données suiventtivariate normal. In this paper an improvement in un mélange de distributions normales multivariées. Dansthe robust mixture discriminant analysis of Bashir cette présentation, nous présentons une version améliorée deand Carter (2005) is made, using fixed point clus- l’analyse discriminante robuste de Bashir et de Carter (2005)tering of Hennig (2003) instead of k-means clus- quand les données suivent un mélange de distributions norteringto get initial estimates. This approach is males multivariées. Nous utilisons le regroupement de pointshown through simulation studies to be more ef- fixe de Hennig (2003) au lieu de l’analyse à classificationfective. The efficiency of the resulting model is automatique à k moyennes pour obtenir des estimations inicomparedwith the standard mixture discriminant tiales. Nos simulations ont démontré que cette approche estanalysis approach using probability of misclassifi- plus efficace. L’efficacité du modèle résultant est compacationcriterion. This comparison showed better re- rée à l’approche standard d’analyse discriminante en utilisultsproducing smaller errors of classification. sant comme critère la probabilité de classification erronée.Cette comparaison a montré que de meilleurs résultats sontobtenus avec la nouvelle méthode et qu’il en résulte moinsd’erreurs de classification.[MS-231]On Robust Forecasting in Dynamic Vector Time Series ModelsSur les prévisions robustes dans les modèles de séries chronologiques vectoriels dynamiquesChristian GAGNÉ & Pierre DUCHESNE, Université de MontréalRobust estimation and prediction in multivariateautoregressive models with exogenous variablesL’estimation et la prévision robustes sont considérées dansles modèles autorégressifs avec variables exogènes multiva-(VARX) are considered. The conditional least riées (VARX). Les estimateurs par moindres carrés condisquaresestimators (CLS) are known to be non ro- tionels (CLS) ne sont pas robustes quand des valeurs aberbustwhen outliers occur. To obtain robust estima- rantes surviennent. Afin d’obtenir des estimateurs robustes,tors, the method introduced in Duchesne (2005) la méthode introduite par Duchesne (2005) et Bou Hamadand Bou Hamad and Duchesne (2005) is general- et Duchesne (2005) est généralisée pour les modèles VARX.ized for VARX models. The asymptotic distribu- La distribution asymptotique des nouveaux estimateurs esttion of the new estimators is studied and from this étudiée et en particulier est obtenue de ce résultat la matriceis obtained in particular the asymptotic covariance de covariance asymptotique des estimateurs robustes. Les inmatrixof the robust estimators. Classical condi- tervalles de prévision conditionnels classiques reposent nortionalprediction intervals normally rely on estima- malement sur des estimateurs comme les estimateurs CLStors such as the usual non robust CLS estimators. non robustes. En présence de valeurs aberrantes, telles les va-In the presence of outliers, such as additive outliers, leurs aberrantes additives, ces prévisions classiques risquentthese classical predictions can be severely biased. d’être sévèrement biaisées. Plus généralement, la présenceMore generally, the occurrence of outliers may in- de valeurs aberrantes peut invalider les intervalles de prévivalidatethe usual conditional prediction intervals. sion conditionnels usuels. Conséquemment, la nouvelle mé-Consequently, the new robust methodology is used thodologie robuste est utilisée afin de développer des intertodevelop robust conditional prediction intervals valles de prévision conditionnels robustes qui prennent enwhich take into account parameter estimation un- compte l’incertitude entourant l’estimation des paramètres.certainty. In a simulation study, we investigate the Dans une étude de simulation, nous étudions les propriétésfinite sample properties of the robust prediction in- en échantillons finis des intervalles de prévision robustes enSH = Somerville House SSC = Social Science Centre UC = University College