Pravděpodobnostní algoritmy pro výpočet odhadu metodou LTS

Abstract

Metoda nejmenších usekaných čtverců je robustní verzí známé metody nejmenších čtverců, jedné ze základních metod regresní analýzy, používané k odhadování koeficientů lineárního regresního modelu. Výpočet odhadu pomocí metody nejmenších usekaných čtverců je znám jako NP-těžký a proto jsou v praxi nejčastěji používány pouze suboptimální pravděpodobnostní algoritmy. Mimo popisu těchto algoritmů navrhneme několik způsobů jak je zkombinovat za účelem dosažení lepších výsledků.

The least trimmed squares method is a robust version of the method of least squares, which is an essential tool of regression analysis used to find an estimate of coefficients in the linear regression model. Computing the least trimmed squared estimate is known to be NP-hard, hence only suboptimal probabilistic algorithms are usually used in practice. Besides describing those algorithms, we propose a few ways of combining those algorithms to obtain better performance.