Robuste Mahalanobis-Distanz
Die robuste Mahalanobis-Distanz kennzeichnet multivariate Ausreißer, indem sie misst, wie weit jede Beobachtung vom Zentrum der Daten entfernt ist, wobei eine robuste Kovarianzschätzung verwendet wird. Sie baut auf dem Robust-Distance-Framework von Rousseeuw und Van Zomeren (1990) und dem multivariaten Ausreißer-Erkennungsansatz von Filzmoser, Garrett und Reimann (2005) auf, indem sie den klassischen Mittelwert und die Kovarianz durch die Minimum Covariance Determinant (MCD)-Schätzung ersetzt, sodass die Ausreißer selbst die Distanz nicht verzerren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/de/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.
- Angepasster Boxplot für schiefe VerteilungenStatistik↔ compare
- Least Trimmed Squares (LTS)-RegressionStatistik↔ compare
- Schätzung der mittleren absoluten Abweichung (MAD)Statistik↔ compare
- Robuste ANOVA (Welch & Getrimmter Mittelwert)Statistik↔ compare
- Theil-Sen-SchätzerStatistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →