Presná definícia
Čo znamená robustný odhad kovariancie?
Robustný odhad kovariancie odhaduje polohu a kovariančnú štruktúru väčšinových dát tak, aby ich malý podiel odľahlých bodov výrazne neskreslil. Minimum Covariance Determinant hľadá podmnožinu s malým determinantom kovariancie a od nej odvádza robustnú Mahalanobisovu vzdialenosť. Prístup predpokladá približne eliptické jadro rozdelenia.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri viacrozmerných meraniach môže klasická kovariancia natiahnuť elipsu smerom k extrémom a skryť ich. Robustný odhad sa použije po kontrole, že väčšina dát tvorí jeden približne eliptický oblak a počet vzoriek postačuje vzhľadom na rozmer. Mahalanobisove vzdialenosti sa porovnajú s validovaným prahom, nie slepo s asymptotickým pravidlom. Metóda nie je vhodná pre viac prirodzených zhlukov alebo silne nelineárny tvar bez predchádzajúceho modelovania. Výsledné odľahlosti sa preveria doménovo.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Prečo klasický odhad zlyháva?
Priemer a kovariancia majú nízku robustnosť a extrémy ich môžu výrazne posunúť.
Čo hľadá Minimum Covariance Determinant?
Podmnožinu určenej veľkosti s čo najmenším determinantom kovariancie.
Čo je robustná Mahalanobisova vzdialenosť?
Vzdialenosť počítaná z robustnej polohy a kovariancie.
Aké dáta metóda očakáva?
Väčšinové jadro približne eliptického rozdelenia.
Čo ak existujú dve bežné skupiny?
Jeden eliptický model ich môže zle opísať; treba zmes alebo skupinové modely.