Robust Mahalanobis Distance
Robust Mahalanobis Distance flaggar multivariata extremvärden genom att mäta hur långt varje observation ligger från datamängdens centrum med hjälp av en robust kovariansskattning. Metoden bygger på ramverket för robusta avstånd av Rousseeuw och Van Zomeren (1990) samt den multivariata metoden för extremvärdesdetektering av Filzmoser, Garrett och Reimann (2005), där det klassiska medelvärdet och kovariansen ersätts med skattningen Minimum Covariance Determinant (MCD) så att extremvärdena själva inte förvränger avståndet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Robust Mahalanobis Distance (MCD-based Multivariate Outlier Detection). ScholarGate. https://scholargate.app/sv/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.
- Justerad lådagram för sneda fördelningarStatistik↔ compare
- Least Trimmed Squares (LTS) RegressionStatistik↔ compare
- Medianabsolutavvikelse (MAD) – estimeringStatistik↔ compare
- Robust ANOVA (Welch & Trimmade medelvärden)Statistik↔ compare
- Theil-Sen EstimatorStatistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →