Tiempo de salida de difusiones y función de profundidad

Una de las herramientas mas utilizadas para el análisis e inferencia no paramétrica multivariada es la función de profundidad. Su principal uso es el de dar un ordenamiento de los puntos en el soporte de la distribución, “del centro hacia afuera”. La propuesta es utilizar difusiones de Itô para defi...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Giussani, Guido
Otros Autores: Ferrari, Pablo Augusto
Formato: Tesis doctoral publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2021
Materias:
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n7012_Giussani
Aporte de:
id tesis:tesis_n7012_Giussani
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
topic FUNCION DE PROFUNDIDAD
DIFUSIONES DE ITO
PASEOS ALEATORIOS
TIEMPO DE SALIDA
DATOS MULTIVARIADOS
DEPTH FUNCTIONS
ITO DIFFUSIONS
RANDOM WALKS
EXIT TIME
MULTIVARIATE DATA
spellingShingle FUNCION DE PROFUNDIDAD
DIFUSIONES DE ITO
PASEOS ALEATORIOS
TIEMPO DE SALIDA
DATOS MULTIVARIADOS
DEPTH FUNCTIONS
ITO DIFFUSIONS
RANDOM WALKS
EXIT TIME
MULTIVARIATE DATA
Giussani, Guido
Tiempo de salida de difusiones y función de profundidad
topic_facet FUNCION DE PROFUNDIDAD
DIFUSIONES DE ITO
PASEOS ALEATORIOS
TIEMPO DE SALIDA
DATOS MULTIVARIADOS
DEPTH FUNCTIONS
ITO DIFFUSIONS
RANDOM WALKS
EXIT TIME
MULTIVARIATE DATA
description Una de las herramientas mas utilizadas para el análisis e inferencia no paramétrica multivariada es la función de profundidad. Su principal uso es el de dar un ordenamiento de los puntos en el soporte de la distribución, “del centro hacia afuera”. La propuesta es utilizar difusiones de Itô para definir una nueva función de profundidad. Dada una distribución F con soporte D, la profundidad en un punto x es la transformada de Laplace del tiempo de salida de D de una difusión de Itô cuyos coeficientes dependen de la densidad. Esta profundidad de salida (PS), es la solución de un problema de frontera de tipo Dirichlet 0 para un operador diferencial de segundo orden uniformemente elíptico. Las herramientas empleadas para mostrar sus propiedades son usuales en ecuaciones en derivadas parciales. Así como la profundidad de Tukey [58], entre otras, PS esta inspirada en su versión empírica; basada en el tiempo de salida de un paseo aleatorio en un grafo aleatorio, un objeto clásico en probabilidad. El grafo utilizado en la versión empírica tiene como vértices a los puntos de una muestra y aristas definidas intrínsecamente, dependiendo de las distancias entre los puntos; el paseo aleatorio se mueve entre vecinos del grafo. La consistencia de la profundidad empírica es una consecuencia de un principio de invarianza, es decir, de la convergencia del paseo aleatorio reescalado a la difusión, cuando el número de puntos de la muestra crece a infinito. La profundidad PS se puede aplicar a distribuciones con soportes no convexos. La versión empírica está bien definida en grafos genéricos, no asociados a una distribución y en espacios no Euclidianos, por ejemplo, sin un sistema de coordenadas de referencia. Para mostrar una de las posibles aplicaciones, se realiza un estudio de clasificación para datos simulados y reales obteniéndose resultados superlativos en el caso de que las muestras aleatorias provengan de distribuciones con soporte no convexo.
