Distanza di Mahalanobis Robusta
La Distanza di Mahalanobis Robusta segnala outlier multivariati misurando quanto ogni osservazione si discosta dal centro dei dati utilizzando una stima di covarianza robusta. Si basa sul framework della distanza robusta di Rousseeuw e Van Zomeren (1990) e sull'approccio di rilevamento di outlier multivariati di Filzmoser, Garrett e Reimann (2005), sostituendo la media e la covarianza classiche con la stima del Minimo Determinante di Covarianza (MCD) in modo che gli outlier stessi non distorcano la distanza.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/it/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.
- Boxplot Adattato per Distribuzioni AsimmetricheStatistica↔ compare
- Regression con Minimi Quadrati Trimmatizzati (Least Trimmed Squares, LTS)Statistica↔ compare
- Stima basata sulla deviazione assoluta mediana (MAD)Statistica↔ compare
- ANOVA robusta (media troncata e di Welch)Statistica↔ compare
- Stimatore di Theil-SenStatistica↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →