Linear least-squares estimates can

Linear least-squares estimates can behave badly when the error distribution is not normal, particularly when the errors are heavy-tailed. One remedy is to remove influential observations from the least-squares fit (see Chapter 6, Section 6.1, in the text). Another approach, termed robust regression, is to employ a fitting criterion that is not as vulnerable as least squares to unusual data.

ผลลัพธ์ (ไทย) 1:

ประมาณสี่เหลี่ยมเส้นตรงอย่างน้อยสามารถทำงานไม่ดีเมื่อการกระจายข้อผิดพลาดไม่ปกติ โดยเฉพาะอย่างยิ่งเมื่อข้อผิดพลาดคือหางหนัก ยาหนึ่งจะเอาอิทธิพลสังเกตจากสี่เหลี่ยมอย่างน้อยให้พอดี (ดูบทที่ 6, 6.1 ส่วน ในข้อความ) วิธีอื่น เรียกว่าถดถอยประสิทธิภาพ คือการ ใช้เงื่อนไขการติดตั้งที่ไม่เป็นเสี่ยงเป็นสี่เหลี่ยมอย่างน้อยข้อมูลที่ผิดปกติ

ผลลัพธ์ (ไทย) 2:

เป็น Linear ประมาณการน้อยสี่เหลี่ยมสามารถประพฤติเมื่อกระจายความผิดพลาดที่ไม่ปกติโดยเฉพาะอย่างยิ่งเมื่อมีข้อผิดพลาดจะหนัก-Tailed หนึ่งในวิธีการรักษาคือการเอาข้อสังเกตที่มีอิทธิพลจากน้อยสี่เหลี่ยมพอดี (ดูบทที่ 6 มาตรา 6.1 ในข้อความ) อีกวิธีหนึ่งที่เรียกว่าการถดถอยที่แข็งแกร่งคือการจ้างเกณฑ์ที่เหมาะสมที่ไม่เป็นความเสี่ยงที่เป็นสี่เหลี่ยมอย่างน้อยข้อมูลที่ผิดปกติ

ผลลัพธ์ (ไทย) 3:

เชิงเส้นวิธีประมาณการสามารถทำตัวไม่ดีเมื่อการแจกแจงข้อผิดพลาดเป็นปกติ โดยเฉพาะอย่างยิ่งเมื่อข้อผิดพลาดจะหนักตาม . หนึ่งการแก้ไขคือการเอาอิทธิพลจากการสังเกตวิธีพอดี ( ดูบทที่ 6 ข้อ 6.1 ในข้อความ ) วิธีอื่น เรียกว่าการถดถอยที่แข็งแกร่ง , การใช้เกณฑ์ที่เหมาะสมที่ไม่เสี่ยงเป็นอย่างน้อยเพื่อให้ข้อมูลที่ผิดปกติ