针对可能含有粗差的样本数据,提出一种基于改进鲁棒马氏距离和卡平方分布的粗差判别方法。首先,该算法通过CDC2-MVT(Closest distance to center-Ellipsoidal multivariate trimming)初步抗差估计样本的鲁棒马氏距离,接着通过CESD(Consi...针对可能含有粗差的样本数据,提出一种基于改进鲁棒马氏距离和卡平方分布的粗差判别方法。首先,该算法通过CDC2-MVT(Closest distance to center-Ellipsoidal multivariate trimming)初步抗差估计样本的鲁棒马氏距离,接着通过CESD(Consistently estimate the standard deviation)渐近估计鲁棒马氏距离的标准差,从而找出最一致的观测样本。然后,基于最一致的观测样本重新估计总体的位置参数和尺度参数,进而估计改进鲁棒马氏距离,在保证估计位置参数和尺度参数抗差性的同时,克服了CDC2-MVT方法效率不足的缺点。最后,基于改进鲁棒马氏距离,通过卡平方分布判别样本数据中的粗差。仿真研究与实际应用表明,提出的粗差判别方法明显优于基于CDC2-MVT、CDCm-MVT和MCD的粗差判别方法。展开更多
文摘针对可能含有粗差的样本数据,提出一种基于改进鲁棒马氏距离和卡平方分布的粗差判别方法。首先,该算法通过CDC2-MVT(Closest distance to center-Ellipsoidal multivariate trimming)初步抗差估计样本的鲁棒马氏距离,接着通过CESD(Consistently estimate the standard deviation)渐近估计鲁棒马氏距离的标准差,从而找出最一致的观测样本。然后,基于最一致的观测样本重新估计总体的位置参数和尺度参数,进而估计改进鲁棒马氏距离,在保证估计位置参数和尺度参数抗差性的同时,克服了CDC2-MVT方法效率不足的缺点。最后,基于改进鲁棒马氏距离,通过卡平方分布判别样本数据中的粗差。仿真研究与实际应用表明,提出的粗差判别方法明显优于基于CDC2-MVT、CDCm-MVT和MCD的粗差判别方法。