fa مروری بر براوردگر ماتریس کوواریانس با کم‌ترین دترمینان و کاربرد آن عمومى General پژوهشي Research <p dir="RTL" style="margin-right:1.0cm">هدف اصلی این مقاله معرفی روشی جهت شناسایی نقاط دورافتاده در مجموعه داده‌های چندمتغیره است. روش استوار به کار گرفته شده در این مقاله روش ماتریس کوواریانس با کم‌ترین دترمینان¹ (<span dir="LTR">MCD</span>) است. به علاوه به دو ویژگی مهم براوردگرهای استوار یعنی نقطه فروریزش و تابع نفوذ اشاره می‌کنیم. سپس به معرفی عامل سازگاری و عامل تصحیح نمونه‌ی متناهی در براوردگر <span dir="LTR">MCD</span> خواهیم پرداخت. در پایان با ارایه‌ی یک مثال کاربردی کارایی روش <span dir="LTR">MCD</span> را با روش کلاسیک در رابطه با شناسایی داده‌های دورافتاده بررسی می نماییم.</p> <p>The main object of this paper is to introduce a method to identify outliers in multivariate data set. The robust method which is reviewed in this paper is Minimum Covariance Determinant (MCD). Then, two important characteristics of the robust estimators, i.e. the breakdown point and the influence function, are defined. We also present the consistency and finite–sample correction factors for the MCD estimator. Finally, it is shown that MCD method is better than a classical method for detecting outliers of a real data set.</p> <p></p> براوردگر ماتریس کوواریانس با کم‌ترین دترمینان, شناسایی دورافتاده‌ها, فواصل استوار Minimum Covariance Determinant estimator, outlier identification, robust distances 33 44 http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-1-40&slc_lang=fa&sid=1 Fatemeh Sadat Hosseini Baharanchi فاطمه سادات حسینی بهارانچی, hosseini_153@yahoo.com 1003194753284600102 1003194753284600102 Yes Masoud Yarmohammadi مسعود یارمحمدی 1003194753284600103 1003194753284600103 No