کورش دادخواه

در تحیل رگرسیونی، حضور نقاط دورافتاده در مجموعه‌ی داده‌ها می‌تواند باعث انحراف برآوردگر توان‌های دوم کلاسیک و ایجاد نتایج غیرعادی گردد. کشف داده‌های پرت در زمینه‌های مختلف جذابیت قابل توجهی دارد. در روش‌های کشف داده‌های پرت موجود، اغلب خطای داده‌ها مستقل درنظر گرفته می‌شوند. اما این فرضیه در برخی از کاربردها وجود ندارد. در این پایان‌نامه، ابتدا مروری به رگرسیون خطی و مفاهیم داده‌های پرت داریم. سپس در فصل دوم، چندین روش رگرسیون استوار به عنوان روش‌های جایگزین برای روش کمترین توان‌های دوم مورد مطالعه قرار گرفته است. در فصل سوم، یک روش احتمالی برای شناسایی داده‌های پرت و به‌روز رسانی استوار حل مسائل رگرسیون خطی داده‌‌های همبسته را مرور می‌کنیم. در ابتدا، داده‌های مشکوک با استفاده از روش مینیمم حجم بیضوی‌وار و روش ماکسیمم درستنمایی پیراسته شناسایی می‌شوند. سپس، داده‌های پرت از بین داده‌های مشکوک بر اساس روش احتمالی داده‌های پرت با درنظر گرفتن همبستگی بین داده‌ها تعیین خواهند شد. روش مطرح شده از طریق داده‌های واقعی و شبیه‌سازی شده ارزیابی شده است.