Distancia de Mahalanobis Robusta
La distancia de Mahalanobis robusta señala valores atípicos multivariantes midiendo cuán lejos se encuentra cada observación del centro de los datos utilizando una estimación de covarianza robusta. Se basa en el marco de distancia robusta de Rousseeuw y Van Zomeren (1990) y el enfoque de detección de valores atípicos multivariantes de Filzmoser, Garrett y Reimann (2005), reemplazando la media y la covarianza clásicas con la estimación del Determinante Mínimo de Covarianza (MCD) para que los propios valores atípicos no distorsionen la distancia.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/es/statistics/mahalanobis-robust
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Diagrama de caja ajustado para distribuciones asimétricasEstadística↔ comparar
- Regresión por Mínimos Cuadrados Recortados (LTS)Estadística↔ comparar
- Estimación por Desviación Absoluta Mediana (MAD)Estadística↔ comparar
- ANOVA robusta (Welch y media recortada)Estadística↔ comparar
- Estimador de Theil-SenEstadística↔ comparar
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →