ScholarGate
Ассистент
Regression model

Регрессия по методу наименьших усеченных квадратов (LTS)

Метод наименьших усеченных квадратов (LTS) — это робастный метод линейной регрессии, предложенный Питером Дж. Руссеувом в 1984 году. Вместо того чтобы подгонять все остатки, он оценивает коэффициенты, минимизируя сумму только h наименьших квадратов остатков, что обеспечивает ему точку пробоя до 50% и надежные оценки на данных, сильно загрязненных выбросами.

Применить в StatMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

+ ещё 2

Источники

  1. Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI: 10.1080/01621459.1984.10477105
  2. Rousseeuw, P. J., & Van Driessen, K. (2006). Computing LTS Regression for Large Data Sets. Data Mining and Knowledge Discovery, 12, 29-45. DOI: 10.1007/s10618-005-0024-4

Как цитировать эту страницу

ScholarGate. (2026, June 1). Least Trimmed Squares (LTS) Regression. ScholarGate. https://scholargate.app/ru/statistics/least-trimmed-squares

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGateLeast Trimmed Squares (Least Trimmed Squares (LTS) Regression). Получено 2026-06-15 из https://scholargate.app/ru/statistics/least-trimmed-squares · Набор данных: https://doi.org/10.5281/zenodo.20539026