เปรียบเทียบวิธี

	ระยะมาฮาลาโนบิสแบบคงทน	การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	1990	1984
ผู้ริเริ่ม	Rousseeuw & Van Zomeren (robust distance); Filzmoser, Garrett & Reimann (multivariate outlier detection)	Peter J. Rousseeuw
ประเภท	Robust multivariate outlier detection	Robust linear regression
แหล่งต้นตำรับ	Rousseeuw, P. J. & Van Zomeren, B. C. (1990). Unmasking Multivariate Outliers and Leverage Points. Journal of the American Statistical Association, 85(411), 633-639.	Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880.
ชื่อเรียกอื่น	MCD Mahalanobis distance, robust mahalanobis, minimum covariance determinant distance, Robust Mahalanobis Uzaklığı	LTS, least trimmed squares regression, trimmed least squares, robust regression
ที่เกี่ยวข้อง	5	5
สรุป	Robust Mahalanobis Distance flags multivariate outliers by measuring how far each observation lies from the centre of the data using a robust covariance estimate. It builds on the robust-distance framework of Rousseeuw and Van Zomeren (1990) and the multivariate outlier-detection approach of Filzmoser, Garrett and Reimann (2005), replacing the classical mean and covariance with the Minimum Covariance Determinant (MCD) estimate so that the outliers themselves do not distort the distance.	Least Trimmed Squares is a robust linear regression method introduced by Peter J. Rousseeuw in 1984. Instead of fitting all residuals, it estimates the coefficients by minimising the sum of only the h smallest squared residuals, which gives it a breakdown point of up to 50% and reliable estimates on data heavily contaminated by outliers.