Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634558)
Контекстум
.
Прикладная информатика / Journal of Applied Informatics  / №4 (58) 2015

Алгоритм оценки параметров линейной множественной модели регрессии по минимаксному критерию (150,00 руб.)

0   0
Первый авторВыгодчикова
Страниц12
ID428965
АннотацияПри исследовании динамических процессов необходим реалистичный и объективный причинно-следственный анализ событий. Он возможен благодаря применению математических и компьютерных методов моделирования для изучения свойств рассматриваемых объектов, количественной оценки и прогнозирования показателей динамического ряда. Существующие методы анализа требуют достаточно объемной выборки исходных данных, что не всегда возможно, особенно когда моделируемый показатель зависит от нескольких переменных, при этом недооценивается возможность появления экстремально редких событий, которые нарушают картину распределения рассматриваемого показателя. В статье предложен минимаксный метод оценивания ряда динамической структуры для прямоугольной сетки значений независимых переменных, построен эффективный алгоритм и дан пример его применения. В работе содержится математическое обоснование нового метода моделирования оценочных характеристик временных рядов с использованием минимаксного критерия для линейной множественной регрессионной модели. Сформулированы и доказаны свойства решения задачи, представляющей инструментарий реализации методики моделирования, которые позволили разработать алгоритм, легко представимый на любом языке программирования. Приведены примеры реализации алгоритма для оценки динамических тенденций с целью сжатия данных и прогнозирования недостающих значений в выборке. Рассмотрение обобщения задачи Чебышёва на двумерную прямоугольную сетку позволило применить минимаксную модель для учета множественной регрессионной зависимости, а также использовать ее для реализации оценки параметров авторегрессионной зависимости. Математическое обоснование и полученные свойства новой модели позволили разработать эффективный в аспекте доступности аппаратно-программной реализации в реальном режиме времени алгоритм.
Выгодчикова, И.Ю. Алгоритм оценки параметров линейной множественной модели регрессии по минимаксному критерию / И.Ю. Выгодчикова // Прикладная информатика / Journal of Applied Informatics .— 2015 .— №4 (58) .— С. 107-118 .— URL: https://rucont.ru/efd/428965 (дата обращения: 18.04.2024)

Предпросмотр (выдержки из произведения)

Лаборатория Математические и инструментальные методы экономики Laboratory Mathematical tools ПРИКЛАДНАЯ ИНФОРМАТИКА / JOURNAL OF APPLIED INFORMATICS Том 10. <...> 2015 И. Ю. Выгодчикова, канд. физ.-мат. наук, доцент Саратовского государственного университета имени Н. Г. Чернышевского, VigodchikovaIY@info.sgu.ru; irinavigod@yandex.ru Алгоритм оценки параметров линейной множественной модели регрессии по минимаксному критерию1 При исследовании динамических процессов необходим реалистичный и объективный причинно-следственный анализ событий. <...> Существующие методы анализа требуют достаточно объемной выборки исходных данных, что не всегда возможно, особенно когда моделируемый показатель зависит от нескольких переменных, при этом недооценивается возможность появления экстремально редких событий, которые нарушают картину распределения рассматриваемого показателя. <...> В статье предложен минимаксный метод оценивания ряда динамической структуры для прямоугольной сетки значений независимых переменных, построен эффективный алгоритм и дан пример его применения. <...> В работе содержится математическое обоснование нового метода моделирования оценочных характеристик временных рядов с использованием минимаксного критерия для линейной множественной регрессионной модели. <...> Сформулированы и доказаны свойства решения задачи, представляющей инструментарий реализации методики моделирования, которые позволили разработать алгоритм, легко представимый на любом языке программирования. <...> Приведены примеры реализации алгоритма для оценки динамических тенденций с целью сжатия данных и прогнозирования недостающих значений в выборке. <...> Рассмотрение обобщения задачи Чебыш¸ва на двумерную прямоугольную сетку позволило применить минимаксную модель для учета множественной регрессионной зависимости, а также использовать ее для реализации оценки параметров авторегрессионной зависимости. <...> Математическое обоснование и полученные свойства новой модели позволили <...>