二项响应轮廓控制的异常值检测研究

《二项响应轮廓控制的异常值检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、二项响应轮廓控制的异常值检测研究OutlierDetectionSchemesforProfileswithBinaryData学科专业：管理科学与工程研究生：李振指导教师：商艳芬副教授天津大学管理与经济学部二零一七年十二月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或權写讨的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作

2、？Ｊ了明确的说明并表示了谢意。学位论文作者签名签字日期：年从月Ｐ日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：：导师签名１擎／７Ｐ日签字日期：＞年Ｍ月ｙ日签字日期：知７年摘要自十九世纪二十年代休哈特博士首

3、次提出质量控制图的概念以来，统计过程控制受到了足够的重视。随着科学技术的进步，制造业在蓬勃发展的过程中涌现出了诸多产品质量控制问题，这些问题的出现也恰好推动了统计过程控制领域学术研究的日益完善。在许多实际生产过程中，质量控制中的质量特性不再是简单的一元或多元变量，而需要用一种响应变量和解释变量之间的关系来描述，这种关系通常被称为轮廓。近年来，轮廓控制作为统计过程控制中的一个重要研究课题，被越来越多的专家学者纳入自己的研究范围。轮廓控制的相关研究大多基于一个基本假设：过程的响应变量是连续的且服从正态分布，响应变量为分类数据

4、的轮廓过程普遍存在却未得到足够的讨论。本文以二项响应轮廓过程为研究对象，基于惩罚似然的变量选择方法，采用仿真数据和实例应用相结合的方式，为第一阶段控制提出了较为系统的异常值检测方案。异常值检测时需要注意的一个重要问题是掩蔽效应，未能完全检测出异常值而导致的掩蔽效应会使轮廓模型的估计产生严重扭曲。仿真结果表明，本文所提出的方案相比现有的?ϵ控制图方法在实际操作中具有更高的检测效率，并且通常能ժ以更大的概率完全正确检测出数据集中所有的异常值，其掩蔽效应也更小。最后，本文通过一个汽车质保索赔数据的实例应用，对提出方案的操作步骤

5、进行了详细说明。关键词：异常值检测，二项响应轮廓，惩罚似然，成组LASSO算法，掩蔽效应IABSTRACTStatisticalProcessControl(SPC)hasreceivedsufficientattentionsincetheconceptofControlChartwasfirstproposedbyDr.Shewhartinthe1920s.Withtheprogressofscienceandtechnology,largequantitiesofproblemsofproductqualityco

6、ntrolemergeintheprocessofflourishingdevelopmentofmanufacturingindustry.TheappearanceoftheseproblemsalsopromotestheperfectionofacademicresearchinthefieldofSPC.Inmanyreal-worldapplications,qualityattributesarenolongersimple,unaryormultivariatevariables,butratherare

7、characterizedbytherelationshipbetweenaresponsevariableandoneormoreexplanatoryvariables,whichistipicallyreferredtoasaprofile.Recently,profilemonitoring,asanimportantresearchtopicinSPC,hasbeenincludedinthescopeoftheirresearchbymoreandmoreexpertsandscholars.Mostofth

8、epreviousresearchesonprofilecontrolarebasedonthebasicassumptionthattheresponsevariableiscontinuousandsubjecttonormaldistribution.However,theprofilewhoserespons