Анализ статистических оценок характеристик регрессионных моделей

Скорочена інформація про документ
dc.contributor.authorАрхипова, София Анатольевна
dc.date.accessioned2020-12-21T13:03:56Z
dc.date.available2020-12-21T13:03:56Z
dc.date.issued2019-12
dc.description.abstractenA method of statistical characteristics analysis of parameter estimates for regression models is considered. This method is not required information about disturbance properties of input date and based on computer imitation of the series of the "real" experiments with special processing their results. The task of optimization of the procedure of model parameters estimating by a sample data which is characterized by a some set of properties, in particular, a certain probability model of error, is sufficiently developed and usually solved within the framework of a general approach. Usually, a parameterized representation (model) of the error is used for the synthesis (inference) of the optimal method. This representation of error is often presented in the form of a probability distribution density. However, the actual optimality of data processing is achieved only if the adopted parameterized model sufficiently fully reflects the basic properties and characteristics of the error. That is, in the case of absence of apriority information about the type of distribution, the problem of its a posteriori estimation is arises, in which the error distribution is restored through the distribution of residuals, and it is assumed that those distributions are close to each other. To obtain the residuals, preliminary estimates of the dependent variable are calculated, which, after optimizing the parameter estimation procedure, can be further refined. In this regard, it is advisable to investigate the possibility of selecting of parametrized models of error based on the results of a posteriori analysis of residuals of actual values, which are the estimates of the initial error of measurement. In solving of practical problems, the value of noise or the parameters of their distribution are a priori unknown, which does not allow, in fact, but not formally, to use the means of classical regression analysis.uk
dc.description.abstractruРассматривается задача оценивания качества параметрической идентификации линейной регрессионной модели в условиях априорной неопределенности относительно свойств погрешности измерения зависимой переменной и структуры модели. При решении таких задач использование традиционных методов является малоэффективным, так как эти методы обычно ориентированы на наличие определенных ограничений в отношении особенностей исходных данных, в частности, случайной ошибки измерений. При нарушении предположения о нормальности разрушается отлаженный механизм проверки адекватности модели, селекции ее структуры. Предложен метод анализа статистических оценок характеристик регрессионных моделей. Метод не требует информации о свойствах помех в исходных данных и базируется на компьютерной имитации серии "реальных" экспериментов со специальной обработкой их результатов.uk
dc.description.abstractukРозглядається задача оцінювання якості параметричної ідентифікації лінійної регресійної моделі в умовах апріорної невизначеності щодо властивостей похибки вимірювання залежною змінною і структури моделі. При вирішенні таких завдань використання традиційних методів є малоефективним, тому що ці методи зазвичай орієнтовані на наявність певних обмежень щодо особливостей вихідних даних, зокрема, випадкової помилки вимірювань. При порушенні припущення про нормальність руйнується налагоджений механізм перевірки адекватності моделі, селекції її структури. Запропоновано метод аналізу статистичних оцінок характеристик регресійних моделей. Метод не вимагає інформації про властивості перешкод в вихідних даних і базується на комп'ютерній імітації серії "реальних" експериментів зі спеціальною обробкою їх результатів.uk
dc.format.pagerangeС. 155-159uk
dc.identifier.citationАрхипова, С. А. Анализ статистических оценок характеристик регрессионных моделей / Архипова София Анатольевна // Молодий вчений : науковий журнал. – 2019. – № 12 (76). – С. 155-159. – Бібліогр.: 8 назв.uk
dc.identifier.doihttps://doi.org/10.32839/2304-5809/2019-12-76-36
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/38186
dc.language.isoruuk
dc.publisherМолодий вченийuk
dc.publisher.placeХерсонuk
dc.sourceМолодий вчений : науковий журнал, 2019, № 12 (76)uk
dc.subjectметод варьирования данныхuk
dc.subjectрегрессионный анализuk
dc.subjectошибка измеренияuk
dc.subjectошибка измеренияuk
dc.subjectнормальность распределенияuk
dc.subjectdata variation methoduk
dc.subjectregression analysisuk
dc.subjectmeasurement erroruk
dc.subjectnormality of distributionuk
dc.subject.udc681.5.015uk
dc.titleАнализ статистических оценок характеристик регрессионных моделейuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
P_155-159.DOC
Розмір:
381 KB
Формат:
Microsoft Word
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.16 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (КФ)