分布式系统下基于分位数回归的统计诊断

随着大数据时代的到来,分布式系统已广泛应用于生活中。然而,由于分布式系统中服务器数量不限,各种服务器之间的异质性较高,可能会对统计推断的结果产生影响。因此,在分布式系统中进行统计诊断变得非常必要。为此,提出了一种适用于分布式系统下分位数回归模型的异常值检测方法。考虑到实际应用背景,采用了群组(分布式系统中的子集)删除的方法来捕捉边际相关性的影响,并在较为稳健的模型中进行统计诊断。在蒙特卡罗模拟研究中,该方法表现出色,并通过对空气质量监测站点实际数据的检测进一步验证了其有效性。