2.1. Робастное оценивание.

Разрабатываемые нами методы оценивания параметров предусматривают нахождение оценок при любой форме представления исходных данных: при точечных, группированных, частично группированных, цензурированных и интервальных выборках.

При исследовании различных методов оценивания и свойств оценок было показано, что высокой устойчивостью к различным отклонениям от предположений и к наличию аномальных наблюдений обладают оценки максимального правдоподобия (ОМП) по группированным данным. Группирование при оценивании позволяет получать устойчивые оценки [1]. Повышению качества таких оценок способствует применение асимптотически оптимального группирования, минимизирующего потери в информации Фишера. Предложены [2] и исследованы [3] оптимальные L-оценки параметров сдвига и масштаба, построенные на оценках квантилей, соответствующих асимптотически оптимальному группированию. Для ряда параметрических моделей законов распределений, наиболее часто используемых в приложениях, построены таблицы коэффициентов для таких оценок (для 15 моделей законов при различном числе используемых квантилей), исследованы их свойства. Показана эффективность параметрической отбраковки аномальных наблюдений с использованием предложенных робастных методов оценивания [4].

[Назад][Содержание][Вперед]