1. SISN
  2. All Volumes and Issues
  3. Volume 887, 2018
  4. Recovering Gaps in Test Results and Identification of Operator Staff

Recovering Gaps in Test Results and Identification of Operator Staff

SISN.
2018;
Volume 887
: pp. 92 - 104
Authors: 

Kaminsky R. M., Kunanets N. E., Pasichnyk V. V., Khudiy A. M.

Department of information systems and networks, Lviv Polytechnic National University, S. Bandery Str., 12, Lviv, 79013, UKRAINE, E-mail: nek. lviv@gmail. com

The article addresses the problem of the restoration of missed values in the results of testing the recipients given by the time series. As experimental data, the time series with spaces are given. Recovery efficiency is estimated by the relative error of the recovered value. Examples of restoration missing data in the time series table and the individual time series are given. Used simple methods for replacing missed value by average, weighted average and median. For these time series, the good results provide the median of the output time series with the missing values and fill the values of the trend model – the polynomial of the third degree.

time series
data tables with spaces
missed values
resetting passes
  1. Литтл Р. Дж. А. Статистический анализ данных с пропусками / Р. Дж. А. Литтл, Д. Б. Рубин. – М.: Финансы и статистика, 1991. – 336 с.
  2. Загоруйко Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. – Новосибирск: Изд-во Ин-та математики, 1991. – 278 с.
  3. Степашко И. С. Метод відновлення пропущених даних в екологічних задачах на основі МГУА / И. С. Степашко, Ю. В. Коппа, Г. О. Іутинська. – Режим доступу: http://www. gmdh. net/articles/rus/gaps. pdf.
  4. Перемитина Т. О. Программный комплекс восстановления пропущенных значений в многомерных данных на основе методов нечеткого моделирования / Т. О. Перемитина, И. Г. Ященко, С. В. Лучкова // Программные продукты и системы. – 2014. – № 1. – С. – 86–92.
  5. Карлов И. А. Восстановление пропущенных данных при численном моделировании сложных динамических систем / И. А. Карлов // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. – 2013. – 6 (186). – С. 137–144.
  6. Слабченко О. О. Інформаційна технологія імпутації даних змішаної природи в задачах інтелектуального аналізу / О. О. Слабченко // Проблеми інформаційних технологій. – 2016. – № 01. – С. 155–161.
  7. Плотников Д. Е. Восстановление временных рядов данных дистанционных измерений методом полиномиальной аппрокси- мации в скользящем окне переменного размера / Д. Е. Плотников, Т. С. Миклашевич, С. А. Барталёв // Современные проблемы дистанционного зондирования Земли из космоса. – 2014. – Т. 11, № 2. – С. 103–110.
  8. Братусь О. В. Система підтримки прийняття рішень з адаптивними блоками відновлення та прогнозування сонячних радіофлюксів // Радіоелектроніка, інформатика, управління. – 2017. – № 3. – С. 36–43.
  9. Двоенко С. Д. Восстановление пропусков в данных методом неиерархических разбиений, Автомат. и телемех. – 2001. – Вып. 3. – С. 134 – 140.
  10. Honaker J. AMELIA II: a program for missing data / James Honaker, Gary King, Matthew Blackwell // Journal of Statistical Software. – 2011. – Vol. 45, iss. 7. – Mode of access: https://cran. r-project. org/web/packages/Amelia/vignettes/amelia. pdf.
  11. Schlomer G. L. Best practices for missing data management in counseling psychology / Gabriel L. Schlomer, Sheri Bauman, Noel A. Card // Journal of Counseling Psychology. – 2010. – Vol. 57, No. 1. – P. 1–10.
