Régression linéaire simple robuste
La régression linéaire simple robuste ajuste une droite à des données bivariées en utilisant des fonctions de perte ou des schémas de pondération qui sous-pondèrent les valeurs aberrantes, produisant des estimations de pente et d'ordonnée à l'origine beaucoup moins sensibles aux observations extrêmes que les moindres carrés ordinaires, tout en restant faciles à interpréter.
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., & Leroy, A. M. (1987). Robust Regression and Outlier Detection. John Wiley & Sons. ISBN: 978-0471852339
- Huber, P. J. (1964). Robust estimation of a location parameter. The Annals of Mathematical Statistics, 35(1), 73-101. DOI: 10.1214/aoms/1177703732 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Simple Linear Regression. ScholarGate. https://scholargate.app/fr/statistics/robust-simple-linear-regression
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 Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
- Régression linéaire multiple robusteStatistique↔ compare
- Régression RobusteStatistique↔ compare
- Estimateur de Theil-SenStatistique↔ compare
- Moindres Carrés Pondérés (MCP)Statistique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →