Mindste Trimmede Kvadraters (LTS) Regression
Mindste Trimmede Kvadraters er en robust lineær regressionsmetode introduceret af Peter J. Rousseeuw i 1984. I stedet for at tilpasse alle residualer estimerer den koefficienterne ved at minimere summen af kun de h mindste kvadrerede residualer, hvilket giver den et nedbrudspunkt på op til 50% og pålidelige estimater på data, der er stærkt kontamineret af outliers.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
+2 mere
Kilder
- Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105 ↗
- Rousseeuw, P. J., & Van Driessen, K. (2006). Computing LTS Regression for Large Data Sets. Data Mining and Knowledge Discovery, 12, 29-45. DOI: 10.1007/s10618-005-0024-4 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/da/statistics/least-trimmed-squares
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Least Median of Squares (LMS) RegressionStatistik↔ sammenlign
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ sammenlign
- KvantilregressionØkonometri↔ sammenlign
- RANSAC-regressionStatistik↔ sammenlign
- Theil-Sen EstimatorStatistik↔ sammenlign
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →