Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634938)
Контекстум
Руконтекст антиплагиат система
Системы анализа и обработки данных  / №4 2014

Оценивание параметров регрессионных моделей с использованием моментов, восстановленных на основе характеристической функции (150,00 руб.)

0   0
Первый авторТимофеев
Страниц10
ID411027
АннотацияВ данной статье рассмотрена задача адаптивного оценивания параметров регрессионных моделей, решение которой проводится на основе техники максимально правдоподобного оценивания, а также одного из универсальных семейств распределений, а именно кривых Пирсона. Использование универсальных семейств распределений позволяет осуществлять восстановление регрессионных зависимостей, достаточно гибко подстраиваясь как к хорошо известным теоретическим распределениям, так и к очень широкому множеству практически реализуемых распределений. Для повышения устойчивости оценивания неизвестных параметров регрессионных моделей по отношению к грубым ошибкам наблюдения предложено осуществлять идентификацию кривых Пирсона на основе оценок моментов, вычисленных через эмпирическую характеристическую функцию. Представлена вычислительная схема нового алгоритма адаптивного оценивания неизвестных параметров регрессионных моделей. С помощью технологии статистического моделирования проведен ряд вычислительных экспериментов, направленных на исследование точности оценивания неизвестных параметров регрессионных моделей при различных условиях засорения исходных данных, а также разных объемах выборки. Показано, что при малом уровне засорения исходных данных грубыми ошибками наблюдений точность оценивания неизвестных параметров регрессионных моделей предложенным алгоритмом существенно повышается по сравнению с разработанным ранее алгоритмом, основанным на классических оценках моментов. С повышением объема выборки преимущество становилось более ощутимым. Кроме того, проведено сравнение точности оценивания неизвестных параметров регрессионных моделей представленным алгоритмом с одним из методов устойчивого оценивания, в качестве которого взят знаковый метод. По результатам всех проведенных исследований сделан ряд достаточно интересных выводов и даны рекомендации.
УДК519.213:519.23
Тимофеев, В.С. Оценивание параметров регрессионных моделей с использованием моментов, восстановленных на основе характеристической функции / В.С. Тимофеев // Системы анализа и обработки данных .— 2014 .— №4 .— С. 63-72 .— URL: https://rucont.ru/efd/411027 (дата обращения: 02.05.2024)

Предпросмотр (выдержки из произведения)

69–78 ОБРАБОТКА ИНФОРМАЦИИ УДК 519.213:519.23 Оценивание параметров регрессионных моделей с использованием моментов, восстановленных на основе характеристической функции* ТИМОФЕЕВ В.С. <...> Карла Маркса, 20, Новосибирский государственный технический университет, доктор технических наук, доцент. <...> Е-mail: v.timofeev@corp.nstu.ru В данной статье рассмотрена задача адаптивного оценивания параметров регрессионных моделей, решение которой проводится на основе техники максимально правдоподобного оценивания, а также одного из универсальных семейств распределений, а именно кривых Пирсона. <...> Использование универсальных семейств распределений позволяет осуществлять восстановление регрессионных зависимостей, достаточно гибко подстраиваясь как к хорошо известным теоретическим распределениям, так и к очень широкому множеству практически реализуемых распределений. <...> Для повышения устойчивости оценивания неизвестных параметров регрессионных моделей по отношению к грубым ошибкам наблюдения предложено осуществлять идентификацию кривых Пирсона на основе оценок моментов, вычисленных через эмпирическую характеристическую функцию. <...> Представлена вычислительная схема нового алгоритма адаптивного оценивания неизвестных параметров регрессионных моделей. <...> С помощью технологии статистического моделирования проведен ряд вычислительных экспериментов, направленных на исследование точности оценивания неизвестных параметров регрессионных моделей при различных условиях засорения исходных данных, а также разных объемах выборки. <...> Показано, что при малом уровне засорения исходных данных грубыми ошибками наблюдений точность оценивания неизвестных параметров регрессионных моделей предложенным алгоритмом существенно повышается по сравнению с разработанным ранее алгоритмом, основанным на классических оценках моментов. <...> Кроме того, проведено сравнение точности оценивания неизвестных параметров регрессионных моделей <...>