Regression model

শক্তিশালী মাহালানোবিস দূরত্ব

শক্তিশালী মাহালানোবিস দূরত্ব একটি শক্তিশালী সহপরিবর্তন অনুমান ব্যবহার করে প্রতিটি পর্যবেক্ষণ ডেটার কেন্দ্র থেকে কতটা দূরে অবস্থিত তা পরিমাপ করে বহুমাত্রিক বহিরাগতদের চিহ্নিত করে। এটি রুসেউ এবং ভ্যান জোমেরেন (১৯৯০) এর শক্তিশালী-দূরত্ব কাঠামো এবং ফিলজমোজার, গ্যারেট এবং রেইম্যান (২০০৫) এর বহুমাত্রিক বহিরাগত সনাক্তকরণ পদ্ধতির উপর ভিত্তি করে তৈরি, যেখানে ক্লাসিক্যাল গড় এবং সহপরিবর্তনের পরিবর্তে ন্যূনতম সহপরিবর্তন নির্ধারক (MCD) অনুমান ব্যবহার করা হয় যাতে বহিরাগতরা নিজেরাই দূরত্বকে বিকৃত করতে না পারে।

StatMind দিয়ে প্রয়োগ করুনশীঘ্রইভিডিওশীঘ্রইDownload slides

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

Method map

The neighbourhood of related methods — select a node to explore.

উৎস

  1. Rousseeuw, P. J. & Van Zomeren, B. C. (1990). Unmasking Multivariate Outliers and Leverage Points. Journal of the American Statistical Association, 85(411), 633-639. DOI: 10.1080/01621459.1990.10474920
  2. Filzmoser, P., Garrett, R. G. & Reimann, C. (2005). Multivariate Outlier Detection in Exploration Geochemistry. Computational Statistics & Data Analysis, 49(2), 561-587. DOI: 10.1016/j.cageo.2004.11.013

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/bn/statistics/mahalanobis-robust

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Mahalanobis Distance (Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection)). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/statistics/mahalanobis-robust · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026