CC BY
70
УДК 519.216+519.224
Шепель В. Н., Акимов С. С.
Оренбургский государственный университет Е-mail: elite17@yandex.ru
МОДЕРНИЗАЦИЯ МЕТОДА ГИСТОГРАММ
ДЛЯ ВЫЯВЛЕНИЯ ПРИНАДЛЕЖНОСТИ НЕИЗВЕСТНОГО МАССИВА ДАННЫХ ОПРЕДЕЛЕННОМУ ЗАКОНУ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ
Рассматривается проблема совершенствования метода гистограмм для восстановления плотности распределения вероятности по выборке. Разработаны коэффициенты оценки и рассчитаны их критические значения.
Ключевые слова: гистограммный метод, коэффициенты, критические значения, закон распределения вероятности.
В задаче определения распределения вероятности по выборке возникает необходимость принятия гипотезы о его виде [1].
Для восстановления неизвестной функции плотности распределения в рамках непараметрической статистики разработан ряд методов и алгоритмов [2].
Несмотря на многообразие методов, достаточно часто их результаты являются недостоверными или значительно искаженными. На это влияет множество причин, одна из которых -многообразие законов распределения. Законы распределения вероятностей по своей природе настолько разнообразны, что единый подход к их оценке конкретным методом является несостоятельным [3].
В то же время практика решения технических задач свидетельствует, что в подавляющем большинстве случаев для восстановления функции плотности используется метод гистограмм [4].
Гистограммному методу оценки плотности распределения вероятности посвящены труды многих исследователей [5], [6], [7], [8]. На сегодняшний день он является одним из самых популярных методов.
Однако гистограммный метод оценки является экспертным методом, что существенно ограничивает возможности его применения. В частности, необходимость экспертного оценивания исключает возможность применения ЭВМ для получения окончательных результатов. Кроме того, экспертное заключение обладает существенной долей субъективности.
Для снижения субъективности исследования, а также для получения возможности компьютерного анализа гистограммы, необходимо алгоритмизировать процесс оценки гистограм-
мы. Для этого необходимо разработать коэффициенты, расчет которых мог бы производиться автоматически.
Кроме того, необходимо определить критические значения коэффициентов для возможности отнесения исследуемого массива данных к тому или другому закону распределения вероятности.
Цель исследования
Разработать систему коэффициентов для усовершенствования гистограммного метода определения распределения вероятностей по выборке.
Задачи исследования
- разработать коэффициенты, с учетом основных характеристик гистограммы, с целью более точного восстановления плотности распределения вероятности;
- рассчитать критические значения для полученных коэффициентов;
- произвести расчеты полученных коэффициентов на массивах данных с заранее известными законами распределения, с целью проверки адекватности модели.
Материалы и методы
Исследования проведены в лаборатории кафедры управления и информатики в технических системах Оренбургского государственного университета. Для получения необходимых массивов данных использовался генератор случайных чисел программы МаШсаё 15. Количество, состав, размерность и другие числовые характеристики рассматриваемых массивов данных были определены при помощи метода Монте-Карло, подробно описанном в [9]. На
Технические науки
описанных массивах данных производилась оценка гистограммным методом.
Результаты и обсуждение
Для наиболее точного восстановления закона вероятности разработано два коэффициента.
1. Коэффициент соотношения долей гистограммы. Рассчитывается как отношение сумм значений интервалов первой половины гистограммы и второй.
Замечание 1. Если количество интервалов в гистограмме нечетное, то интервал, находящийся в середине, необходимо разделить на два и прибавить полученный результат к правой и левой частям.
Замечание 2. Для наглядности и удобства, в случае, когда количество данных правой половины гистограммы больше левой, полученный коэффициент записывается в знаменатель дроби, числителем которой выступает -1.
Замечание 3. Для того чтобы результат коэффициента был удобен для восприятия, но не искажал бы данных, результат необходимо разделить на п/10.
2. Коэффициент убывания данных гистограммы. Рассчитывается как стандартное отклонение от количества значений, попавших в различные интервалы гистограммы.
Замечание 1. Для того, чтобы результат коэффициента был удобен для восприятия, но не искажал бы данных, также как и в предыдущем случае, результат необходимо разделить на п/10.
В результате построения гистограмм и применения метода Монте-Карло для различных распределений выявлены следующие критические значения для предложенных выше коэффициентов (таблица 1 и 2).
Как видно из таблиц, часть интервалов перекрывается. При использовании коэффициента соотношения долей гистограммы однозначно можно отделить:
- равномерное непрерывное распределение от распределения Рэлея;
- равномерное непрерывное распределение от гамма-распределения;
- равномерное непрерывное распределение от экспоненциального распределения;
- нормальное распределение от распределения Рэлея;
- нормальное распределение от экспоненциального распределения;
- логистическое распределение от распределения Рэлея;
- логистическое распределение от экспоненциального распределения.
Остальные распределения определяются данным коэффициентом неоднозначно.
