haku: @supervisor Vehtari, Aki / yhteensä: 4
viite: 3 / 4
Tekijä:Seijo, Henri
Työn nimi:Functional data depth in Monte Carlo tests for spatial marked point processes
Funktionaalinen datasyvyys spatiaalisten merkkisten pisteprosessien Monte Carlo -testeissä
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2015
Sivut:56 + 5      Kieli:   eng
Koulu/Laitos/Osasto:Sähkötekniikan korkeakoulu
Oppiaine:Laskennallinen tiede ja tekniikka   (F3009)
Valvoja:Vehtari, Aki
Ohjaaja:Myllymäki, Mari
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201512165706
Sijainti:P1 Ark Aalto  3402   | Arkisto
Avainsanat:functional data depth
Monte Carlo test
spatial point process
marked point pattern
funktionaalinen datasyvyys
Monte Carlo -testi
spatiaalinen pisteprosessi
merkkinen pistekuvio
Tiivistelmä (fin):Monte Carlo -deviaatiotestejä käytetään usein testaamaan spatiaalisia pisteprosesseja koskevia hypoteesejä.
Vaikka klassiset deviaatiomitat kärsivät joistakin luontaisista vioista, erityisesti leviämisestä ja asymmetrisyydestä, niitä käytetään silti kyseisissä testeissä laajalti.

Tässä diplomityössä tutkin funktionaalista datasyvyyttä uudenlaisena vaihtoehtona klassisille deviaatiomitoille.
Mahdollistaakseni MBD- ja MHRD-mittojen käytön tarkastelen julkaistuja algoritmeja, analysoin mainittuja syvyysmittoja tarkasti ja kehitän uusia algoritmeja välttämättömien nopeutusten ja korjausten saavuttamiseksi.
Päätän diplomityön kahteen dataesimerkkiin ja keskusteluun esitellyistä sekä muista klassiset deviaatiomitat korvaavista menetelmistä.
Tiivistelmä (eng):Monte Carlo deviation tests are commonly utilized to test hypotheses concerning spatial point processes.
Even though the classic deviation measures suffer from some inherent faults, namely spreading and asymmetry, they are still widely applied for such tests.

In this thesis, I explore functional data depth as a novel alternative to classic deviation measures.
To enable the use of modified band depth and modified half-region depth, I review the published algorithms, analyse the depth measures carefully and develop new algorithms for the necessary speedups and corrections.
I conclude the thesis with two data examples and a discussion of the presented methods and other substitutes for classic deviation measures.
ED:2016-01-17
INSSI tietueen numero: 52829
+ lisää koriin
INSSI