Regression model
강건한 말라노비스 거리
강건한 말라노비스 거리는 각 관측치가 데이터 중심으로부터 얼마나 떨어져 있는지를 강건한 공분산 추정치를 사용하여 측정함으로써 다변량 이상치를 탐지합니다. 이는 Rousseeuw와 Van Zomeren(1990)의 강건 거리 프레임워크와 Filzmoser, Garrett 및 Reimann(2005)의 다변량 이상치 탐지 접근법을 기반으로 하며, 이상치 자체로 인해 거리가 왜곡되지 않도록 최소 공분산 행렬식(MCD) 추정치로 고전적인 평균과 공분산을 대체합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/ko/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.
- 왜도 분포에 대한 조정된 상자 그림통계학↔ compare
- 최소 절사 제곱 (LTS) 회귀통계학↔ compare
- 중앙값 절대 편차 (MAD) 추정통계학↔ compare
- 강건 ANOVA (Welch 및 절사 평균)통계학↔ compare
- 테일-센 추정량통계학↔ compare