При использовании коэффициента убывания данных гистограммы однозначно можно отделить:
- равномерное непрерывное распределение от всех остальных распределений;
- нормальное распределение от распределения Рэлея;
- нормальное распределение от распределения Коши;
- нормальное распределение от экспоненциального распределения;
- логистическое распределение от распределения Коши;
Таблица 1. Критические значения для коэффициента соотношения долей гистограммы
Распределение Эмпирический интервал значений
Равномерное непрерывное [-0,18;0,18]
Нормальное [-0,2;0,2]
Рэлея [0,25;1]
Логистическое [-0,9;0,2]
Гамма [0,2;4]
Экспоненциальное [3;9,99]
Логнормальное [-0,2;9,99]
Вейбулла [-0,4;9,99]
Бета [-0,4;9,99]
Коши [-9,99;9,99]
Таблица 2. Критические значения для коэффициента убывания данных гистограммы
Распределение Эмпирический интервал значений
Равномерное непрерывное [0,15;0,45]
Нормальное [0,5;1]
Рэлея [1,1;1,3]
Логистическое [0,8;1,5]
Коши [1,8;3,6]
Экспоненциальное [3;3,6]
Гамма [0,7;3,2]
Логнормальное [0,5;3,6]
Вейбулла [0,5;3,6]
Бета [0,5;3,6]
Шепель В.Н., Акимов С.С. Модернизация метода гистограмм для выявления принадлежности..
- логистическое распределение от экспоненциального распределения.
Все остальные случаи распределений являются неотличимыми данным методом.
Справедливость полученных значений подтверждается, также, работами авторов Ж.В. Дейнеко [10], М. А. Маталыцкого [11], Б.Ю. Лемешко [12]. В работе [10] при оценке логнормального распределения получено критическое значение 2,411. В работе [11] рассмотрено экспоненциальное распределение, критическое значение для которого оказалось равным 3,327. В работе [12] при исследовании логистического распределение было получено значение 1,42. Все полученные данные соответствуют рассчитанным интервалам, полученным в данном исследовании.
Заключение
В работе описаны коэффициенты, связанные с основными характеристиками гистограммы плотности распределения, использование которых увеличивает достоверность гистог-раммного метода и дает возможность алгоритмизировать сам метод.
Рассчитаны критические значения предлагаемых коэффициентов для наиболее часто встречающихся непрерывных распределений вероятности, с целью однозначного отделения внешне похожих гистограмм распределений.
Выявленные значения прошли проверку на ряде распределений, сгенерированных с помощью программы МаШсаё 15. Для повышения достоверности использовались, также, данные, приведенные в статьях других исследователей.
26.06.2014
Список литературы:
1. Шепель, В.Н. Эвристическая процедура определения подходящего распределения вероятности / В.Н. Шепель, С.С. Акимов // Компьютерная интеграция производства и ИПИ-технологии // Сборник материалов V Всероссийской научно-практической конференции. - Оренбург: Изд. ИП Осниночкин Я.В., 2011. - С. 137-139.
2. Айвазян, С.А. Прикладная статистика. Основы эконометрики (в 2 -х т.) Теория вероятностей и прикладная статистика / С.А. Айвазян, В.С. Мхитарян. - М.: Юнити-Дана, 2007. - 656 с.
3. Шепель, В.Н. Использование оценки Хилла для различения законов распределения вероятности [Текст] / Шепель В.Н., Акимов С.С. // Вестник Оренбургского государственного университета. - 2014. - № 1, январь. - С. 75-78.
4. Сызранцев, В.Н. Адаптивные методы восстановления функции плотности распределения вероятности / В.Н. Сызранцев, Я.П. Невелев, С.Л. Голофаст // Известия ВУЗов. Машиностроение. - 2006. - №12. - С. 3-11.
5. Шепель, В.Н. Алгоритм определения эмпирической функции плотности по выборке из генеральной совокупности / В.Н. Шепель // Современные информационные технологии в науке и практике. Материалы VIII всероссийской научно-практической конференции (с международным участием). - Оренбург: ИПК ГОУ ОГУ. - 2009. - С. 224-226.
6. Маркович, Н.М. Методы оценивания характеристик тяжело-хвостовых случайных величин по конечным выборкам / Н.М. Маркович : Автореф. дис. ... д-ра физ.-мат. наук : 05.13.01 : М., 2004 - 206 с.
7. Катковник, В.Я. Непараметрическая идентификация и сглаживание данных / В.Я. Катковник. - М.: Главная редакция физико-математической литературы. - 1985. - 336 с.
8. Алейник, С.В. Метод оценки уровня клиппирования речевого сигнала / С.В. Алейник, Ю.Н. Матвеев, А.Н. Раев // Научно-технический вестник информационных технологий, механики и оптики. - 2012. - № 3 (79). - С. 79-82.
9. Вентцель, Е.С. Исследование операций / Е.С. Вентцель. - М., «Советское радио». - 1972. - 552 с.
10. Об одном методе моделирования самоподобного стохастического процесса / Ж.В. Дейнеко, А.А. Замула, Л.О. Кириченко, Т.А. Радивилова // Вкн. Харк. нац. ун-ту iм. В. Н. Каразша. Сер. Математичне моделювання. 1нформацшт технологи. Автоматизоват системи управлшня. - 2010. - № 890, вип. 13. - С. 53-63.
11. Маталыцкий, М.А. Метод анализа средних значений для сетей массового обслуживания, рекуррентный по моментам времени / М.А. Маталыцкий // Автомат. и телемех. - 1999. - № 11. - С. 39-45.
12. Лемешко, Б.Ю. Система статистического анализа наблюдений и исследования статистических закономерностей / Б.Ю. Лемешко, С.Н. Постовалов // Сб. «Моделирование, автоматизация и оптимизация наукоемких технологий». -Новосибирск: изд-во НГТУ, 2000. - С. 44-46.
Сведения об авторах: Шепель Вячеслав Николаевич, профессор кафедры управления и информатики в технических системах Оренбургского государственного университета, доктор экономических наук,
e-mail: vn_shepel@mail.ru
Акимов Сергей Сергеевич, аспирант кафедры управления и информатики в технических системах, факультета информационных технологий Оренбургского государственного университета 460018, г. Оренбург, Шарлыкское шоссе, 5, e-mail: elite17@yandex.ru
