4
µ¦¦³»
¤ª·
µµ¦Â¨³Á°¨µª·
´
¥ ¤®µª·
¥µ¨´
¥´
¬·
¦´Ê
¸É
19
¦³Î
µe
2552
4. µ°¦·
Á»
»
(2547) Î
µ®¨´
¬³´
ªÂ¦°·
¦³µ¤µ¦ÂÂ
°
o
°¤¼
¨ Ã¥µ¦Â·
¨°¤ (Contaminated Normal Distribution) Î
µ®¦´
Î
µ¨°´
ªÂ¦°·
¦³¤¸
n
µ·
·
¢{
r
´
ªµ¤®µÂn
°¥¼n
Ħ¼
°
2 2
2
,
,
1
V
P
V
P
C NP
NP
xf
Á¤ºÉ
°
C
´
ª¦³°Á¨ (Scale Factor) ¹É
Â
¦³´
ªµ¤¦»
¦
°n
µ·
·
°´
ªÂ¦°·
¦³Ã¥Î
µ®Á}
2 ¦³´
º
° ¦³´
Ťn
¦»
¦
5
C
¨³¦³´
¦»
¦
12
C
¨³
P
´
n
ªµ¦¨°¤ (Proportion of Contamination) Ã¥Ân
¨³¦³´
³Î
µ®Ä®o
¤¸
´
n
ªµ¦¨°¤µ¤
µ´
ª°¥n
µÁn
µ´
0.00, 0.05 , 0.10 ¨³ 0.15
5.
µ´
ª°¥n
µ¸É
Î
µµ¦«¹
¬µ º
° n = 20 , 50 , ¨³ 100
6. µ¦ª·
´
¥¦´Ê
¸Ê
Äo
Á·
µ¦Î
µ¨°Â¤°·
µ¦r
è (Monte Carlo Simulation Technique) Ã¥Á
¸
¥o
ª¥
榤 R Î
µµ¦Î
µ¨°
o
°¤¼
¨ÊÎ
µÄÂn
¨³µµ¦r
¸É
Î
µµ¦«¹
¬µ ªn
µ ¨n
µ¦³®ªn
µ
E
ˆ~
Ħ°¸É
k
´
¦°
¸É
1
k
¤¸
n
µo
°¥¤µº
°ªn
µÅ¤n
Ân
µ´
Ã¥¤¸
Ár
ªn
µ
001 .0 | ˆ~ ˆ~|
1
k
k
E
E
ª·
¸
Î
µÁ·
µ¦ª·
´
¥
1. ¦o
µ
o
°¤¼
¨
°´
ªÂ¦°·
¦³
1
X
¸É
¤¸
µ¦Â·
Ã¥¤¸
¡µ¦µ¤·
Á°¦r
10
P
¨³
2
2
V
¨³
´
ªÂ¦°·
¦³
2
X
¸É
¤¸
µ¦Â·
Ã¥¤¸
¡µ¦µ¤·
Á°¦r
15
P
¨³
4
2
V
2. ¦o
µ
o
°¤¼
¨
°ªµ¤¨µÁ¨ºÉ
°
H
Įo
¤¸
µ¦ÂÂÁ°¦¼
Ân
°ÁºÉ
°Än
ª [-1,1]
3. µ N. Kordzakhia G.D. Mishra ¨³ L.ReiersHlmoen (2001) ¦o
µ
o
°¤¼
¨
°´
ªÂ¦µ¤
Y
µ
¦¼
ªµ¤´
¤¡´
r
¯
®
t
5.0
~ ; 1
5.0
~ ; 0
i
i
i
i
i
x
x
Y
H
S
H
S
Ã¥¸É
n
i
e
e
x
i
i
i
i
x
x
x
x
i
,..., 2,1 ,
1
)~(
2 2 11 0
2 2 11 0
E
E
E
E
E
E
S
4. ¦³¤µn
µ¡µ¦µ¤·
Á°¦r
¸É
o
°µ¦«¹
¬µÃ¥Äo
ª·
¸
µ¦¦³¤µ¡µ¦µ¤·
Á°¦r
°´
ªÂ °¥Ã¨·
·
Ä
¦¸
¸É
´
ªÂ¦°·
¦³¤¸
n
µ·
·
´Ê
4 ª·
¸
º
° ª·
¸
µ¦¦³¤µn
µ¡µ¦µ¤·
Á°¦r
o
ª¥ª·
¸
ªµ¤ª¦³Á}
¼
»
Ân
ªÊÎ
µ®´
° Croux ¨³ Haesbroeck ª·
¸
µ¦¦³¤µn
µ¡µ¦µ¤·
Á°¦r
o
ª¥ª·
¸
ªµ¤ª¦³Á}
¼
»
Ân
ªÊÎ
µ®´
°
Rousseeuw ¨³ Christmann ¨³µ¦¦³¤µn
µ¡µ¦µ¤·
Á°¦r
o
ª¥ª·
¸
ªµ¤ª¦³Á}
¼
»
Ân
ªÊÎ
µ®´
° Daniel
5. Î
µµ¦Á¦¸
¥Á¸
¥¦³·
·Í
£µ¡
°´
ª¦³¤µ¸É
Åo
Ã¥Äo
¦o
°¥¨³
°n
µ¨µÁ¨ºÉ
°Á¨¸É
¥´
¤¼
¦r
(Mean
Absolute Percentage Error : MAPE)
°´
ª¦³¤µn
µÄÂn
¨³µµ¦r
°µ¦¨°
6. ¦»
¨µ¦ª·
´
¥ÄÂn
¨³µµ¦r
ª·
¸
µ¦¦³¤µ¡µ¦µ¤·
Á°¦r
¸É
«¹
µ
1
.
µ¦¦³¤µn
µ¡µ¦µ¤·
Á°¦r
o
ª¥ª·
¸
ªµ¤ª¦³Á}
¼
»
Ân
ªÊÎ
µ®´
° Croux ¨³ Haesbroeck (WCH) ¹É
Croux ¨³ Haesbroeck (2003) Åo
Á°Åªo
Ã¥¤¸
¢{
r
´É
ªµ¤ª¦³Á}
Ân
ªÊÎ
µ®´
º
°