ЗАДАЧА ПРО МІНІМІЗАЦІЮ ДИСПЕРСІЇ

Ключові слова: екстремальна ляпуновська задача, метод множників Лагранжа, дисперсія випадкової величини, початкові моменти випадкової величини, щільність імовірності, математичне сподівання

Анотація

Робота пов’язана із задачею знаходження щільності ймовірності неперервної випадкової величини таким чином, щоб дисперсія або початкові моменти цієї величини були б найменшими. Розв’язана задача про мінімізацію дисперсії за умови, що щільність u x імовірності неперервної випадкової величини не перевищує задану функцію qx . Результатом роботи є отримання такої щільності: вона повинна дорівнювати заданій функції qx в деякому інтервалі , , поза цим інтервалом щільність повинна дорівнювати нулю. Числа α і β знаходяться із системи нелінійних рівнянь і входять у ці рівняння як границі визначених інтегралів. Також розглянуто задачу знаходження щільності ймовірності u x випадкової величини за умовами x u x dx u x dx u x q k min, 1, 0 , де q та k – задані додатні числа. Окреслені задачі належать до класу ляпуновських екстремальних задач, що містять інтеграли. Під час їх розв’язання було застосовано принцип мінімуму та метод множників Лагранжа. Як наслідок із теореми Вейєрштрасса витікає, що знайдені стаціонарні точки є точками найменших значень розглянутих функціоналів. Підставивши розв’язок задачі в екстремальну умову, отримана нерівність для початкових моментів будь-якої неперервної випадкової величини, яка обмежена зверху додатною сталою q . Підкреслено, що визначення параметрів у результаті мінімізації дозволить визначити більш точні оцінки в інших значеннях та досягти ефективного рівня оптимізації параметрів. Наведено результати розв’язку математичних задач. Прикладним застосуванням наведеної задачі є реалізація адаптивного прогнозування та статистичної ідентифікації нелінійних динамічних моделей фізичних та економічних процесів. Наукова новизна отриманого рішення полягає у тому, що вперше отримано систему, в якій математичне сподівання екстремальної випадкової величини розташовується посередині відрізка ,, завдяки чому, підставивши знайдену функцію в екстремальну умову, отримано найменше значення дисперсії для будь-якої неперервної випадкової величини.

Посилання

1. Жданова О.Г., Клименко В.М., Сперкач М.О. Складання енергетично ефективних календарних планів для функціонування виробничих систем. Вісник Вінницького політехнічного інституту. 2020. № 6. С. 54–61. URL: https:// doi.org/ 10.31649/1997-9266-2019-147-6-54-61.
2. Кузнецов М., Лисенко О., Мельник О. Задача оптимізації гібридної енергосистеми за рівнем дисперсії генерованої потужності. Відновлювана енергетика. 2022. С. 17–26. URL: https://doi.org/10.36296/1819-8058.2022.1(68).
3. Юзефович Р., Яворський І., Мацко І., Варивода М. Аналіз дисперсії когерентної оцінки взаємоспектральної густини періодично корельованих випадкових процесів. IV Міжнародна науково-технічна конференція «Теоретичні та прикладні аспекти радіотехніки, приладобудування і комп’ютерних технологій». Тернопіль, 2019. № 1. Р. 75–78.
4. Nabira Maheshwari Rathi S., Gupta R. Genetic Algorithm for Minimization of Variance of Pipe Flow-Series for Looped. Water Distribution Networks. 2022. URL: https://doi.org/ 10.1007/978-3-030-81358-1_16.
5. Birrell Jeremiah. Distributionally Robust Variance Minimization: Tight Variance Bounds over f-Divergence Neighborhoods. 2020. URL: https://doi.org/ 10.1109/TIT.2022.3160659.
6. Lv R., Liu H., Wang Z., Zhu D. WPMAVM: Weighted plus-and-minus allowance variance minimization algorithm for solving matching distortion. Robotics and Computer-Integrated Manufacturing. 2022. № 76. URL: https:// doi.org/102320.10.1016/j.rcim.2022.102320.
7. Dereziński M. Stochastic Variance-Reduced Newton: Accelerating Finite-Sum Minimization with Large Batches. 2022. URL: https://doi.org/ 10.48550/arXiv.2206.02702.
8. Kavis A., Skoulakis S., Antonakopoulos K., Dadi L., Cevher V. Adaptive Stochastic Variance Reduction for Non-convex Finite-Sum Minimization. NeurIPS 2022, 2022. URL: https:// doi.org/ 10.1137/20M1374614.
9. Сборник задач по оптимизации. Теория. Примеры. Задачи : учебное пособие. / Алексеев В.М., Галеев Э.М., Тихомиров В.М. М. Наука, 1984.
10. Григор’єв Ю.О. Задача про мінімізацію дисперсії. П’ятнадцята міжнародна наукова конференція ім. акад. Михайла Кравчука, 15–17 травня, 2014 р., Київ. Матеріали конф. Т. 3. Теорія ймовірностей та математична статистика. Київ : НТУУ «КПІ», 2014. С. 141–142.
Опубліковано
2023-05-24
Як цитувати
Григор’єв, Ю. О., & Кусік, Л. І. (2023). ЗАДАЧА ПРО МІНІМІЗАЦІЮ ДИСПЕРСІЇ. Computer Science and Applied Mathematics, (1), 5-10. https://doi.org/10.26661/2786-6254-2023-1-01
Розділ
РОЗДІЛ I. ПРИКЛАДНА МАТЕМАТИКА