Розглянуто метод визначення викидів за попередньої обробки даних для кореляційного та одновимірного регресійного аналізу. Запропоновано класифікацію викидів відповідно до їх природи. Розроблений для їх визначення алгоритм базується на послідовному застосуванні методу складного ножа та елементів розрахунків відстані за LSD-критерієм з використанням замість середніх значень коефіцієнтів кореляції і довірчих інтервалів замість критичних значень відстані. Застосування алгоритму показано на прикладах для різних умов його використання. Розглянуто весь спектр можливих умов застосування: від таких, в яких метод безпомилково визначає викиди, до таких, в яких він не працює або результати його роботи неоднозначні. Встановлено, що описаний у роботі метод надає змогу автоматично визначати викиди незалежно від їх природи за лінійного зв'язку між змінними. У разі нелінійного зв'язку між змінними викиди визначаються у випадку лінеаризації змінних (лінеаризація в таких ситуаціях є необхідною умовою аналізу даних). У сумнівних і невизначених випадках і заи складної залежності алгоритм визначає як викиди ті експерименти, видалення яких призводить до покращання лінійної регресійної моделі (a priori, до її побудови). Метод не працює у випадку викидів, які компенсують одне одного, але в таких ситуаціях наявність викидів не призводить до суттєвого зміщення коефіцієнтів моделі. Побудовано регресійні моделі, які показують зміну характеристик і значень регресійних коефіцієнтів моделі під впливом викидів. Використання методу надає змогу визначити сумнівні точки експериментів для подальшого прийняття рішень. Метод може бути використаний у системах автоматизованої обробки інформації, оскільки гарантовано автоматично визначає наявність викидів або покращує лінійну регресійну модель.

• Лапач Сергій Миколайович (фізико-математичні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"