Научный журнал
ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ.
СЕВЕРО-КАВКАЗСКИЙ РЕГИОН.

ТЕХНИЧЕСКИЕ НАУКИ


ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. 2018; 1: 18-22

 

http://dx.doi.org/10.17213/0321-2653-2018-1-18-22

 

РОБАСТНЫЕ МЕТОДЫ ПОЛУЧЕНИЯ АДЕКВАТНЫХ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ

О.В. Шестопал

Шестопал Оксана Викторовна – аспирант, Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия. E-mail: oksanashes@gmail.com

 

Аннотация

Рассмотрен подход к решению проблемы моделирования многофакторных объектов в случае наличия грубых промахов в исходной таблице данных. Приведен сравнительный анализ по основным статистическим показателям классического метода наименьших квадратов и робастного метода Тейла–Сена. Описаны способы обобщения методов Тейла–Сена и Сигела для многомерного случая, на основе которых можно получить модели исследуемого объекта в виде уравнения многомерной регрессии. Проведены расчеты ряда показателей полученных моделей.

 

Ключевые слова: промахи; многофакторный случай; МНК; методы Тейла–Сена и Сигела.

 

Полный текст: [in elibrary.ru]

 

Ссылки на литературу

1. Фаддеев М.А. Элементарная обработка результатов эксперимента: учеб. пособие. Н. Новгород: ННГУ, 2010.

2. Оценочная функция Тейла–Сена [Электронный ресурс]. Режим доступа: http://www.gpedia.com/ru/gpedia/ (дата обращения 13.10.2017).

3. Rand R. Wilcox. Fundamentals of Modern Statistical Methods: Substantially Improving Power and Accuracy. Springer-Verlag, 2001. С. 207 – 210.

4. Stohastic check for control of electronic wares quality [TeXt] // Trans. of 10-th International Symposium on Applied stochastic Models and Data Analysis. Univ. de Techn. de Compiegne, France, 2001. Vol. 1. P. 387 – 390.

5. Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximators // Neural Network. 1989. Vol. 2. P. 366.

6. Долгов Ю.А., Шестопал O.В. Обобщенный метод моделирования по пассивным данным // Докл. итоговой науч. конф. профессорско-преподавательского состава ИТИ. Тирасполь: «Tesline», 2015. C. 95 – 96.

7. Шестопал O.В. Методы отыскания значимых факторов при моделировании технологических процессов // Вестн. Южно-Российского гос. политехн. ун-та (НПИ) им. М.И. Платова. Новочеркасск: 2016. №1. С. 84 – 87.

8. Математическое моделирование металлургических процессов в АСУ ТП / Н.А. Спирин, В.В. Лавров, В.Ю. Рыболовлев, Л.Ю. Гилева, А.В. Краснобаев, В.С. Швыдкий, О.П. Онорин, К.А. Щипанов, А.А. Бурыкин; под ред. Н.А. Спирина. Екатеринбург: ООО «УИПЦ», 2014. 558 с.

9. Долгов Ю.А. Статистическое моделирование: учебник для вузов: 2-е изд., доп. Тирасполь: Изд-во Приднестр. ун-та, 2011. 349 с.

10. Долгов Ю.А., Козак Л.Я., Шестопал О.В. Схема математического моделирования технологического процесса плавки стали // Радiоелектроннi i комп'ютернi системи 2010. № 7. С. 157 – 160.