Functional data depth in Monte Carlo tests for spatial marked point processes

Thumbnail Image

Files

master_Seijo_Henri_2015.pdf (671.16 KB)

URL

Journal Title

Journal ISSN

Volume Title

Sähkötekniikan korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2015-12-14

Department

Major/Subject

Laskennallinen tiede ja tekniikka

Mcode

F3009

Degree programme

TLT - Tietoliikennetekniikka (TS2005)

Language

en

Pages

56 + 5

Series

Abstract

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.

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.

Description

Supervisor

Vehtari, Aki

Thesis advisor

Myllymäki, Mari

Keywords

functional data depth, Monte Carlo test, spatial point process, marked point pattern

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201512165706

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC