Dans les sociétés industrialisées, les humains sont exposés à multiples sources de mouvements vibratoires. Jusqu'à présent, l’analyse de l'effet des stimuli vibratoire dans son ensemble a été bien développée, plus précisément en ce qui concerne le seuil de perception. Au cours des dernières années, diverses études ont analysé l'influence de certains facteurs.Cependant, l'effet d'une des composantes du stimulus sur la perception d'autres composants a été rarement rapporté. Dans ce cas, très peu d'information a été trouvée dans la littérature. Dans les deux études trouvées, le seuil absolu a été réévalué en considérant un second signal sinusoïdal. La valeur du seuil était plus élevée que ce qui a été estimé avec le stimulus simple. L'augmentation du seuil a été attribuée à l'effet de masquage. Basé sur ces observations, cette étude examine l'existence de l'effet de masquage dans les vibrations vertical du corps entière. Afin d'examiner l'effet de masquage, la différence entre le seuil absolu et le seuil masqué est nécessaire. Deux types de stimuli ont été utilisés : le stimulus masquage et le stimulus de test. Le masque est un signal de bruit à bande étroite entre 10 et 20 Hz, à trois niveaux d'amplitude différents. La sélection du stimulus de masque a été basée sur le modèle de masquage largement étudié dans certains domaines tels que l'acoustique, le domaine visuel et vibrotactile. Le stimulus de test est un signal sinusoïdale d'amplitude modulée à six fréquences différentes (30, 35, 40, 50, 60, 80 Hz. L'effet de la fréquence sur le seuil absolu estimé est similaire à ce qui a été indiqué par d'autres études. La détection du stimulus en présence du signal de masquage a été empêchée. Par conséquent, il est certainement clair que le phénomène de masquage a eu lieu. Les valeurs des seuils masqués étaient considérablement plus élevées que ceux correspondant aux seuils absolus. Le seuil décroît en fonction de la fréquence de test et l'effet de masque est plus important à haute qu’à faible niveau d'intensité du masque. Le démasquage est lié à l’écart entre les fréquences des signaux masquant et de test. Lorsque l’écart est faible, prévaut la reconnaissance de l’augmentation de l’intensité globale d'énergie. Si l’écart augmente, la discrimination des signaux prédomine. / In industrialized societies, humans are exposed to multiple sources of vibratory motions. To date, the analyses of the impact of vibratory stimuli as a whole have been well developed, more precisely with respect to perception threshold. Along recent years various studies have been analyzed the influence of some factors involved.However, the effect of one component of the stimulus in to perception of other components has been rarely reported. In this case, little information was found in the literature. In two studies found, the absolute threshold was revalued by integrating a second sinusoidal signal. The threshold value was higher that which has been estimated with the simple stimulus. The increase of threshold has been attributed to a masking effect. Based on these remarks, this study investigates the existence of masking effect for vertical whole body vibration, in particular to sitting position. To examine the masking effect, the difference between absolute and masked thresholds is required. Two types of stimuli have been used: the masking and the test stimulus. The masker is a narrow-band noise from 10 to 20 Hz at three different magnitude levels. The selection of mask stimulus was based on the masking model widely studied in acoustic, visual and vibrotactile areas. The test stimulus is a sinusoidal modulated amplitude signal at six different frequencies (30, 35, 40, 50, 60, 80 Hz). The frequency dependence of the absolute threshold estimated is similar to the results presented in other studies. The stimulus detection in the presence of the masking signal has been prevented. Therefore, it is certainly clear that the masking phenomenon occurred. The masked thresholds values were considerably higher than those absolute thresholds. The threshold decreases as a function of test frequency and the mask effect is more important at high than at low intensity masker levels. The unmasking is related to the difference between the mask and test signals frequencies. When the difference is small, the recognition of the increase in the overall energy intensity predominates. However, if the difference increases, then the discrimination of signals is dominant.

在迴歸分析中，當資料中存在很多離群值時，偵測的工作變得非常不容易。 在此狀況下，我們無法使用傳統的殘差分析正確地偵測出其是否存在，此現象稱為遮蔽效應(The Masking Effect)。 而為了避免此效應的發生，我們利用最小中位數穩健迴歸估計值(Least Median Squares Estimator)正確地找出這些群集離群值，此估計值擁有最大即50﹪的容離值 (Breakdown point)。 在這篇論文中，用來求出最小中位數穩健迴歸估計值的演算法稱為步進搜尋演算法 (the Forward Search Algorithm)。 結果顯示，我們可以利用此演算法得到的穩健迴歸估計值，很快並有效率的找出資料中的群集離群值；另外，更進一步的結果顯示，我們只需從資料中隨機選取一百次子集，並進行步進搜尋，即可得到概似的穩健迴歸估計值並正確的找出那些群集離群值。 最後，我們利用鐘乳石圖(Stalactite Plot)列出所有被偵測到的離群值。 在多變量資料中，我們若使用Mahalanobis距離也會遭遇到同樣的屏蔽效應。 而此一問題，隨著另一高度穩健估計值的採用，亦可迎刃而解。 此估計值稱為最小體積橢圓體估計值 (Minimum Volume Ellipsoid)，其亦擁有最大即50﹪的容離值。 在此，我們也利用步進搜尋法求出此估計值，並利用鐘乳石圖列出所有被偵測到的離群值。 這篇論文的第二部分則利用變數轉換的技巧將迴歸資料中的殘差項常態化並且加強其等變異的特性以利後續的資料分析。 在步進搜尋進行的過程中，我們觀察分數統計量(Score Statistic)和其他相關診斷統計量的變化。 結果顯示，這些統計量一起提供了有關轉換參數選取豐富的資訊，並且我們亦可從步進搜尋進行的過程中觀察出某些離群值對參數選取的影響。 / Detecting regression outliers is not trivial when there are many of them. The methods of using classical diagnostic plots sometimes fail to detect them. This phenomenon is known as the masking effect. To avoid this, we propose to find out those multiple outliers by using a highly robust regression estimator called the least median squares (LMS) estimator which has maximal breakdown point. The algorithm in search of the LMS estimator is called the forward search algorithm. The estimator found by the forward search is shown to lead to the rapid detection of multiple outliers. Furthermore, the result reveals that 100 repeats of a simple forward search from a random starting subset are shown to provide sufficiently robust parameter estimators to reveal multiple outliers. Finally, those detected outliers are exhibited by the stalactite plot that shows greatly stable pattern of them. Referring to multivariate data, the Mahalanobis distance also suffers from the masking effect that can be remedied by using a highly robust estimator called the minimum volume ellipsoid (MVE) estimator. It can also be found by using the forward search algorithm and it also has maximal breakdown point. The detected outliers are then displayed in the stalactite plot. The second part of this dissertation is the transformation of regression data so that the approximate normality and the homogeneity of the residuals can be achieved. During the process of the forward search, we monitor the quantity of interest called score statistic and some other diagnostic plots. They jointly provide a wealth of information about transformation along with the effect of individual observation on this statistic.