Предлагаются методы робастного оценивания и прогнозирования для бета-иерархических мо-
делей группированных бинарных данных с искаженными результатами наблюдений. Доказа-
но, что оценки параметров моделей, оптимальные в смысле минимакса смещения, вычисляют-
ся на середине интервалов искажений, а прогноз, оптимальный в смысле минимакса риска,
достигается при максимально возможных уровнях искажений. Теоретические результаты ил-
люстрируются компьютерным моделированием.