Regression model

Robustná Mahalanobisova vzdialenosť

Robustná Mahalanobisova vzdialenosť identifikuje multivariátne odľahlé hodnoty meraním, ako ďaleko sa každé pozorovanie nachádza od stredu dát pomocou robustného odhadu kovariancie. Vychádza z rámca robustných vzdialeností Rousseeuwa a Van Zomerena (1990) a prístupu na detekciu multivariátnych odľahlých hodnôt Filzmosera, Garretta a Reimanna (2005), pričom nahrádza klasický priemer a kovarianciu odhadom minimálnej kovariančnej determinanty (MCD), aby sa odľahlé hodnoty samy neskreslili.

Použiť v StatMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

  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

Ako citovať túto stránku

ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/sk/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)). Získané 2026-06-15 z https://scholargate.app/sk/statistics/mahalanobis-robust · Dátová sada: https://doi.org/10.5281/zenodo.20539026