Robusztus Mahalanobis-távolság
A robusztus Mahalanobis-távolság a többváltozós kiugró értékeket úgy jelöli meg, hogy robusztus kovariancia-becslés segítségével méri, milyen messze van az egyes megfigyelések a adatok középpontjától. Ez Rousseeuw és Van Zomeren (1990) robusztus távolság keretrendszerére, valamint Filzmoser, Garrett és Reimann (2005) többváltozós kiugró érték detektálási megközelítésére épül, a klasszikus átlagot és kovarianciát a Minimum Kovariancia Determináns (MCD) becsléssel helyettesítve, így maguk a kiugró értékek nem torzítják a távolságot.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/hu/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.
- Kiegyenlített Boxplot ferde eloszlásokhozStatisztika↔ compare
- Legkisebb Nyesett Négyzetes (LTS) RegresszióStatisztika↔ compare
- Medián Abszolút Deviáció (MAD) BecslésStatisztika↔ compare
- Robusztus ANOVA (Welch és trimmelt átlag)Statisztika↔ compare
- Theil-Sen becslőStatisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →