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 toimittajatTaskinen, Sara; Frahm, Gabriel; Nordhausen, Klaus; Oja, Hannu

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

Emojulkaisun toimittajatYi, Mengxi; Nordhausen, Klaus

ISBN978-3-031-22686-1

eISBN978-3-031-22687-8

Julkaisuvuosi2023

Ilmestymispäivä26.11.2022

Artikkelin sivunumerot23-41

Kirjan kokonaissivumäärä495

KustantajaSpringer

KustannuspaikkaCham

JulkaisumaaSveitsi

Julkaisun kielienglanti

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

Julkaisun avoin saatavuusEi 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-asiasanattilastomenetelmätestimointimatriisitjakaumat

Vapaat asiasanatM-estimator; generalized elliptical distribution; high dimension; robust estimator; regularization


Liittyvät organisaatiot


OKM-raportointiKyllä

Raportointivuosi2023

JUFO-taso2


Viimeisin päivitys 2024-15-05 klo 13:10