Estimation MM pour la régression robuste
L'estimateur MM est une méthode de régression linéaire robuste introduite par Victor J. Yohai en 1987. Il combine le point de rupture élevé d'un estimateur S avec l'efficacité élevée d'un estimateur M, de sorte qu'il résiste fortement aux valeurs aberrantes tout en utilisant les données efficacement lorsque les erreurs se comportent bien.
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.
+2 more
Sources
- Yohai, V. J. (1987). High Breakdown-Point and High Efficiency Robust Estimates for Regression. Annals of Statistics, 15(2), 642-656. DOI: 10.1214/aos/1176350366 ↗
- Koller, M. & Stahel, W. A. (2011). Sharpening Wald-type Inference in Robust Regression for Small Samples. Computational Statistics & Data Analysis, 55(8), 2504-2515. DOI: 10.1016/j.csda.2011.02.014 ↗
Comment citer cette page
ScholarGate. (2026, June 1). MM-Estimation for Robust Regression. ScholarGate. https://scholargate.app/fr/statistics/mm-estimator
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.
- Régression par Moindres Médianes des Carrés (LMS)Statistique↔ compare
- Régression par Moindres Carrés Trimés (LTS)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- RANSAC RegressionStatistique↔ compare
- Estimateur de Theil-SenStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →