Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Diaz Andino, Fidel Ernesto |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/3/3139/tde-27052022-074858/
|
Resumo: |
Dados contaminados com outliers podem ser um problema na qualidade dos modelos estimados usando técnicas de identificação de sistemas. Estudam-se, neste trabalho, as definições dos diferentes tipos de outliers que comumente afetam os dados coletados de processos. Se faz um estudo sobre a influência destes valores na identificação de sistemas SISO. São apresentados dois caminhos comuns para abordar o problema. O primeiro, é o típico método de dois passos, detecção de outliers e logo após a sua remoção. Neste caso, são resumidas algumas técnicas que podem ser usadas. O segundo caminho é baseado no uso de estimadores robustos na modelagem. Neste âmbito é feita uma comparação do uso deste tipo de estimadores, quando os dados estão contaminados e comparando com o caso de não existir contaminação. |
