Robustu kovariācijas novērtēšana (MCD)
Robustā kovariācijas novērtēšana, izmantojot minimālā kovariācijas determinanta (MCD) novērtējumus, nosaka daudzdimensionālu vidējo vektoru un kovariācijas matricu, kurus neietekmē ārkārtējas vērtības. Tas kļuva praktiski lietojams, pateicoties Rousseeuw un Van Driessen (1999) Fast-MCD algoritmam, kas balstīts uz Rousseeuw iepriekšējo darbu robustajā novērtēšanā.
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 Driessen, K. (1999). A Fast Algorithm for the Minimum Covariance Determinant Estimator. Technometrics, 41(3), 212-223. DOI: 10.1080/00401706.1999.10485670 ↗
- Rousseeuw, P. J. & Leroy, A. M. (1987). Robust Regression and Outlier Detection. Wiley. ISBN: 978-0471488552
Kā citēt šo lapu
ScholarGate. (2026, June 1). Minimum Covariance Determinant Estimation. ScholarGate. https://scholargate.app/lv/statistics/robust-covariance
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.
- 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
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →