Обнаружение аномальных измерений при обработке данных малого объема

• Опубліковано в: : Технология и конструирование в электронной аппаратуре
• Дата: 2016
• Автор: Попукайло, В.С.
• Формат: Стаття
• Мова: Російська
• Опубліковано: Інститут фізики напівпровідників імені В.Є. Лашкарьова НАН України 2016
• Теми: Системы передачи и обработки сигналов
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/115693
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Обнаружение аномальных измерений при обработке данных малого объема / В.С. Попукайло // Технология и конструирование в электронной аппаратуре. — 2016. — № 4-5. — С. 42-46. — Бібліогр.: 7 назв. — рос.

Рассмотрена мощность критериев обнаружения аномальных измерений в зависимости от объема малой выборки. Исследованы и наглядно проиллюстрированы возможности критериев Граббса, Диксона, Титьена—Мура, Ирвина, Шовене, Львовского и Романовского при объеме исследуемых данных от 5 до 20 измерений. Сделаны выводы о возможности применения каждого из критериев для обнаружения аномальных измерений при обработке данных малого объема. Розглянуто потужність критеріїв виявлення аномальних вимірювань в залежності від обсягу малої вибірки. Досліджено та наочно проілюстровано можливості критеріїв Граббса, Діксона, Тітьєна—Мура, Ірвіна, Шовене, Львівського та Романовського при обсягах досліджуваних даних від 5 до 20 вимірювань. Зроблено висновки про можливість застосування кожного з критеріїв для виявлення ано- мальних вимірювань при обробці даних малого обсягу. This article describes the criteria for detection of outliers power depending on a small size sample. Removing outliers is one of the stages of signals pre-processing. Statistical experiment, in which using a random number generator were received arrays of data, containing several thousand samples with normal distribution, with the given mean averages and standard deviation for each n-value, was conducted to solve this problem. Thus, we researched and vividly illustrated the possibility of Grubbs, Dixon, Tietjen—Moore, Irving, Chauvenet, Lvovsky and Romanovsky criteria at studied data sizes from 5 to 20 meterages. Conclusions about the applicability of each criterion for the outliersdetection in processing of small size data were made. Lvovsky criterion was recognized the optimal criterion. Dixon’s criterion was recommended for n ≤ 10. Irwin’s criterion was recommended when n ≥ 10. Tietjen—Moore’scriterion can be recommended for the detection of outliers in small samples for n > 5, since it recognizes errors well in the values of a ¯x + 4σ and has the least amount of I type mistakes. Grubb’s with an unknown standard deviation may be used in samples for n ≥ 15. Chauvenet and Romanovsky criteria cannot be recommended for the detection of outliers in small size data.