  12. Soley-Bori M. Dealing with missing data: key assumptions and methods for applied analysis / Marina Soley-Bori // Technical Report. – 2013. – No. 4. – Р. 1–20.
  13. A comparative study of imputation methods for estimation of missing values of per capita expenditure in central java / Y. Susianto, K. A. Notodiputro, A. Kurnia, H. Wijayanto // IOP Conf. Series: Earth and Environmental Science. – 2017. – 58. – Р. 1–10.
  14. Sung-Suk Chung. A Study on imputation using adjusted cohen method / Sung-Suk Chung, Young-Min Chun, Sun-Kyung Lee // Journal of the Korean Data & Information Science Society. – 2006. – Vol. 17, No. 3. – P. 871–888.
  15. Allison P. D. Missing data / Paul D. Allison. – Mode of access: https://statisticalhorizons. com/wp-content/uploads/2012/01/Milsap-Allison. pdf.
  16. Therese D. Pigott. A review of methods for missing data / Therese D. Pigott // Educational Research and Evaluation. – 2001. – Vol. 7, No. 4. – P. 353–383.
  17. Бочаров Б. П. Анализ эффективности алгоритма восстановления пропущенных значений временного ряда результатов тестирования знаний / Б. П. Бочаров, М. Ю. Воеводина // Системи обробки інформації – 2008 – Вип. 3(70). – С. 1–13.
  18. Кутлалиев А. Х. Метод множественного восстановления данных / А. Х. Кутлалиев // Социологические методы в современной исследовательской практике: сб. ст., посвященных памяти А. О. Крыштановского. – М., 2011. – С. 201–207. – Режим доступа: http://www. isras. ru/files/File/Sociologicheskie_methody. pdf.
  19. Снитюк В. Е. Эволюционный метод восстановления пропусков в данных: сборник трудов VI-й Международной конференции Интеллектуальный анализ информации. – Киев, 2006. – С. 262–271. – Режим доступу: http://masters. donntu. org/2012/iii/shkarpetkina/library/article2. htm.
  20. Абраменкова И. В. Методы восстановления пропусков в массивах данных / И. В. Абраменкова, В. В. Круглов // Програмные продукты и системы. – 2005. – № 2. – С. 18 – 22.
  21. Злоба Е., Яцкив И. Статистические методы восстановления пропущенных данных / Е. Злоба, И. Яцкив // Computer Modelling & New Technologies, 2002. – Vol. 6, No. 1. – P. 51–61.
  22. К вопросу восстановления учетных данных на химических предприятиях / А. В. Волошко, Я. С. Бедерак, Т. Н. Лутчин, М. Ю. Кудрицкий // Известия Томского политехнического университета. – 2014. – Т. 324, № 5. – С. 101–106.
  23. Радчикова Е. С. Анализ применения способов заполнения пропусков в данных во временных рядах в экологических исследованиях / Е. С. Радчикова // Экология и защита окружающей среды: сб. тез. докл. Междунар. науч.-практ. конф., 19–20 марта 2014 г. – Минск, 2014. – С. 112–116. – Режим доступу: http://elib.bsu.by/handle/ 123456789/104514.
  24. Калинин А. В. Алгоритм восстановления пропусков на поле “плохих” данных / А. В. Калинин, С. В. Ченцов // Сибирский журнал науки и технологий – основное научное издание Сибирского государственного университета науки и технологий имени академика М. Ф. Решетнева. – 2008. – Т. 18, № 2. – С. 91–95. – Режим доступу: https://cyberleninka. ru/journal/n/sibirskiy-zhurnal-nauki-i-tehnologiy#/939662.
  25. Дубинина Е. В. Ежедневная магия Excel. Восстановление пропусков в данных / Е. В. Дубинина // Инновационные технологии в науке и образовании: материалы IX Междунар. науч.-практ. конф. (Чебоксары, 15 янв. 2017 г.): В 2 т. – 2017. – Т. 2, № 1 (9). – Чебоксары: ЦНС “Интерактив плюс”, 2017. – С. 29–33. – Режим доступа: https://interactive-plus. ru/ru/article/116036/discussion_platform.