![](https://cdn-ak-scissors.b.st-hatena.com/image/square/f6155c526e27eaaf0d3b307cb7f7dc918e7d7f28/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU1JTg4JTlEJUUzJTgyJTgxJUUzJTgxJUE2JUUzJTgxJUFFJUUzJTgzJUFEJUUzJTgzJTkwJUUzJTgyJUI5JUUzJTgzJTg4JUU3JUI1JUIxJUU4JUE4JTg4JUU1JUFEJUE2JUUyJTkxJUExJUUzJTgzJUFEJUUzJTgzJTkwJUUzJTgyJUI5JUUzJTgzJTg4JUU3JUI3JTlBJUU1JUJEJUEyJUU1JTlCJTlFJUU1JUI4JUIwJTI4TU0lRTYlOEUlQTglRTUlQUUlOUElMjkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTljNmEzNGFmMmU1NzZjZjI0NmE1YTdhYjhiMjBhMGI5%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBNYXJrLU4mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTY5MDUzM2I3ODBiZDkxZDU0MWE4NWY3ODRlY2M3NDIy%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dbf5051f550a6713f9daf60a5d95a5df4)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
初めてのロバスト統計学②ロバスト線形回帰(MM推定) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
初めてのロバスト統計学②ロバスト線形回帰(MM推定) - Qiita
前回の記事ではロバスト統計学とは何なのかということについて紹介しました。 今回はロバスト線形回帰と... 前回の記事ではロバスト統計学とは何なのかということについて紹介しました。 今回はロバスト線形回帰と呼ばれる、外れ値に頑健な線形回帰の手法を紹介します。 ■ 最小二乗法の欠点 線形回帰モデルにおいて、適当な条件の下で最小二乗推定量はある種の最適性を持つのでした(ガウス-マルコフの定理) ▶ 過去記事参考:ガウスマルコフの定理 しかし、最小二乗法は外れ値に脆弱であるという問題点を抱えています。 これを簡単なシミュレーションで確認してみます。 ◆ シミュレーション@最小二乗法の外れ値に対する脆弱性 神のみぞ知るデータの生成分布の真の構造を次のように設定します。