Об использовании априорной информации в регрессионном анализе

Abstract

Розглянуто методи оцінювання параметрів регресії з урахуванням невизначеної апріорної інформації двох видів: нечіткої і стохастичної. Вважається, що нечітка апріорна інформація формулюється на основі нечітких уявлень конструктора моделі. У якості стохастичної апріорної інформації розглядаються лінійні за параметрами регресії системи рівнянь, правими частинами яких є випадкові величини. Параметри регресії можуть бути як постійними, так і змінними у часі величинами. Запропоновано класифікацію методів оцінювання, що використовують невизначену апріорну інформацію, на основі якої одержано узагальнення відомих методів, а також розроблено метод оцінювання, що дозволяє поєднувати нечітку і стохастичну апріорну інформацію про параметри регресії.

The paper considers the methods to evaluate regression parameters under indefinite a priori information of two types: fuzzy and stochastic. Fuzzy a priori information is assumed to be formulated on the basis of fuzzy notions of the model designer. The stochastic a priori information is systems of equations, which are linear in regression parameters and whose right-hand sides are random variables. The regression parameters may both be constant and vary in time. A classification of the evaluation methods using indefinite a priori information is proposed and used to generalize the well-known methods. An evaluation method is developed, which combines the fuzzy and stochastic a priori information about regression parameters.