Treatment of outliers: Present state of concepts and general tendencies;Traitement des valeurs aberrantes : Concepts actuels et tendances générales

Biotechnology, Agronomy and Society and Environment

Volumn 9, Issue 1, 2005, Pages 19-34

  Planchon, Viviane ^a  

^a WALLOON AGRICULTURAL RESEARCH CENTRE   (Belgium)

Author keywords

Accommodation; Detection; Discordancy test; Outliers

Indexed keywords

EID: 77951634720     PISSN: 13706233     EISSN: 17804507     Source Type: Journal    
DOI: None     Document Type: Article

References (53)

1. Afifi AA., Azen SP. (1979). Statistical analysis: A computer oriented approach. 2nd ed. New York: Academic Press.
2. Anscombe FJ., Tukey JW. (1963). The examination and analysis of residuals. Technometrics 5, p. 141-160.
3. Barnett V., Lewis T. (1994). Outliers in statistical data. 3rd ed. New York: John Wiley,.
4. Beckman RJ., Cook RD. (1983). Outlier……s’(with Discussion). Technometrics 25, p. 119-163.
5. Beirlant J., Goegebeur Y. (2000). Local polynomial maximum likelihood estimation for Pareto-type distributions. Leuven, Belgium: K.U. Leuven, Department of Applied Economics.
6. Beirlant J., Teugels JL., Vynckier P. (1996). Practical analysis of extreme values. Leuven, Belgium: Leuven University Press, 137 p.
7. Box GE P., Cox DR. (1964). An analysis of transformations. J. R. Stat. Soc. 26, Ser. B, p. 211-252.
8. Campbell NA. (1978). The influence function as an aid in outlier detection in discriminant analysis. Appl. Stat. 27, p. 251-258.
9. Campbell NA. (1980). Robust procedures in multivariate analysis. I. Robust covariance estimation. Appl. Stat. 29, p. 231-237.
10. Campbell NA. (1982). Robust procedures in multivariate analysis. II. Robust canonical variate analysis. Appl. Stat. 31, p. 1-8.
11. Carletti G. (1988). Comparaison empirique de méthodes statistiques de détection de valeurs anormales à une et à plusieurs dimensions. Gembloux, Belgique : Faculté des Sciences agronomiques de l’État, 225 p.
12. Cerioli A., Riani M. (1999). The ordering of spatial data and the detection of multiple outliers. J. Comput. Graphical Stat. 8 (2), p. 239-258.
13. Chikkagoudar MS., Kunchur SH. (1987). Comparison of many outlier procedures for exponential samples. Comm. Stat. Theor. Meth. 16, p. 627-645.
14. Cook RD., Weisberg S. (1980). Characterisations of an empirical influence function for detecting influential cases in regression. Technometrics 22, p. 495-508.
15. Cook RD., Weisberg S. (1982). Residuals and influence in regression. London: Chapman and Hall.
16. Cressie NA C. (1993). Statistics for spatial data (revised ed.). New York: John Wiley and Sons, 900 p.
17. Crettaz de Roten F., Helbling JM. (1996). Données manquantes et aberrantes : le quotidien du statisticien analyste de données. Rev. Stat. Appl. 44 (2), p. 105-115.
18. Dagnelie P. (1998). Inférence statistique à une et à deux dimensions. Bruxelles : De Boeck & Larcier, vol. 2, 659 p.
19. Devlin SJ., Gnanadesikan R., Kettenring JR. (1981). Robust estimation of dispersion matrices and principal components. J. Am. Stat. Assoc. 76 (374).
20. Dixon WJ. (1950). Analysis of extreme values. Ann. Math. Stat. 21, p. 488-506.
21. Everitt BS. (2002). The Cambridge dictionary of statistics. 2nd ed.Cambridge, UK: University Press, Second Edition, 410 p.
22. Gnanadesikan R. (1977). Methods for statistical data analysis of multivariate observations. New York: John Wiley & Sons, 311 p.
23. Gnanadesikan R., Kettering JR. (1972). Robust estimates, residuals and outlier detection with multiresponse data. Biometrics 28, p. 81-124.
24. Grubbs FE. (1950). Sample criteria for testing outlying observations. Ann. Math. Stat. 21, p. 27-58.
25. Grubbs FE. (1969). Procedures for detecting outlying observations in samples. Technometrics 11, p. 1-21.
26. Hampel F., Ronchetti EM., Rousseeuw P., Stahel WA. (1986). Robust Statistics. New York: John Wiley.