author2 Ferrari, Pablo Augusto
author_facet Ferrari, Pablo Augusto
Giussani, Guido
format Tesis doctoral
Tesis doctoral
publishedVersion
author Giussani, Guido
author_sort Giussani, Guido
title Tiempo de salida de difusiones y función de profundidad
title_short Tiempo de salida de difusiones y función de profundidad
title_full Tiempo de salida de difusiones y función de profundidad
title_fullStr Tiempo de salida de difusiones y función de profundidad
title_full_unstemmed Tiempo de salida de difusiones y función de profundidad
title_sort tiempo de salida de difusiones y función de profundidad
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2021
url https://hdl.handle.net/20.500.12110/tesis_n7012_Giussani
work_keys_str_mv AT giussaniguido tiempodesalidadedifusionesyfunciondeprofundidad
AT giussaniguido exittimeofdiffusionsanddepthfunction
_version_ 1782022426063798272
spelling tesis:tesis_n7012_Giussani2023-10-02T20:24:19Z Tiempo de salida de difusiones y función de profundidad Exit time of diffusions and depth function Giussani, Guido Ferrari, Pablo Augusto Fraiman, Ricardo FUNCION DE PROFUNDIDAD DIFUSIONES DE ITO PASEOS ALEATORIOS TIEMPO DE SALIDA DATOS MULTIVARIADOS DEPTH FUNCTIONS ITO DIFFUSIONS RANDOM WALKS EXIT TIME MULTIVARIATE DATA Una de las herramientas mas utilizadas para el análisis e inferencia no paramétrica multivariada es la función de profundidad. Su principal uso es el de dar un ordenamiento de los puntos en el soporte de la distribución, “del centro hacia afuera”. La propuesta es utilizar difusiones de Itô para definir una nueva función de profundidad. Dada una distribución F con soporte D, la profundidad en un punto x es la transformada de Laplace del tiempo de salida de D de una difusión de Itô cuyos coeficientes dependen de la densidad. Esta profundidad de salida (PS), es la solución de un problema de frontera de tipo Dirichlet 0 para un operador diferencial de segundo orden uniformemente elíptico. Las herramientas empleadas para mostrar sus propiedades son usuales en ecuaciones en derivadas parciales. Así como la profundidad de Tukey [58], entre otras, PS esta inspirada en su versión empírica; basada en el tiempo de salida de un paseo aleatorio en un grafo aleatorio, un objeto clásico en probabilidad. El grafo utilizado en la versión empírica tiene como vértices a los puntos de una muestra y aristas definidas intrínsecamente, dependiendo de las distancias entre los puntos; el paseo aleatorio se mueve entre vecinos del grafo. La consistencia de la profundidad empírica es una consecuencia de un principio de invarianza, es decir, de la convergencia del paseo aleatorio reescalado a la difusión, cuando el número de puntos de la muestra crece a infinito. La profundidad PS se puede aplicar a distribuciones con soportes no convexos. La versión empírica está bien definida en grafos genéricos, no asociados a una distribución y en espacios no Euclidianos, por ejemplo, sin un sistema de coordenadas de referencia. Para mostrar una de las posibles aplicaciones, se realiza un estudio de clasificación para datos simulados y reales obteniéndose resultados superlativos en el caso de que las muestras aleatorias provengan de distribuciones con soporte no convexo. One of the most used tools for multivariate nonparametric analysis and inference is the depth function. Its main use is to give an ordering of the points in the support of the distribution, “ from the center outwards”. The proposal is to use Itô diffusions to define a new depth function. Given a distribution F with support D, the depth at a point x is the Laplace transform of the exit time from D of a Itô diffusion whose coefficients depend on the density. This exit depth (PS), is the solution to a 0 Dirichlet boundary problem for an uniformly elliptical second-order differential operator. The tools used to show their properties are common in partial derivative equations. As well as the Tukey depth [58], among others, PS is inspired by its empirical version; based on the exit time of a random walk on a random graph, a classic object in probability. The graph used in the empirical version has as vertices the points of a sample and intrinsically defined edges, depending on the distances between the points; the random walk moves between neighbors of the graph. The consistency of the empirical depth is a consequence of an invariance principle, that is, of the convergence of the rescaled random walk to the diffusion, when the number of points in the sample grows to infinity. The depth PS can be applied to distributions with non-convex supports. The empirical version is well defined in generic graphs, not associated with a distribution and in non-Euclidean spaces, for example, without a reference coordinate system. To show one of the possible applications, a classification study is carried out for simulated and real data, obtaining superlative results in the case that the random samples come from distributions with non-convex support. Fil: Giussani, Guido. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2021-12-13 info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n7012_Giussani