Regression model

מרחק מהלנוביס חסין (Robust Mahalanobis Distance)

מרחק מהלנוביס חסין מזהה חריגות רב-משתניות על ידי מדידת המרחק של כל תצפית ממרכז הנתונים, תוך שימוש באומדן שונות חסין. הוא מתבסס על מסגרת המרחק החסין של רוסו וון זומרן (1990) ועל גישת זיהוי החריגות הרב-משתנית של פילצמוזר, גארט וריימן (2005), ומחליף את הממוצע והשונות הקלאסיים באומדן מינימום שונות דטרמיננטה (MCD) כך שהחריגות עצמן לא יעוותו את המרחק.

יישום עם StatMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. 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
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/he/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.

Compare side by side
ScholarGateRobust Mahalanobis Distance (Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/statistics/mahalanobis-robust · מערך נתונים: https://doi.org/10.5281/zenodo.20539026