Wzór na odległość Mahalanobisa ma postać:
\(MD_i = (x_i - \bar{x})s^{-1}(x_i - \bar{x})^T\)
Wyjaśnienie symboli:
\(MD_i\) - odległość Mahalanobisa dla i-tej obserwacji
\(x_i\) - wektor zawierający i-te obserwacje
\(\bar{x}\) - wektor średnich zmiennych objaśniających X1, X2, ..., Xm
\(s\) - s(ij) - macierz kowariancji dla zmiennych objaśniających X1, X2, ..., Xm
Odległość Mahalanobisa można wyliczyć również za pomocą dźwigni (laverage) \(h_i\):
\(MD_i = \sqrt{(n - 1)(h_i - \dfrac{1}{n})}\)
gdzie:
\(h_i\) - wartość dźwigni dla obserwacji i
\(n\) - liczba obserwacji
\(MD_i = (x_i - \bar{x})s^{-1}(x_i - \bar{x})^T\)
Wyjaśnienie symboli:
\(MD_i\) - odległość Mahalanobisa dla i-tej obserwacji
\(x_i\) - wektor zawierający i-te obserwacje
\(\bar{x}\) - wektor średnich zmiennych objaśniających X1, X2, ..., Xm
\(s\) - s(ij) - macierz kowariancji dla zmiennych objaśniających X1, X2, ..., Xm
Odległość Mahalanobisa można wyliczyć również za pomocą dźwigni (laverage) \(h_i\):
\(MD_i = \sqrt{(n - 1)(h_i - \dfrac{1}{n})}\)
gdzie:
\(h_i\) - wartość dźwigni dla obserwacji i
\(n\) - liczba obserwacji
Wzór na odległość Mahalanobisa - jak stosować w praktyce?