Robustne Mahalanobise kaugus
Robustne Mahalanobise kaugus tuvastab mitmemõõtmelised OUTLIERSid, mõõtes, kui kaugele iga vaatlus jääb andmete keskmest, kasutades robustset kovariantsihinnangut. See tugineb Rousseeuw'i ja Van Zomereni (1990) robustse kauguse raamistikule ning Filzmoseri, Garretti ja Reimanni (2005) mitmemõõtmelisele OUTLIERide tuvastamise lähenemisviisile, asendades klassikalise keskmise ja kovariantsi minimaalse kovariantsi determinant (MCD) hinnanguga, nii et OUTLIERid ise ei moonuta kaugust.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/et/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.
- Adjusted BoxplotStatistika↔ compare
- Vähim kärbitud ruutude (LTS) regressioonStatistika↔ compare
- Mediaanist absoluutse hälbe (MAD) hindamineStatistika↔ compare
- Robustne ANOVA (Welchi ja kärbitud keskmine)Statistika↔ compare
- Theil-Seni hinnangStatistika↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →