Regression model

Робастное расстояние Махаланобиса

Робастное расстояние Махаланобиса выявляет многомерные выбросы, измеряя, насколько далеко каждое наблюдение находится от центра данных, используя робастную оценку ковариации. Оно основано на концепции робастного расстояния Руссеу и Ван Зомерен (Rousseeuw and Van Zomeren, 1990) и многомерном подходе к обнаружению выбросов Филцмозера, Гарретта и Рейманна (Filzmoser, Garrett and Reimann, 2005), заменяя классическое среднее и ковариацию оценкой минимального определителя ковариации (Minimum Covariance Determinant, MCD), чтобы сами выбросы не искажали расстояние.

Применить в StatMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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
  2. 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

Как цитировать эту страницу

ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/ru/statistics/mahalanobis-robust

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.

Compare side by side
ScholarGateRobust Mahalanobis Distance (Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection)). Получено 2026-06-15 из https://scholargate.app/ru/statistics/mahalanobis-robust · Набор данных: https://doi.org/10.5281/zenodo.20539026