Аннотация. Рассмотрены алгоритмы решения задач нечеткого регрессионного анализа в условиях, когда входные и выходная переменные представлены Fuzzy-множествами, определенными с точностью до неизвестных параметров, а коэффициенты регрессии -действительные числа. Предложены некоторые новые критерии аппроксимации, основанные на сравнении свертки длин сече-ний и координат центров тяжести функций принадлежности Fuzzy-множеств, которые могут быть использованы для нечетких множеств переменных задачи общего вида. Описаны алгоритмы преобразования переменных, представ-ленных термами лингвистической переменной или параметрами числовых шкал, в нечеткие множества и использования этих данных в задачах Fuzzy-регрессионного анализа. Полученные результаты позволят решать многие прикладные проблемы в экономике, логистике, социологии и маркетинге.Ключевые слова: Fuzzy-регрессионного анализ, нечисловая статистика, лин-гвистические переменные, параметры числовых шкал, Fuzzy-множества, кри-терии аппроксимации, метод наименьших квадратов.
ВВЕДЕНИЕВ эконометрике, маркетинговых и социалогических исследованиях при по-строении математических моделей широко используется аппарат мате-матической статистики и построения регрессионных моделей [1]. Широкое распространение здесь получили методы нечисловой статистики. В эко-номике доля нечисловых данных существенно больше, чем в технике и тех-нологии, и неопределенность приходится описывать в терминах теории не-четкости или математики и статистики интервальных данных.В ситуациях, когда многие входные факторы модели могут быть пред-ставлены лишь булевыми, лингвистическими или нечеткими данными, ли-бо некорыми градациями числовых шкал, в качестве альтернативных под-ходов могут использоваться методы Fuzzy-регрессионного анализа. Ре-зультатом расчета на основе математических моделей Fuzzy-регрессион-ного анализа является некоторое нечеткое множество с функцией при-надлежности непрерывного вида, которое определяет диапазон возможных значений выходной переменной и оценку (некоторый аналог вероятности) получения этого значения в пределах данного диапазона.
СОСТОЯНИЕ РАЗРАБОТОК В ОБЛАСТИ FUZZY-РЕГРЕССИОННОГО
АНАЛИЗАМатематическим моделям и алгоритмам решения задач Fuzzy-регрессион-ного анализа посвящено большое количество пубикаций. Функции регрес-