Robust Mahalanobis Distance
Robust Mahalanobis Distance flagger multivariate outliers ved at måle, hvor langt hver observation ligger fra datacentret ved hjælp af et robust kovariansestimat. Den bygger på det robuste afstandsrammeværk fra Rousseeuw og Van Zomeren (1990) og den multivariate outlier-detektionsmetode fra Filzmoser, Garrett og Reimann (2005) ved at erstatte det klassiske gennemsnit og kovarians med Minimum Covariance Determinant (MCD) estimatet, så selve outliers ikke forvrænger afstanden.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/da/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.
- Justeret boksplot for skæve fordelingerStatistik↔ compare
- Mindste Trimmede Kvadraters (LTS) RegressionStatistik↔ compare
- Median Absolut Afvigelse (MAD) EstimeringStatistik↔ compare
- Robust ANOVA (Welch & Trimmed Mean)Statistik↔ compare
- Theil-Sen EstimatorStatistik↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →