Вместо того чтобы полагаться на робастность существующих методов, можно применять эвристические ММР, предлагаемые в V.B.4. Там же даны и практические рекомендации для выбора соответствующего метода в" имитационном моделировании. B V.B.5 мы упоминаем методы для ненормальных распределений (например, гамма-, биномиального), процедуры принятия решений и формулируем другие задачи (скажем, задачу о t лучших средних). За V.B.5 следуют приложения, простые упражнения, библиография. Читатель может пропустить детальное описание в V.B.3, потому что в V.B.4 все подходя- [c.218]
Построение адекватных регрессионных моделей для целей прогнозирования с помощью метода наименьших квадратов предъявляет к исходной информации весьма жесткие требования. В ряде случаев эти требования для реальных наблюдений оказываются невыполненными, поэтому получаемые оценки оказываются неэффективными, а прогноз — недостоверным. Действительно, требование нормальности распределения ошибок, предъявляемое к исходной информации процедурой метода наименьших квадратов, в большом числе случаев оказывается невыполненным. Так, говорится Нормальность - это миф. В реальном мире никогда не было и никогда не будет нормального распределения . Поэтому в последнее время интенсивно разрабатывается новое направление в статистике - так называемая робастная статистика, задача которой в том и состоит, [c.39]
Подмножество, содержащее наилучшую совокупность. Если мы хотим выбрать подмножество, содержащее совокупность с наибольшей (либо наименьшей) медианой, то наиболее подходящим будет непараметрический метод Ризви и Собела, потому что он не требует соблюдения условий нормальности (по определению) и равных дисперсий. Если мы думаем, что предположения о нормальности и равных дисперсиях выполняются, то более эффективным будет параметрический метод Гупты и Собела для выбора совокупности с наибольшей средней (равной медиане для нормальных совокупностей). Робастность последней процедуры не изучена. Если систему характеризует не средняя (но, например, дисперсия или биномиальная вероятность), то простоты ради можно применять выше указанные процедуры/быть может, после преобразований наблюдений, или какой-нибудь специальный метод (ссылки на эти методы даны в V.B.3). [c.205]
Предметом конкретного исследования служит эксперимент по методу Монте-Карло с методом множественного ранжирования (ММР), разработанным Бехгофером и Блюменталем [Be hhofer, Blumenthal, 1962]. Цель эксперимента по методу Монте-Карло — исследовать робастность этой процедуры. [c.269]
Извлечение правил из нейронных сетей подразумевает их предварительное обучение. Поскольку эта процедура требует много времени для больших баз данных, то естественна та критика, которой подвергается использование нейротехнологии для извлечения знаний. Другим поводом для такой критики является трудность инкорпорации в нейронные сети некоторых имеющихся априорных знаний. Тем не менее, главным является артикуляция правил на основе анализа структуры нейронной сети. Если эта задача решается, то низкая ошибка классификации и робастность нейронных сетей дают им преимущества перед другими методами извлечения знаний. [c.169]
Б СШ13И с таким новым подходом автор вводит множество процедур, известных только по журнальным публикациям. Все методы удачно, па наш взгляд, систематизированы и постоянно сравниваются друг с другом. Пожалуй, впервые параметрические и непараметрические методы представлены равноправно. Но главная особенность изложения — систематическое исследование робастности всех встречающихся процедур. Уделяется, теперь уже традиционно, большое внимание предпосылкам, лежащим в основе каждого метода. В общем изложение вполне соответствует тем стандартам, которые начали складываться в последние годы в литературе по приложениям статистических методов. [c.6]
Заключает книгу пример, представленный в последней — шестой главе. Автор постарался собрать в этом примере весь арсенал средств статистики, применяемых в имитационном моделировании, и обратить их на исследование робастности одного из методов множественного ранжирования — метода Бехгофера—Блюменталя. Выбор именно такого примера интересен во многих отношениях, но нам представляется наиболее примечательным то обстоятельство, что в нем отчетливо показана роль имитационных моделей в решении внутренних проблем статистики, таких, например, как проблема робастности тех или иных процедур. Имитационное моделирование уже только поэтому заслуживало бы интенсивного развития и оправдало бы значительные затраты сил и средств, даже если бы оно ни на что больше не было пригодно. Как известно, это всего лишь одно из второстепенных применений имитационного моделирования. [c.6]
Смотреть страницы где упоминается термин Робастные методы и процедуры
: [c.191] [c.203] [c.205] [c.244] [c.272]Смотреть главы в:
Исследование систем управления -> Робастные методы и процедуры