Высокие статистические технологии

Уважаемый Александр Иванович!

Как Вы считаете, могут ли модели нечеткой логики применяться в задачах статистического анализа данных, к примеру, в задаче прогноза уровня бедности?
Существует мнение, что классические уравнения линейной регрессии основаны на очень мощном статистическом аппарате и поэтому имеют большое распространение, а нечеткие интервальные уравнения регрессии таких оснований не имеют. Интересно также узнать Ваше мнение по этому поводу.
Правилен ли вывод, что при отсутствии доверия к статистическим данным целесообразнее применять нечеткие методы анализа?

О выборе модели можно говорить долшо.
1. Всегда полезно одни и те же данные обработать несколькими методами. То, что общее в выводах - отражает реальность, то, что различается - отражает субъективизм исследователя.
2. Сам по себе - не аргумент для выбора модели. Важно выяснить, выполнены ли предпосылки. Например, являются ли погрешности независимыми одинаково распределенными случайными величинами.
3.
Конечно, могут.
4.
Есть еще и статистика интервальных данных. Для применения нечетких методов анализа нужны исходные данные. Какова степень доверия к ним?
5. Итог - см. п.1 выше.

Спасибо.
Являются ли интервальные данные частным случаем данных, представленных нечеткими интервалами?
Если нет, то в чем их преимущество перед нечеткими интервалами?

Одно "интервальное данное" - это интервал. Его можно сопоставить с нечетким множеством, у которого функция принадлежности равна 1 на этом интервале и 0 вне его. Преимущество в большей простоте обработки и продвинутости теории. См. учебники "Прикладная статистика" и "Нечисловая статистика" http://www.ibm.bmstu.ru/nil/biblio.html