Obserwacje nietypowe, występujące w zbiorach danych zmniejszają dokładność oszacowań parametrów modeli uzyskanych za pomocą metody najmniejszych kwadratów. Analiza zbiorów danych zawierających obserwacje odstające wymaga stosowania metod odpornych na te obserwacje. W artykule dokonano porównania odporności na obserwacje nietypowe dwóch metod estymacji parametrów funkcji regresji: najgłębszej regresji (MNR) i najmniejszych kwadratów (MNK). Analizie poddano wpływ obserwacji nietypowych na wartości oszacowań parametrów. Przeprowadzone symulacje Monte Carlo we wszystkich rozważanych przypadkach potwierdziły większą odporność na obserwacje nietypowe metody najgłębszej regresji niż metody najmniejszych kwadratów. Porównanie średnich błędów względnych oraz oszacowań parametrów modeli otrzymanych na podstawie metody najmniejszych kwadratów i metody najgłębszej regresji pozwalają stwierdzić, że modele otrzymane za pomocą drugiej metody były lepiej dopasowane do danych, niezależnie od wielkości zakłócenia. (abstrakt oryginalny)
EN
The estimation of regression parameters for data set containing outliers needs the application of robust estimation methods. In the paper the deepest regression method is considered in case of bivarite variables. Some Monte Carlo experiments with outliers are conducted and estimation results for the deepest regression method and ordinary least square method are compared. Experiments confirmed that the deepest regression method is more robust for outliers in the data set than the least square method. (original abstract)