Обнаружение аномальных измерений при обработке данных малого объема
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...
Збережено в:
| Опубліковано в: : | Технология и конструирование в электронной аппаратуре |
|---|---|
| Дата: | 2016 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут фізики напівпровідників імені В.Є. Лашкарьова НАН України
2016
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/115693 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| 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. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862645921606533120 |
|---|---|
| author | Попукайло, В.С. |
| author_facet | Попукайло, В.С. |
| citation_txt | 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. |
| collection | DSpace DC |
| container_title | Технология и конструирование в электронной аппаратуре |
| description | 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.
|
| first_indexed | 2025-12-01T11:04:16Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-115693 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 2225-5818 |
| language | Russian |
| last_indexed | 2025-12-01T11:04:16Z |
| publishDate | 2016 |
| publisher | Інститут фізики напівпровідників імені В.Є. Лашкарьова НАН України |
| record_format | dspace |
| spelling | Попукайло, В.С. 2017-04-09T17:46:13Z 2017-04-09T17:46:13Z 2016 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. 2225-5818 DOI: 10.15222/TKEA2016.4-5.42 https://nasplib.isofts.kiev.ua/handle/123456789/115693 519.25 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. ru Інститут фізики напівпровідників імені В.Є. Лашкарьова НАН України Технология и конструирование в электронной аппаратуре Системы передачи и обработки сигналов Обнаружение аномальных измерений при обработке данных малого объема Виявлення аномальних вимірювань при обробці даних малого обсягу Detection of outliers in processing of small size data Article published earlier |
| spellingShingle | Обнаружение аномальных измерений при обработке данных малого объема Попукайло, В.С. Системы передачи и обработки сигналов |
| title | Обнаружение аномальных измерений при обработке данных малого объема |
| title_alt | Виявлення аномальних вимірювань при обробці даних малого обсягу Detection of outliers in processing of small size data |
| title_full | Обнаружение аномальных измерений при обработке данных малого объема |
| title_fullStr | Обнаружение аномальных измерений при обработке данных малого объема |
| title_full_unstemmed | Обнаружение аномальных измерений при обработке данных малого объема |
| title_short | Обнаружение аномальных измерений при обработке данных малого объема |
| title_sort | обнаружение аномальных измерений при обработке данных малого объема |
| topic | Системы передачи и обработки сигналов |
| topic_facet | Системы передачи и обработки сигналов |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/115693 |
| work_keys_str_mv | AT popukailovs obnaruženieanomalʹnyhizmereniipriobrabotkedannyhmalogoobʺema AT popukailovs viâvlennâanomalʹnihvimírûvanʹpriobrobcídanihmalogoobsâgu AT popukailovs detectionofoutliersinprocessingofsmallsizedata |