Direkt zum Inhalt

Lexikon der Mathematik: Robustheit statistischer Verfahren

die Eigenschaft statistischer Verfahren, bei Abweichungen von den für die Verfahren notwendigen (Modell-)Voraussetzungen noch hinreichend zuverlässige Ergebnisse zu liefern.

Da man bei der praktischen Anwendung statistischer Verfahren häufig nicht weiß, ob alle notwendigen Modellvoraussetzungen erfüllt sind, ist es sinnvoll, solche Verfahren anzuwenden, die robust gegenüber Abweichungen von den Voraussetzungen sind. Eine Teilaufgabe der Statistik ist es, bekannte Verfahren auf ihre Robustheit hin zu untersuchen und robuste Verfahren zu entwickeln. Dazu sind in der Statistik die Begriffe der qualitativen und der quantitativen Robustheit eingeführt worden.

Typische Vertreter robuster Punktschätzungen sind zum Beispiel die von Huber 1981 eingeführten M-Schätzungen, die von Hodges und Lehmann 1963 eingeführten R-Schätzungen, und die sogenannten L-Schätzungen.

[1] Hodges, J.L., Lehmann, E.L.: Estimates of location based on rank tests. Ann. Math. Statist. 34, 1963.
[2] Huber, F.J.: Robust Statistics. Wiley New York, 1981.
[3] Humak, K.M.S.: Statistische Methoden der Modellbildung II. Akademie-Verlag Berlin, 1983.

Lesermeinung

Wenn Sie inhaltliche Anmerkungen zu diesem Artikel haben, können Sie die Redaktion per E-Mail informieren. Wir lesen Ihre Zuschrift, bitten jedoch um Verständnis, dass wir nicht jede beantworten können.

  • Die Autoren
- Prof. Dr. Guido Walz

Partnervideos