Regressione di Huber
La regressione di Huber è un metodo di regressione lineare robusta, introdotto da Peter J. Huber nel 1964, che resiste all'influenza dei valori anomali trattando residui piccoli e grandi in modo diverso. Applica una perdita quadratica (simile a OLS) ai residui piccoli e una perdita più mite basata sul valore assoluto a quelli grandi, in modo che osservazioni estreme non possano dominare l'adattamento.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73-101. DOI: 10.1214/aoms/1177703732 ↗
- Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J., & Stahel, W. A. (1986). Robust Statistics: The Approach Based on Influence Functions. Wiley. ISBN: 978-0471735779
Come citare questa pagina
ScholarGate. (2026, June 1). Huber Robust Regression (M-estimation). ScholarGate. https://scholargate.app/it/statistics/huber-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.
- Regression con Minimi Quadrati Trimmatizzati (Least Trimmed Squares, LTS)Statistica↔ compare
- M-Estimator (Regressione Robusta)Statistica↔ compare
- Stima MM per la regressione robustaStatistica↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Regressione quantilicaEconometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →