رگرسیون حداقل مربعات هرسشده (LTS)
حداقل مربعات هرسشده (Least Trimmed Squares) یک روش رگرسیون خطی مقاوم است که در سال ۱۹۸۴ توسط پیتر جی. روسو (Peter J. Rousseeuw) معرفی شد. این روش به جای برازش همه باقیماندهها، ضرایب را با کمینهسازی مجموع فقط h کوچکترین باقیماندههای مربعشده تخمین میزند، که این امر نقطه شکست (breakdown point) آن را تا ۵۰٪ افزایش داده و تخمینهای قابل اعتمادی را در دادههای بهشدت آلوده به دادههای پرت (outliers) ارائه میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/fa/statistics/least-trimmed-squares
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.
- رگرسیون کمترین میانه توان دوم (LMS)آمار↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- رگرسیون کوانتایلاقتصادسنجی↔ compare
- رگرسیون رنسکآمار↔ compare
- تخمینگر تیل-سنآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →