Skip navigation
Please use this identifier to cite or link to this item: https://ela.kpi.ua/handle/123456789/18090
Full metadata record
DC FieldValueLanguage
dc.contributor.authorЗгуровський, Михайло Захарович-
dc.contributor.authorТрухан, Світлана Віталіївна-
dc.contributor.authorБідюк, Петро Іванович-
dc.contributor.authorZgurovsky, Mykhailo Z.-
dc.contributor.authorBidyuk, Petro I.-
dc.contributor.authorTrukhan, Svitlana V.-
dc.contributor.authorЗгуровский, Михаил Захарович-
dc.contributor.authorТрухан, Светлана Витальевна-
dc.contributor.authorБидюк, Петр Иванович-
dc.date.accessioned2016-11-14T16:35:36Z-
dc.date.available2016-11-14T16:35:36Z-
dc.date.issued2016-
dc.identifier.citationЗгуровський М. З. Методика застосування теорії екстремальних значень для аналізу даних / М. З. Згуровський, С. В. Трухан, П. І. Бідюк // Наукові вісті НТУУ «КПІ» : міжнародний науково-технічний журнал. – 2016. – № 1(105). – С. 47–57. – Бібліогр.: 13 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/18090-
dc.language.isoukuk
dc.sourceНаукові вісті НТУУ «КПІ» : міжнародний науково-технічний журнал, 2016, № 1(105)uk
dc.subjectтеорія екстремальних значеньuk
dc.subjectметод максимальної правдоподібностіuk
dc.subjectімітаційне моделюванняuk
dc.subjectсистема підтримки прийняття рішеньuk
dc.subjectextreme value theoryen
dc.subjectmaximum likelihood estimatoren
dc.subjectsimulation and modelingen
dc.subjectdecision support systemen
dc.subjectтеория экстремальных значенийru
dc.subjectметод максимального правдоподобияru
dc.subjectимитационное моделированиеru
dc.subjectсистема поддержки принятия решенийru
dc.titleМетодика застосування теорії екстремальних значень для аналізу данихuk
dc.title.alternativeMethodology of the Extreme Value Theory Application for Data Analysisuk
dc.title.alternativeМетодика применения теории экстремальных значений для анализа данныхuk
dc.typeArticleuk
dc.format.pagerangeС. 47-57uk
dc.status.pubpublisheduk
dc.publisher.placeКиївuk
dc.identifier.doihttps://doi.org/10.20535/1810-0546.2016.1.64895-
dc.subject.udc004.942+519.816uk
dc.description.abstractukПроблематика. Для розв’язання задач моделювання і прогнозування на основі великих масивів (у тому числі вироджених) даних в умовах наявності невизначеності необхідно розробляти інтегровані інформаційні системи підтримки прийняття рішень (СППР). Пропонується методика застосування теорії екстремальних значень для побудови статистичних моделей та СППР на їх основі. Мета дослідження. Мета роботи полягає у застосуванні теорії екстремальних значень для аналізу й оцінювання параметрів моделей на основі випадкових вибірок даних. Необхідно розробити ефективну методику аналізу псевдовипадкових значень та оцінювання невідомих параметрів статистичних моделей; навести приклади аналізу за допомогою теорії екстремальних значень і створеного програмного інструментарію. Методика реалізації. Для розв’язання поставлених задач використано такі методи: процедури генерування псевдовипадкових послідовностей, ймовірнісні розподіли теорії екстремальних значень і методи оцінювання невідомих параметрів моделей. Запропоновано багатокрокову методику обробки екстремальних значень і розроблено СППР для аналізу та моделювання випадкових послідовностей. Результати дослідження. За допомогою створеної СППР і згенерованих статистичних даних, а також запропонованої методики побудовано процедуру аналізу екстремальних значень. Процедура призначена для подальшого застосування при оцінюванні прогнозних моделей процесів різної природи. Виконано порівняльний аналіз характеристик параметрів GEV-розподілів. Висновки. За допомогою розробленого інструментарію показано, що запропонований підхід до обробки екстремальних значень є зручним для аналізу вироджених масивів даних. Це підтверджується максимальним наближенням емпіричної кривої до теоретичної функції щільності розподілу. Порівняння результатів оцінювання параметрів моделей показало, що уточнення параметрів форми і масштабованості сприяє прискоренню збіжності оцінок.uk
dc.description.abstractenBackground. To solve the problems of modeling and forecasting on the basis of large datasets (including singular ones) in conditions of uncertainty it is necessary to develop integrated information decision support systems (DSS). A methodology is proposed for application of extreme value theory for statistical models development and DSS on their basis. Objective. The goal of the study is in application of the extreme value theory for analysis and estimation of model parameters on the basis of random samples. It is necessary to develop an effective methodology for analysis of pseudorandom sequences and estimation of unknown model parameters; to present examples of analysis using extreme value theory and software developed. Methods. To solve the problems stated the following approaches were used: pseudorandom sequences generating procedures; probabilistic distributions of the extreme value theory, and methods for estimating unknown model parameters. A multistep methodology is proposed for extreme values processing and DSS is developed for analysis and modeling of pseudorandom sequences. Results. Using the DSS developed and generated statistical data as well as proposed methodology the procedure was developed for extreme values analysis. The procedure is to be used for estimating of forecasting models for the process of various origin. A comparative analysis of parameter characteristics for GEV-distributions was performed. Conclusions. Using the instrumentation developed it was shown that the proposed methodology for processing extreme values is convenient for analysis of singular datasets. This is substantiated with the high quality approximation of theoretical probability density by empirical curve. A comparison of model parameters estimation results showed that the estimates converge faster when parameters of form and scale are defined more exactly.uk
dc.description.abstractruПроблематика. Для решения задач моделирования и прогнозирования на основе больших массивов (в том числе вырожденных) данных в условиях наличия неопределенностей необходимо разрабатывать интегрированные информационные системы поддержки принятия решений (СППР). Предлагается методика применения теории экстремальных значений для построения статистических моделей и СППР на их основе. Цель исследования. Цель работы состоит в применении теории экстремальных значений для анализа и оценивания параметров моделей на основе случайных выборок данных. Необходимо разработать эффективную методику анализа псевдослучайных значений и оценивания неизвестных параметров моделей; привести примеры анализа с помощью теории экстремальных значений и программного инструментария. Методика реализации. Для решения поставленных задач использованы такие процедуры и методы: процедуры генерирования псевдослучайных последовательностей, вероятностные распределения теории экстремальных значений и методы оценивания неизвестных параметров моделей. Предложена многошаговая методика обработки экстремальных значений, и разработана СППР для анализа и моделирования случайных последовательностей. Результаты исследования. С помощью созданной СППР и сгенерированных статистических данных, а также предложенной методики построена процедура анализа экстремальных значений. Процедура предназначена для дальнейшего использования при оценивании прогнозных моделей процессов различной природы. Выполнен сравнительный анализ характеристик параметров GEV-распределений. Выводы. С помощью разработанного программного инструментария показано, что предложенный подход к обработке экстремальных значений представляет собой удобный инструмент анализа вырожденных массивов данных. Это подтверждается максимальным приближением эмпирической кривой к теоретической функции плотности распределения. Сравнение результатов оценивания параметров показало, что уточнение параметров формы и масштаба способствует ускорению сходимости оценок.uk
dc.publisherНТУУ «КПІ»uk
Appears in Collections:Наукові вісті НТУУ «КПІ»: міжнародний науково-технічний журнал, № 1(105)

Files in This Item:
File Description SizeFormat 
06_Zgurovskii.pdf443.31 kBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.