Системы анализа и обработки данных

СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

ISSN (печатн.): 2782-2001          ISSN (онлайн): 2782-215X
English | Русский

Последний выпуск
№3(103) Июль-Сентябрь 2026

Устойчивое оценивание параметров модели по много-мерным неоднородным неполным данным

Выпуск № 1 (50) Январь - Март 2013
Авторы:

Лисицин Даниил Валерьевич ,
Аннотация
В работе развивается теория оптимального оценивания неизвестных параметров статистической модели по многомерным неоднородным данным. Данные представляются в числовой форме, но не обязательно являются числовыми, например, могут быть качественными или разнотипными. Оценки обеспечивают устойчивость к отклонению распределения наблюдений от постулированного. В основе теории лежит использование подхода Ф. Хампеля, связанного с функцией влияния, и подхода А.М. Шурыгина, связанного с байесовским точечным засорением распределения. Отдельное внимание уделяется случаю неполных данных, получены условия, при которых механизм порождения пропусков можно игнорировать.
Ключевые слова: оценивание параметров, робастность, функция влияния, неоднородные данные, неполные данные, разнотипные данные
Лисицин Даниил Валерьевич
доктор технических наук, профессор кафедры прикладной математики Но-восибирского государственного технического университета. Основное направление научных исследований – методы построения многофакторных моделей по статистическим данным. Имеет 90 публикаций, в том числе 1 монографию. E-mail:
dalis2@yandex.ru
Orcid:

Список литературы


[1] Лбов Г.С. Логические решающие функции и вопросы статистической устойчивости решений / Г.С. Лбов, Н.Г. Старцева. – Новосибирск: Изд-во Ин-та математики, 1999.

[2] Литтл Р.Дж.А. Статистический анализ данных с пропусками / Р.Дж.А. Литтл, Д.Б. Рубин. – М.: Финансы и статистика, 1991.

[3] Little R.J.A. Maximum likelihood estimation for mixed continuous and categorical data with missing values / R.J.A. Little, M.D. Schluchter // Biometrika. – 1985. – Vol. 72. –  P. 497–512.

[4] Лисицин Д.В. Оценивание  параметров многофакторной модели при наличии разнотипных откликов / Д.В. Лисицин // Научный вестник НГТУ. – Новосибирск, 2005. – № 1(19). – С. 11–20.

[5] Javaras K.N. Multiple imputation for incomplete data with semicontinuous variables / K.N. Javaras, D.A. Dyk van // J. Am. Statist. Assoc. – 2003. – Vol. 98. – P. 703–715.

[6] Смоляк С.А. Устойчивые методы оценивания: (Статистическая обработка неоднородных совокупностей) / С.А. Смоляк, Б.П. Титаренко. – М.: Статистика, 1980.

[7] Робастность в статистике. Подход на основе функций влияния / Ф. Хампель, Э. Рончетти, П. Рауссеу, В. Штаэль. – М.: Мир, 1989.

[8] Шурыгин А.М. Прикладная стохастика: робастность, оценивание, прогноз / А.М. Шурыгин. – М.: Финансы и статистика, 2000.

[9] Денисов В.И. Методы построения многофакторных моделей по неоднородным, негауссовским, зависимым наблюдениям / В.И. Денисов, Д.В. Лисицин. – Новосибирск: Изд-во НГТУ, 2008.

[10] Лисицин Д.В. Об оценивании параметров модели при байесовском точечном засорении / Д.В. Лисицин // Доклады АН ВШ РФ. – 2009. – № 1(12). – С. 41–55.

[11] Little R.J.A. Editing and imputing for quantitative survey data / R.J.A. Little, P.J. Smith // J. Amer. Statist. Assoc. – 1987. – Vol. 82. – P. 58–68.

[12] Cheng T.-C. High breakdown estimation of multivariate location and scale with missing observations /

T.-C. Cheng, M.-P. Victoria-Feser // British J. Math. Statist. Psych. – 2002. – Vol. 55. – P. 317–335.

[13] Copt S. Fast algorithms for computing high breakdown covariance matrices with missing data / S. Copt,

M.-P. Victoria-Feser // Theory and Applications of Recent Robust Methods / Hubert M. et al., eds. – Basel: Birkhauser,

2004. – P. 71 – 82.

[14] Little R.J.A. Robust estimation of the mean and covariance matrix from data with missing values / R.J.A. Little // Appl. Statist. – 1988. – Vol. 37. – P. 23–38.

[15] Калинин А.А. Робастное оценивание параметров регрессионных моделей с качественным откликом / А.А. Калинин, Д.В. Лисицин // Рос. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 21 – 22 апр., 2011.: Материалы конф. – Новосибирск, 2011. – Т. 1. – С. 69–72.

[16] Kalinin A.A. Robust estimation of qualitative response regression models / A.A. Kalinin, D.V. Lisitsin // «Applied Methods of Statistical Analysis. Simulations and Statistical Inference» – AMSA’2011, Novosibirsk, 20 – 22 September, 2011.: Proceedings of the International Workshop. – P. 303–309.

[17] Довгаль С.Ю. Робастные методы оценивания параметров регрессионной модели со счетным откликом / С.Ю. Довгаль, Д.В. Лисицин // Рос. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 21 – 22 апр., 2011.: Материалы конф. – Новосибирск, 2011. – Т. 1. – С. 64–67.

[18] Dovgal S.Yu. Robust estimation of count response regression models / S.Yu. Dovgal, D.V. Lisitsin // «Applied Methods of Statistical Analysis. Simulations and Statistical Inference» – AMSA’2011, Novosibirsk, 20 – 22 September, 2011.: Proceedings of the International Workshop. – P. 318–321.

[19] Боровков А.А. Математическая статистика / А.А. Боровков. – Новосибирск: Наука; Изд-во Ин-та математики, 1997.

[20] Лисицин Д.В. Оценивание при байесовском точечном засорении: связь с подходом Хампеля и минимаксная оценка / Д.В. Лисицин // Сб. науч. тр. НГТУ. – Новосибирск: НГТУ, 2011. – Вып. 3(65). – С. 61–66.

[21] Магарил-Ильяев Г.Г. Выпуклый анализ и его приложения / Г.Г. Магарил-Ильяев, В.М. Тихомиров. – М.: Едиториал УРСС, 2003.

[22] Ванько В.И. Вариационное исчисление и оптимальное управление / В.И. Ванько, О.В. Ермошина, Г.Н. Ку-выркин. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2006.

[23] Галеев Э.М. Оптимизация: теория, примеры, задачи / Э.М. Галеев. – М.: Едиториал УРСС, 2002.

[24] Лисицин Д.В. Свойства инвариантности при оценивании параметров модели в условиях байесовского точечного засорения / Д.В. Лисицин // Доклады АН ВШ РФ. – 2010. – № 1(14). – С. 18–25.

[25] Никифоров А.М. Методы анализа данных с пропусками и их свойства. Программное обеспечение статистической обработки неполных данных / А.М. Никифоров // Статистический анализ данных с пропусками / Литтл Р.Дж.А., Рубин Д.Б. – М.: Финансы и статистика, 1991. – С. 284–332.

[26] Денисов В.И. Оптимальное группирование, оценка параметров и планирование регрессионных экспериментов. В 2-х ч. / В.И. Денисов, Б.Ю Лемешко, Е.Б. Цой. – Новосиб. гос. техн. ун-т. – Новосибирск, 1993.

 
Просмотров аннотации: 2064
Скачиваний полного текста: 718
Просмотров интерактивной версии: 0
 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.