ロバスト回帰：外れ値および影響力のあるデータポイントに対するモデルの耐久性を強化する

はじめに

統計モデリングにおいて、回帰分析は変数間の関係を理解し、予測を行うための基本的な手法です。しかし、従来の回帰手法、例えば普通最小二乗法（OLS）は、外れ値や影響力のあるデータポイントの影響を大きく受けることがあります。本論文では、データのこうした異常の悪影響を軽減するために設計された統計的アプローチであるロバスト回帰の概念を探ります。本報告の目的は、