Оценивание параметров модели по нечетким данным

гибридные данные методы обработки гибридных данных «сильные/слабые» оценки

Исследование теплового состояния аккумулятора в рабочем цикле, Топливоподающая система для дизеля с управлением давлением впрыскивания, ...

Н.Э. Баумана, Москва, 105005, Россия 2 Российский университет дружбы народов, 117198, Россия Рассмотрены традиционные методы получения точечных оценок применительно к «гибридным» данным, которые являются одной из разновидностей нечетких случайных переменных. <...> Методами теории нечетких линейных систем показано, что при обработке «гибридных» данных возникают «сильные/слабые» оценки точечных параметров. <...> Одной из задач традиционной математической статистики является оценка неизвестных четких параметров выбранной параметрической модели. <...> В этом случае полагается, что закон распределения f(x, θ) четкого случайного вектора x генеральной совокупности задан, а четкий вектор θ параметров является неизвестным. <...> Задача оценивания в этом случае имеет вид: необходимо найти четˆ кий вектор оценки θ по выборке четких случайных данных x = (x1, x2, …, xn), полученной из генеральной совокупности случайным образом. <...> Подобная задача оценивания имеет место в нечетком случае, когда x — нечеткий случайный вектор с θ нечетким вектором параметров. <...> Такие нечеткие случайные данные принято называть гибридными данными (ГД) [1]. <...> В этом случае применяются традиционные методы математической статистики, а для нахождения функции принадлежностей полученной оценки используются приемы и терминология теории нечетких линейных систем <...> Имеется многомерная нечеткая плотность f (xН, θН) генеральной совокупности, где xН, θН — нечеткие векторы; Н — индекс нечеткости. <...> Необходимо по ГД x1Н, x2Н, …, xnН случайной выборки из генеральной совокупности найти вектор нечеткой ˆ оценки θ Н нечеткого вектора параметров θН. <...> В прикладных задачах традиционной математической статистики для решения сформулированной выше задачи чаще всего используются методы моментов, максимального правдоподобия, наименьших квадратов [3]. <...> Есть нечеткая случайная выборка данных xН = (x1Н, x2Н, …, xnН) из генеральной совокупности XН, которая имеет закон f (xН, θ Н) распределения с точностью <...>

• Похожие документы из РУАЭСТ
• |
• Похожие документы из Руконт