เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การประมาณค่าความแปรปรวนร่วมที่ทนทาน (MCD)× | การถดถอยกำลังสองตัดแต่งน้อยที่สุด (Least Trimmed Squares: LTS)× | |
|---|---|---|
| สาขาวิชา | สถิติศาสตร์ | สถิติศาสตร์ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1999 | 1984 |
| ผู้ริเริ่ม≠ | Rousseeuw; Rousseeuw & Van Driessen (Fast-MCD) | Peter J. Rousseeuw |
| ประเภท≠ | Robust multivariate location-scatter estimator | Robust linear regression |
| แหล่งต้นตำรับ≠ | Rousseeuw, P. J. & Van Driessen, K. (1999). A Fast Algorithm for the Minimum Covariance Determinant Estimator. Technometrics, 41(3), 212-223. DOI ↗ | Rousseeuw, P. J. (1984). Least Median of Squares Regression. Journal of the American Statistical Association, 79(388), 871-880. DOI ↗ |
| ชื่อเรียกอื่น≠ | minimum covariance determinant, MCD estimator, robust covariance estimation, Robust Kovaryans Tahmini (MCD) | LTS, least trimmed squares regression, trimmed least squares, robust regression |
| ที่เกี่ยวข้อง≠ | 4 | 5 |
| สรุป≠ | Robust Covariance via the Minimum Covariance Determinant (MCD) estimates a multivariate mean vector and covariance matrix that are not distorted by outliers. It was made practical by the Fast-MCD algorithm of Rousseeuw and Van Driessen (1999), building on Rousseeuw's earlier work on robust estimation. | 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. |
| ScholarGateชุดข้อมูล ↗ |
|
|