if (sum(is.na(x))>0){

print("Data contains missing Values")

}

nRow<-dim(x)[1]

nCol<-dim(x)[2]

m<-matrix(rep(1,nRow*nCol),ncol=nCol)

w<-matrix(rep(NA,nRow*nCol),ncol=nCol)

rmed<-apply(x,1,median, na.rm=TRUE)

rmad<- apply(x,1,mad, na.rm=TRUE)

for (i in 1:nRow){

for (j in 1:nCol)

{

w[i,j]<-min(m[i,j],((1.96^2)/((x[i,j]-rmed[i])/rmad[i])^2))

}

}

###################################################

#### ####

#### Weighted Mean Calculation ####

#### ####

###################################################

wx<-w*x

sum_wx<-as.matrix(apply(wx,1,sum))

sum_w<-as.matrix(apply(w,1,sum))

x_bar<-sum_wx/sum_w

###################################################

#### ####

#### Weighted Standard Deviation ####

#### ####

###################################################

sum_devM<-matrix(rep(NA,nRow*nCol),ncol=nCol)

for (i in 1:nRow){

for (j in 1:nCol){

sum_devM[i,j]<-((w[i,j]*x[i,j])-x_bar[i])^2

}

}

sumsq<-as.matrix(apply(sum_devM,1,sum))

s_w1<-sumsq/sum_w

s_w<-sqrt(s_w1)

###################################################

#### ####

#### Weighted Scaling Matrix Calculation ####

#### ####

###################################################

wsp<-matrix(rep(NA,nRow*nCol),ncol=nCol)

for (i in 1:nRow){

for (j in 1:nCol){

if (w[i,j]==1)wsp[i,j]<-(x[i,j]-x_bar[i])/s_w[i]

else if(w[i,j]!=1)wsp[i,j]<-(((w[i,j]*x[i,j])-x_bar[i])/s_w[i])

}

}

dataWS<-wsp

return(dataWS)