Distance de Mahalanobis robuste
La distance de Mahalanobis robuste détecte les valeurs aberrantes multivariées en mesurant à quelle distance chaque observation se trouve du centre des données, à l'aide d'une estimation robuste de la covariance. Elle s'appuie sur le cadre de la distance robuste de Rousseeuw et Van Zomeren (1990) et sur l'approche de détection des valeurs aberrantes multivariées de Filzmoser, Garrett et Reimann (2005), en remplaçant la moyenne et la covariance classiques par l'estimation du Minimum Covariance Determinant (MCD) afin que les valeurs aberrantes elles-mêmes ne faussent pas la distance.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/fr/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.
- Diagramme en boîte ajusté pour les distributions asymétriquesStatistique↔ compare
- Régression par Moindres Carrés Trimés (LTS)Statistique↔ compare
- Estimation par écart absolu médian (MAD)Statistique↔ compare
- ANOVA robuste (moyenne tronquée de Welch)Statistique↔ compare
- Estimateur de Theil-SenStatistique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →