Vähiten katkaistujen neliöiden (LTS) regressio
Vähiten katkaistujen neliöiden (Least Trimmed Squares, LTS) regressio on robusti lineaarisen regression menetelmä, jonka Peter J. Rousseeuw esitteli vuonna 1984. Sen sijaan, että sovitettaisiin kaikki residuaalit, se estimoi kertoimet minimoimalla vain h pienimmän neliöidyn residuaalin summan, mikä antaa sille hajoamispisteen jopa 50 % ja luotettavia estimaatteja voimakkaasti poikkeavien havaintojen saastuttamassa datassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
+2 lisää
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/fi/statistics/least-trimmed-squares
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Pienimmän neliösummaregressio (LMS)Tilastotiede↔ vertaa
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ vertaa
- KvanttiiliregressioEkonometria↔ vertaa
- RANSAC-regressioTilastotiede↔ vertaa
- Theil-Senin estimaattoriTilastotiede↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →