ROBUSTNESS OF WINSORIZED VARIANCE

Abstract

퍼짐성의 측도로서 분산이 보편적으로 사용되고 있나, 특히 모집단이 Gaussian 분포 대신 긴 꼬리의 분포를 따르는 경우에 있어 표본 분산이 로버스트하지 않다는 것은 주지의 사실이다. 본 논문에서는 모분산에 대한 로버스트 추정량으로서 원저화 표본 분산을 고려한다. 원저화 표본 분산의 성질을 몬테칼로 모의 실험기법을 이용하여 효율성과 로버스트함의 관점에서 살펴보고자 한다. 즉, 원저화 표본 분산이 통상의 표본 분산 혹은 기타 로버스트한 척도 추정량과 비교하여 과연 바람직한 성질을 가지는가에 관하여 연구한다.;The sample variance has been the most popular measure of scale. However, it is well known that the variance tends to behave poorly when data come from a long-tailed distribution instead of Gaussian distribution. In this; thesis, we investigate the performance of the Winsorized variance, a robust scale estimator proposed recently, by utilizing the Monte-Carlo simulation technique. We compare the Winsorized variance to the usual sample variance arid other robust scale estimators in use in terms of triefficiencies and values of the power function under H_(0) : σ^(2)=σ_(0)^(2) in case that we are dealing with testing hypotheses concering one sample variance.