ОЦІНЮВАННЯ ІЗ ЗАДАНОЮ ТОЧНІСТЮ КОЕФІЦІЄНТІВ ПРИ НЕЛІНІЙНИХ ЧЛЕНАХ ОДНОВИМІРНОЇ ПОЛІНОМІАЛЬНОЇ РЕГРЕСІЇ ПРИ МАЛІЙ КІЛЬКОСТІ ВИПРОБУВАНЬ ДОВІЛЬНОГО ОБМЕЖЕНОГО АКТИВНОГО ЕКСПЕРИМЕНТУ
DOI:
https://doi.org/10.20998/2079-0023.2021.02.01Ключові слова:
одновимірна поліноміальна регресія, багатовимірна поліноміальна регресія, нормовані ортогональні поліноми Форсайта, надлишковий опис, лінійні рівності, умовний активний експериментАнотація
Обґрунтовується структура ефективного відрізка числової осі, проведення на якому активного експерименту для знаходження оцінок коефіцієнтів при нелінійних членах одновимірної поліноміальної регресії за допомогою нормованих ортогональних поліномів Форсайта дозволяє
при досить малій кількості експериментів знаходити оцінки з високою точністю. Для випадку, коли активний експеримент може бути реалізований на відрізку числової осі, що не задовольняє цим умовам, обґрунтовується можливість проведення віртуального активного експерименту на ефективному відрізку числової осі, за результатами якого в результаті розв’язання системи лінійних рівностей з верхньою трикутною невиродженою матрицею обмежень знаходяться оцінки при нелінійних членах досліджуваної одновимірної поліноміальної регресії.
Таким чином, для розв’язання задачі оцінювання коефіцієнтів при нелінійних членах одновимірної поліноміальної регресії необхідно вибрати ефективний відрізок числової осі, задати мінімально необхідну кількість значень скалярної змінної, що належать цьому відрізку і гарантують задану величину дисперсії оцінок при нелінійних членах одновимірної поліноміальної регресії з використанням нормованих ортогональних поліномів Форсайта. Далі необхідно з достатньою точністю знайти всі коефіцієнти нормованих ортогональних поліномів Форсайта
для заданих значень скалярної змінної. Отриманий набір нормованих ортогональних поліномів Форсайта дозволяє оцінювати із заданою
точністю коефіцієнти при нелінійних членах одновимірної поліноміальної регресії при довільному обмеженому активному експерименті –
область зміни значень скалярної змінної може бути довільним відрізком числової осі. Оцінку константи та коефіцієнта при лінійному члені
одновимірної поліноміальної регресії пропонується знаходити внаслідок розв’язання задачі лінійної одновимірної регресії за допомогою
стандартного методу найменших квадратів в умовах активного експерименту. У попередніх публікаціях автора та його учнів було показано,
що оцінювання коефіцієнтів при нелінійних членах багатовимірної поліноміальної регресії зводиться до послідовної побудови одновимірних регресій та розв’язання відповідних систем лінійних рівностей. Таким чином, результати статті якісно підвищують ефективність знаходження оцінок коефіцієнтів при нелінійних членах багатовимірної поліноміальної регресії, яка задана надлишковим описом.
Посилання
Ivahnenko A.G. Modelirovanie Slozhnyh Sistem. Informacionnyj Podhod [Complex Systems Modeling. Informational Approach]. Kiev, Vyshha shkola Publ., 1987. 62 p.
Nastenko E., Pavlov V., Boyko G., Nosovets O. Mnogokriterial'nyj algoritm shagovoj regressii [Multi-criterion step-regression algorithm]. Biomedychna inzheneriya i tekhnolohiya [Biomedical ingeneering and technology]. 2020, no. 3, pp. 48–53. doi: 10.20535/2617- 8974.2020.3.195661
Draper N. R., Smith H. Applied Regression Analysis. 3rd edition. New York: John Wiley & Sons, 1998. 736 p.
Bol'shakov A. A., Karimov R. N. Metody obrabotki mnogomernykh dannykh i vremennykh ryadov: uchebnoe posobie dlya vuzov [Methods for processing multivariate data and time series: textbook for universities]. Moscow: Goryachaya liniya–Telekom, 2007. 522 p.
Shahrel M. Z., Mutalib S., Abdul-Rahman S. PriceCop–Price Monitor and Prediction Using Linear Regression and LSVM-ABC Methods for E-commerce Platform. International Journal of Information Engineering and Electronic Business (IJIEEB), 2021. Vol. 13 (1), pp. 1– 14. doi: 10.5815/ijieeb.2021.01.01
Satter A., Ibtehaz N. A Regression based Sensor Data Prediction Technique to Analyze Data Trustworthiness in Cyber-Physical System. International Journal of Information Engineering and Electronic Business (IJIEEB), 2018. Vol. 10 (3), pp. 15–22. doi: 10.5815/ijieeb.2018.03.03
Isabona J., Ojuh D. O. Machine Learning Based on Kernel Function Controlled Gaussian Process Regression Method for In-depth Extrapolative Analysis of Covid-19 Daily Cases Drift Rates. International Journal of Mathematical Sciences and Computing (IJMSC), 2021. Vol. 7 (2). pp. 14–23. doi: 10.5815/ijmsc.2021.02.02
Babatunde G., Emmanuel A. A., Oluwaseun O. R., Bunmi O. B., Precious A. E. Impact of Climatic Change on Agricultural Product Yield Using K-Means and Multiple Linear Regressions. International Journal of Education and Management Engineering (IJEME), 2019. Vol. 9 (3). pp. 16–26. doi: 10.5815/ijeme.2019.03.02
Pavlov A. A., Kalashnik V. V., Kovalenko D. A. Postroenie mnogomernoj polinomial'noj regressii. Regressija s povtorjajushhimisja argumentami vo vhodnyh dannyh [Multidimensional polynomial regression construction. Regression with duplicate arguments in the input]. Visnyk NTUU “KPI”. Seriya «Informatyka, upravlinnya ta obchislyuvalna tekhnyka» [Visnyk NTUU “KPI”. Informatics, operation and computer science]. Kiev, Vek+ Publ., 2015, no. 62, pp. 57–61
Zgurovsky M. Z., Pavlov A. A. Prinyatie resheniy v setevykh sistemakh s ogranichennymi resursami [Decision making in network systems with limited resources]. Kiev, Nauk. dumka Publ., 2010, 573 p.
Hudson D. J. Statistics Lectures, Volume 2: Maximum Likelihood and Least Squares Theory. CERN Reports 64(18). Geneva, CERN, 1964. (Russ. ed.: Hudson D. Statistika dlja fizikov: Lekcii po teorii verojatnostej i jelementarnoj statistike. Moscow, Mir Publ., 1970. 296 p.). doi: 10.5170/CERN-1964-018
Pavlov A. A., Kalashnik V. V. Rekomendacii po vyboru zony provedenija aktivnogo jeksperimenta dlja odnomernogo polinomial'nogo regressionnogo analiza [Recommendations for choosing the zone of an active experiment for one-dimensional polynomial regression analysis]. Visnyk NTUU “KPI”. Seriya «Informatyka, upravlinnya ta obchislyuvalna tekhnyka» [Visnyk NTUU “KPI”. Informatics, operation and computer science]. Kiev, Vek+ Publ., 2014, no. 60, pp. 41–45.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
ЛіцензіяАвтори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).