Tau (τ) regresijas novērtētājs
Tau novērtētājs ir robusta lineārās regresijas metode, ko 1988. gadā ieviesa Johai un Zamars, un kas pielāgo modeli, minimizējot efektīvu τ-skalu atlikumiem. Tā balstās uz S-novērtētāja skalas novērtējumu, lai apvienotu augstu sabrukuma punktu ar augstu statistisko efektivitāti, un bieži tiek izmantota kā alternatīva MM-novērtētājam mazos paraugos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Yohai, V. J., & Zamar, R. H. (1988). High Breakdown-Point Estimates of Regression by Means of the Minimization of an Efficient Scale. Journal of the American Statistical Association, 83(402), 406-413. DOI: 10.1080/01621459.1988.10478611 ↗
- Maronna, R. A., & Zamar, R. H. (2002). Robust Estimates of Location and Dispersion for High-Dimensional Datasets. Technometrics, 44(4), 307-317. DOI: 10.1198/004017002188618509 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Tau (τ) Estimator of Regression. ScholarGate. https://scholargate.app/lv/statistics/tau-estimator
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Mazākās apgrieztās kvadrātiskās kļūdas (LTS) regresijaStatistika↔ salīdzināt
- MM-EstimatorStatistika↔ salīdzināt
- S-novērtētājs robustajai regresijaiStatistika↔ salīdzināt
- Teila-Senas novērtētājsStatistika↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →