Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://dspace.opu.ua/jspui/handle/123456789/2478
Название: Оценивание параметров регрессионных моделей на основе сингулярного разложения матриц
Другие названия: Оцінювання параметрів регресійних моделей на основі сингулярного розкладання матриць
Grading parameters of a regression model based on singular value decomposition matrices
Авторы: Востров, Георгий Николаевич
Востров, Георгій Миколайович
Vostrov, Heorhii
Атие Аднан
Атіє Аднан
Atiie Adnan
Ключевые слова: выбросы в выборочных данных
регуляризация оценок параметров
ортогональные регрессоры
смещенные оценки параметров
ингулярное разложение матриц
метод складного ножа и скользящего исследования
неполный ранг матрицы
emissions in the sample data
regularization parameter estimates orthogonal covariates
biased estimates of the parameters
the singular value decomposition of matrices
the method of jackknife and slide examination
full rank matrix
викиди у вибіркових даних
регуляризація оцінок параметрів
ортогональні регресори
зміщені оцінки параметрів
сингулярне розкладання матриць
метод складного ножа і ковзного іспиту
неповний ранг матриц
Дата публикации: Сен-2013
Издательство: Odessa National Polytechnic University
Библиографическое описание: Востров, Г. Н. Оценивание параметров регрессионных моделей на основе сингулярного разложения матриц / Г. Н. Востров, Атие Аднан // Электротехн. и компьютер. системы. – 2013. – № 11 (87). – С. 157–162.
Краткий осмотр (реферат): Задача оценивания параметров безусловных линейных регрессионных моделей в условиях плохой обуслов- ленности корреляционной матрицы и квазимультиколлинеарности не может быть достаточно точно решена при использовании классического метода наименьших квадратов (МНК). Разработан метод оценивания пара- метров регрессионной модели на основе МНК и сингулярного разложения матриц эмпирических данных на слу- чай квазимультиколлинеарности и плохой обусловленности корреляционной матрицы.
The problem of estimating the parameters of unconditional linear regression models in conditions of poor conditionality of the correlation matrix, quasimulticollinearity, cannot be precisely solved when using the classical least squares method (LSM). Developed a method for estimating the parameters of a regression model based on the LSM and the singular value decomposition of matrices of empirical data in case of quasimulticollinearity and poor conditionality of the correlation matrix.
Оцінювання параметрів безумовних лінійних регресійних моделей в умовах поганої обумовленості кореля- ційної матриці і квазімультиколінеарності не може бути досить точно вирішена при використанні класично- го методу найменших квадратів (МНК). Розроблено метод оцінювання параметрів регресійної моделі на осно- ві МНК і сингулярного розкладання матриць емпіричних даних у разі квазімультиколінеарності і поганої обу- мовленості кореляційної матриці.
URI (Унифицированный идентификатор ресурса): http://etks.opu.ua/?fetch=articles&with=info&id=19
http://dspace.opu.ua/jspui/handle/123456789/2478
ISSN: 2221-3805
2221-3937
Располагается в коллекциях:Електротехнічні та комп'ютерні системи №11(87), 2013

Файлы этого ресурса:
Файл Описание РазмерФормат 
157-162_N.pdf202.38 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.