27. Hawkins DM. (1980). Identification of outliers. London, England: Chapman and Hall, 188 p.
28. Hoaglin DC., Welsch RE. (1978). The hat matrix in regression and ANOVA. Am. Stat. 32 (1), p. 17-22.
29. Huber PJ. (1972). Robust statistics: a review. Ann. Math. Stat. 43, p. 1041-1067.
30. Huber P.J. (1981). Robust statistics. New York: John Wiley.
31. ISO (1995). Exactitude (justesse et fidélité) des résultats et méthodes de mesure. Partie 2 : Méthode de base pour la détermination de la répétabilité et de la reproductibilité d’une méthode de mesure normalisée (ISO 5725-2:1994). In Méthodes statistiques pour la maîtrise de la qualité. Méthodes et résultats de mesure. Interprétation des données statistiques. Maîtrise des processus. Genève, Suisse : Organisation internationale de normalisation. vol. 2, p. 31-78.
32. Jolliffe IT. (1989). Rotation of ill-defined principal components. Appl. Stat. 38, p. 139-147.
33. Kimber AC. (1988). Testing upper and lower outlier pairs in gamma samples. Comm. Stat. Simulation Comput. 17, p. 1055-1072.
34. Lalor GC., Zhang C. (2001). Multivariate outlier detection and remediation in geochemical databases. Sci. Total Environ. 281, p. 99-109.
35. Laroche J., Oger R. (1999). Base de données SOLS. Première synthèse. Gembloux, Belgique : Faculté universitaire des Sciences agronomiques de Gembloux, Unité de Géopédologie ; asbl Réquasud, 36 p.
36. Lewis T., Fieller NRJ. (1979). A recursive algorithm for null distributions for outliers: I. Gamma samples. Technometrics 21, p. 371-376.
37. Munoz-Garcia J., Moreno-Rebollo JL., Pascual-Acosta A. (1990). Outliers: a formal approach. Int. Statist. Rev. 58, p. 215-226.
38. Palm R. (1988). Les critères de validation des équations de régression linéaire. Gembloux, Belgique : Faculté des Sciences agronomiques, 27 p.
39. Palm R. (1992). Comment interpréter les résultats d’une série chronologique. Collection ST AT-ITCF. Paris : Institut Technique des Céréales et des Fourrages, 80 p.
40. Palm R. (2002). Utilisation du bootstrap pour les problèmes statistiques liés à l’estimation des paramètres. Biotechnol. Agron. Soc. Environ. 6 (3), p. 143-153.
41. Rohlf FJ. (1975). Generalisation of the gap test for the detection of multivariate outliers. Biometrics 31, p. 93-101.
42. Rousseeuw PJ. (1984). Least median of squares regression. J. Am. Stat. Assoc. 79 (388), p. 871-880.
43. Rousseeuw PJ., Bassett GW. (1990). The Remedian: a robust averaging method for large data sets. J. Am. Stat. Assoc. 85, p. 97-104.
44. Rousseeuw PJ., Leroy AM. (1987). Robust regression and outlier detection. New York: John Wiley, 329 p.
45. Rousseeuw PJ., van Zomeren BC. (1990). Unmasking multivariate outliers and leverage points. J. Am. Stat. Assoc. 85 (411), p. 633-639.
46. Royston JP. (1982). An extension of Shapiro and Wilk’s W test for normality to large samples. Appl. Stat. 31 (2), p. 115-124.
47. Schwager SJ., Margolin B. (1982). Detection of multivariate normal outliers. Ann. Stat. 10, p. 943-954.
48. Shapiro SS., Wilk MB., Chen MJ. (1968). A comparative study of various tests for normality. J. Am. Stat. Assoc. 63, p. 1343-1372.
49. Thode HC. (2002). Testing for normality. STATISTICS: textbooks and monographs. New York: Marcel Dekker, vol. 164, 479 p.
50. Tietjen GL., Moore RH. (1972). Some Grubbs-type statistics for the detection of several outliers. Technometrics 14, p. 583-597.
51. Wilks SS. (1963). Multivariate statistical outliers. Sankhya A (25), p. 407-426.
52. Zhang CS., Selinus O., Schedin J. (1998). Statistical analyses for heavy metal contents in till and root samples in an area of southeastern Sweden. Sci. Total Environ. 212, p. 217-232.
53. Zhang CS., Zhang S. (1996). A robust-symmetric mean: a new way of mean calculation for environmental data. Geojournal 40 (1-2), p. 209-212.