A3 Kirjan tai muun kokoomateoksen osa
A Review of Tyler’s Shape Matrix and Its Extensions (2023)

Taskinen, S., Frahm, G., Nordhausen, K., & Oja, H. (2023). A Review of Tyler’s Shape Matrix and Its Extensions. In M. Yi, & K. Nordhausen (Eds.), Robust and Multivariate Statistical Methods : Festschrift in Honor of David E. Tyler (pp. 23-41). Springer. https://doi.org/10.1007/978-3-031-22687-8_2

JYU-tekijät tai -toimittajat

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Taskinen, Sara; Frahm, Gabriel; Nordhausen, Klaus; Oja, Hannu

Emojulkaisu: Robust and Multivariate Statistical Methods : Festschrift in Honor of David E. Tyler

Emojulkaisun toimittajat: Yi, Mengxi; Nordhausen, Klaus

ISBN: 978-3-031-22686-1

eISBN: 978-3-031-22687-8

Julkaisuvuosi: 2023

Ilmestymispäivä: 26.11.2022

Artikkelin sivunumerot: 23-41

Kirjan kokonaissivumäärä: 495

Kustantaja: Springer

Kustannuspaikka: Cham

Julkaisumaa: Sveitsi

Julkaisun kieli: englanti

DOI: https://doi.org/10.1007/978-3-031-22687-8_2

Julkaisun avoin saatavuus: Ei avoin

Julkaisukanavan avoin saatavuus:

Tiivistelmä

In a seminal paper, Tyler (1987a) suggests an M-estimator for shape, which is now known as Tyler’s shape matrix. Tyler’s shape matrix is increasingly popular due to its nice statistical properties. It is distribution free within the class of generalized elliptical distributions. Further, under very mild regularity conditions, it is consistent and asymptotically normally distributed after the usual standardization. Tyler’s shape matrix is still the subject of active research, e.g., in the signal processing literature, which discusses structured and regularized shape matrices. In this article, we review Tyler’s original shape matrix and some recent developments.

YSO-asiasanat: tilastomenetelmät; estimointi; matriisit; jakaumat

Vapaat asiasanat: M-estimator; generalized elliptical distribution; high dimension; robust estimator; regularization

Liittyvät organisaatiot

OKM-raportointi: Kyllä

Raportointivuosi: 2023

Alustava JUFO-taso: 2