论文部分内容阅读
在解决统计问题时,统计数据是解决问题的基础,在统计分析的过程中数据中的一些特异值将会使得统计结果产生一些意想不到的偏差,这就需要找出一种能够检验识别出数据中特异值的方法。在以往的研究中对特异值的识别大多停留在一维数据识别的阶段,随着统计技术的不断发展,多元统计应用逐渐普及,许多实践问题也确实必须利用多元统计方法才能解决,但在多元分析中,数据已经不仅仅是一维数据了,而是扩展为多维数据,而且依据统计的目的不同维数也不尽相同。在对多维数据进行统计分析的时候,统计结果也会受到特异数据的影响而偏离实际,这就需要找出多维特异数据的识别方法,在进行多维数据统计分析之前将其中的特异数据识别出来并加以处理。为了探索解决此类问题的方法,找到有效的多维特异数据检测方法,本文在对以往研究方法进行分析的基础上,采用文献资料法、比较分析法和探究性实验法,尝试寻找一种普遍适用的多维特异数据检测方法。为了实现多维数据特异值检测,本文尝试利用三种方法(直接分解法、局部平均统计距离法和多维标度法)将多维数据映射到一维空间,这样就可以利用已经研究得比较成熟的一维数据特异值的检测方法对其进行检测。通过探究性实验法对这三种方法进行实验验证,结果显示多维标度法无法正确检测出特异数据,只能识别出一些边缘数据;直接分解法只可以正确检测出部分特异数据,计算量小;局部平均距离法基本可以正确检测出全部特异数据,但计算量大。综合各实验结果,可以先利用直接分解法检测并剔除一部分特异数据,而后再利用局部平均距离法进行检测,这样既可以减少计算量又可以比较准确地检测出全部特异数据。在通过实验对各检测方法进行验证时,只有二维数据可以通过直观图直接观察其准确性,而更高维的数据暂时还无法完全直观地判断检测的准确性,因而还需要继续深入研究。