Distância de Mahalanobis Robusta
A Distância de Mahalanobis Robusta sinaliza outliers multivariados medindo o quão longe cada observação está do centro dos dados, usando uma estimativa robusta de covariância. Ela se baseia no framework de distância robusta de Rousseeuw e Van Zomeren (1990) e na abordagem de detecção de outliers multivariados de Filzmoser, Garrett e Reimann (2005), substituindo a média e a covariância clássicas pela estimativa do Mínimo Determinante de Covariância (MCD), de modo que os próprios outliers não distorçam a distância.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/pt/statistics/mahalanobis-robust
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Diagrama de Caixa Ajustado para Distribuições AssimétricasEstatística↔ comparar
- Regressão por Mínimos Quadrados Truncados (LTS)Estatística↔ comparar
- Estimativa pelo Desvio Absoluto Mediano (MAD)Estatística↔ comparar
- ANOVA Robusta (Média Truncada e de Welch)Estatística↔ comparar
- Estimador de Theil-SenEstatística↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →