Robustā Mahalanobis attāluma noteikšana
Robustā Mahalanobis attāluma noteikšana identificē daudzdimensionālus izbraukumus, mērot, cik tālu katrs novērojums atrodas no datu centra, izmantojot robustu kovariācijas aplēsi. Tā balstās uz Rousseeuw un Van Zomeren (1990) robustā attāluma sistēmu un Filzmoser, Garrett un Reimann (2005) daudzdimensionālo izbraukumu noteikšanas pieeju, aizstājot klasisko vidējo un kovariāciju ar Minimum Covariance Determinant (MCD) aplēsi, lai izbraukumi paši neizkropļotu attālumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/lv/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.
- Pielāgotais kastu grafiks asimetriskiem sadalījumiemStatistika↔ compare
- Mazākās apgrieztās kvadrātiskās kļūdas (LTS) regresijaStatistika↔ compare
- Median Absolute Deviation (MAD) novērtējumsStatistika↔ compare
- Robustā ANOVA (Velča un apgrieztais vidējais)Statistika↔ compare
- Teila-Senas novērtētājsStatistika↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →