Robuuste Mahalanobisafstand
De robuuste Mahalanobisafstand detecteert multivariate uitschieters door te meten hoe ver elke waarneming van het centrum van de data ligt, gebruikmakend van een robuuste covariatieschatting. Het bouwt voort op het robuuste-afstandsraamwerk van Rousseeuw en Van Zomeren (1990) en de multivariate uitschieterdetectieaanpak van Filzmoser, Garrett en Reimann (2005), waarbij het klassieke gemiddelde en de covariatie worden vervangen door de Minimum Covariance Determinant (MCD)-schatting, zodat de uitschieters zelf de afstand niet vertekenen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/nl/statistics/mahalanobis-robust
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Aangepaste boxplot voor scheve verdelingenStatistiek↔ vergelijken
- Kleinste Afgetrimde Kwadraten (LTS) RegressieStatistiek↔ vergelijken
- Schatting van de Mediane Absolute Afwijking (MAD)Statistiek↔ vergelijken
- Robuuste ANOVA (Welch & Getrimde Gemiddelden)Statistiek↔ vergelijken
- Theil-Sen-schatterStatistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →