Zobraziť v EDS

ЗАДАЧИ НЕЧЕТКО-ВЕРОЯТНОСТНОЙ ОПТИМИЗАЦИИ: РЕГРЕССИЯ С НЕЧЕТКИМИ ДАННЫМИ

Uložené v:
Podrobná bibliografia
Názov: ЗАДАЧИ НЕЧЕТКО-ВЕРОЯТНОСТНОЙ ОПТИМИЗАЦИИ: РЕГРЕССИЯ С НЕЧЕТКИМИ ДАННЫМИ
Informácie o vydavateľovi: Институт проблем управления им. В. А. Трапезникова РАН, 2020.
Rok vydania: 2020
Predmety: несмещенность оценок, линейная регрессия, нечеткое множество, нечетко-случайная величина, состоятельность оценок
Popis: Построение зависимостей типа линейной регрессии между нечеткими множествами представляет интерес не только с теоретической, но и с практической точки зрения. Обычно при этом рассматривается частный вид нечетких множеств - нечеткие числа. С одной стороны, данные могут быть известны лишь приближенно. Тогда нечеткие множества могут использоваться, чтобы передать эту неопределенность. С другой стороны, данные могут быть объединены в некоторые группы. Тогда значение для группы может задаваться в виде нечеткого множества. При нечеткой регрессии рассматриваются те же задачи, что и при обычной регрессии: несмещенность и состоятельность оценок, доверительные интервалы для параметров, проверка гипотез. Для решения этих задач при обычной регрессии необходимо использовать инструментарий теории вероятностей. При нечеткой регрессии это обуславливает комбинированный нечетко вероятностный подход. В докладе обсуждается понятие нечетко-случайной величины, рассматриваются различные подходы к построению линейных регрессионных моделей с включением нечеткости, приводятся новые результаты о несмещенности и состоятельности оценок.
Druh dokumentu: Conference object
Jazyk: Russian
DOI: 10.25728/vspu.2019.1182
Prístupové číslo: edsair.doi...........cd37bba406d5274c6f1b345ba3dba0a9
Databáza: OpenAIRE
Popis
Abstrakt:Построение зависимостей типа линейной регрессии между нечеткими множествами представляет интерес не только с теоретической, но и с практической точки зрения. Обычно при этом рассматривается частный вид нечетких множеств - нечеткие числа. С одной стороны, данные могут быть известны лишь приближенно. Тогда нечеткие множества могут использоваться, чтобы передать эту неопределенность. С другой стороны, данные могут быть объединены в некоторые группы. Тогда значение для группы может задаваться в виде нечеткого множества. При нечеткой регрессии рассматриваются те же задачи, что и при обычной регрессии: несмещенность и состоятельность оценок, доверительные интервалы для параметров, проверка гипотез. Для решения этих задач при обычной регрессии необходимо использовать инструментарий теории вероятностей. При нечеткой регрессии это обуславливает комбинированный нечетко вероятностный подход. В докладе обсуждается понятие нечетко-случайной величины, рассматриваются различные подходы к построению линейных регрессионных моделей с включением нечеткости, приводятся новые результаты о несмещенности и состоятельности оценок.
DOI:10.25728/vspu.2019.1182