ОЦЕНИВАНИЕ ПАРАМЕТРОВ ЛИНЕЙНЫХ РЕГРЕССИОННЫХ МОДЕЛЕЙ ПРИ НАЛИЧИИ ОШИБОК ВО ВХОДНЫХ ДАННЫХ
Аннотация
Гусев Ю. С. Оптимизация, имплементация и визуализация алгоритма определения наличия совместного действия бинарных факторов, выпускная квалификационная работа бакалавра: страниц 44, таблиц 0, рисунков 20.
Ключевые слова: РЕГРЕССИЯ, КОЭФФИЦИЕНТ, ОШИБКИ ВО ВХОДНЫХ ПЕРЕМЕННЫХ, ПОГРЕШНОСТЬ, СМЕЩЕНИЕ, МОДЕЛЬ, ЛИНЕЙНАЯ ЗАВИСИМОСТЬ, PYTHON.
Традиционный регрессионный анализ выполняется в предположении о детерминированности независимых (входных) переменных. В ряде случаев имеет входные переменные измеряются со случайными погрешностями. Это приводит к смещению оценок коэффициентов регрессии. Для устранения этого смещения необходимы специальные методы оценивания. В работе исследуются алгоритмы, вычисляющие коэффициенты линейной регрессии при наличии ошибок во входных и выходных переменных. Исследованы способы улучшения работы алгоритмов, путем добавления собственной ошибки. Доказана оценка их временной сложности. Реализованы алгоритмы оценки коэффициентов на языке Python.
Ключевые слова: РЕГРЕССИЯ, КОЭФФИЦИЕНТ, ОШИБКИ ВО ВХОДНЫХ ПЕРЕМЕННЫХ, ПОГРЕШНОСТЬ, СМЕЩЕНИЕ, МОДЕЛЬ, ЛИНЕЙНАЯ ЗАВИСИМОСТЬ, PYTHON.
Традиционный регрессионный анализ выполняется в предположении о детерминированности независимых (входных) переменных. В ряде случаев имеет входные переменные измеряются со случайными погрешностями. Это приводит к смещению оценок коэффициентов регрессии. Для устранения этого смещения необходимы специальные методы оценивания. В работе исследуются алгоритмы, вычисляющие коэффициенты линейной регрессии при наличии ошибок во входных и выходных переменных. Исследованы способы улучшения работы алгоритмов, путем добавления собственной ошибки. Доказана оценка их временной сложности. Реализованы алгоритмы оценки коэффициентов на языке Python.