Дослідження традиційних статистичних методів відновлення даних в умовах малих вибірок

Abstract

У роботі здійснено критичний аналіз методологічних бар’єрів застосування класичного статистичного інструментарію для відновлення пропусків у малих вибірках. Систематизовано фундаментальні обмеження традиційних підходів: параметричну нестійкість, структурну упередженість та штучне придушення варіабельності. Доведено, що механічне перенесення асимптотичних властивостей великих даних на малі вибірки призводить до виникнення «ілюзії точності» та кумулятивного ефекту похибки в системах підтримки прийняття рішень. Обґрунтовано необхідність зміни парадигми відновлення: від точкової імпутації до реконструкції ймовірнісного простору станів на основі ентропійно-екстремальних моделей.

The paper critically analyzes the methodological barriers to the use of classical statistical tools for restoring missing data in small samples. The fundamental limitations of traditional approaches are systematized: parametric instability, structural bias, and artificial suppression of variability. It is proven that the mechanical transfer of asymptotic properties of big data to small samples leads to the emergence of an “illusion of accuracy” and the cumulative effect of error in decision support systems. The need to change the restoration paradigm is substantiated: from point imputation to the reconstruction of the probability space of states based on entropy-extreme models.