История и современное состояние методологии оценки запасов норвежской весенне-нерестующей сельди

Abstract

Применяя процедуры итеративного выделения и "улучшения" аутлаеров, важно иметь достаточно хорошее начальное решение, т.е. решение полученное по всем исходным данным. В противном случае процедура может пойти в ложном направлении. Следовательно, модель должна быть сама по себе достаточно робастной, чтобы её можно было применить ко всем данным, включая ещё не выявленные аутлаеры. Таким образом, для оценки запаса сельди (и не только сельди) требуется модель, которая была бы внутренне достаточно робастной для того, чтобы обеспечить получение разумных оценок с использованием данных реального (часто - сомнительного) качества как стартовой точки для дальнейшего применения статистических процедур "улучшения" данных (свойство модели ISVPA-TISVPA), а также позволяла проводить статистически корректную интеграцию информации из всех имеющихся видов данных с помощью функций провдоподобия (свойство модели SeaStar)./Thus, what is really needed for herring (and not only herring) stock assessment a model which is intrinsically robust enough to get reasonable estimates on the basis of data of real (often - dubious) quality as a starting point for further implementation of statistical procedures of data purification (ISVPA features), and statistically correct integration of information from all available sources of "improved" data by mean os likelihoods (SeaStar features).