аченість), або навіть невірним (передбачене значення і прогнозний інтервал далекі від істинного значення). У роботі пропонується новий метод визначення випадаючих об'єктів, заснований на методі найпростішого інтервального оцінювання. Цей метод порівнюється з відомим методом опуклих оболонок (Fernandez, 2002). p align="justify"> Для виявлення випадаючих об'єктів, пропонується побудувати в просторі предикторів область, яка визначає абсолютно зовнішні об'єкти (Утв.2.11). Для кожного об'єкта х i з калібрувального набору обчислюються координати точок х i < span align = "justify"> b , що утворюють межу області за формулою
Істотною відмінністю є те, що метод опуклих оболонок враховує тільки значення предикторів, в той час як метод ПІО бере до уваги ще й результати моделювання відгуку.
На прикладі аналізу результатів багатоканальних акустичних вимірювань, показано, що при об'єднанні методу ПІО з відомими методами білінійної моделювання (РГК, ПЛС) з'являється новий інструмент для аналізу складних багатофакторних даних. Візуалізація багатоканальних експериментальних даних допомагає простежити наявні фізичні залежності, оцінити якість проведеного експерименту. p align="justify"> Основою для такої візуалізації служить класифікація статусу об'єктів, заснована на наступних правилах.
. Калібрувальні об'єкти діляться на два класи: граничні, найбільш важливі об'єкти, і внутрішні об'єкти, що є надлишковими. (Утв.2.6-2.7).
. Перевірочні об'єкти можна розділити (Утв. 2.7-2.10) на два основні класи: внутрішні (типові) і зовнішні об'єкти. Серед зовнішніх об'єктів додатково виділяються абсолютно зовнішні об'єкти і викиди.
. Для нових об'єктів, мається правило (Утв. 2.10), що виділяє абсолютно зовнішні об'єкти. Це є істотним досягненням ПІО методу, оскільки гарантує, що, застосовуючи модель для нових вимірів, ми не вийдемо за область дії моделі.
Висновок
У роботі розглянуто теоретичні, алгоритмічні та методологічні аспекти методу найпростішого інтервального оцінювання (ПІО) в застосуванні до обробки великих масивів даних багатоканальних експериментів. Узагальнюючи отримані результати, можна сформулювати наступні висновки:
. Об'єднання проекційних регресійних методів з методом найпростішого інтервального оцінювання породжує потужний інструмент для вирішення завдань багатовимірної калібрування. Такий підхід дозволяє обробляти великі набори даних фізичних експериментів, пронизаних внутрішніми зв'язками, розділяти корисну інформацію і шум, представ...
