Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
КСА методичка.doc
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
838.66 Кб
Скачать

Класифікація на основі дискримінантної функції

Модуль Дискримінантний аналіз використовується у випадку, коли маємо групи об’єктів і перед нами стоїть завдання віднесення нового об’єкта до якоїсь групи та коли необхідно встановити правила віднесення об’єкта до певної групи. Розглянемо приклад.

Нехай, підприємства характеризуються наступними економічними показниками: х1 – продуктивність праці, х2 – питома вага робітників у складі промислово-виробничого персоналу, х3 – коефіцієнт змінності устаткування (змін), х4 – питома вага втрат від браку (%), х5 – фондовіддача активної частини основних виробничих фондів. Значення вказаних показників для 20 підприємств наведені у табл. 9. Зверніть увагу, що 17 підприємств уже розкласифіковані на дві групи, а три підприємства необхідно віднести до певної групи.

Таблиця 9

Вихідні дані для аналізу

№ п/п

х1

х2

х3

х4

х5

група

1

9,26

0,78

1,37

0,23

1,45

а

2

9,38

0,75

1,49

0,39

1,3

а

3

12,11

0,68

1,44

0,43

1,37

а

4

10,81

0,7

1,42

0,18

1,65

а

5

9,35

0,62

1,35

0,15

1,91

а

6

9,87

0,76

1,39

0,34

1,68

а

7

9,12

0,71

1,27

0,09

1,89

а

8

5,49

0,74

1,1

0,05

1,02

b

9

6,61

0,72

1,23

0,48

0,88

b

10

4,32

0,68

1,39

0,41

0,62

b

11

7,37

0,77

1,38

0,62

1,09

b

12

6,64

0,77

1,35

0,5

1,32

b

13

5,52

0,72

1,24

1,2

0,68

b

14

9,37

0,79

1,4

0,21

2,3

а

15

5,68

0,71

1,28

0,66

1,43

b

16

5,22

0,79

1,33

0,74

1,82

b

17

10,02

0,76

1,22

0,32

2,62

а

18

8,17

0,73

1,16

0,38

1,94

?

19

6,3

0,73

1,25

0,21

2,06

?

20

8,72

0,79

1,41

0,45

2,22

?

Запустити програму Statistica. Сформувати таблицю вихідних даних. Зауважимо, що в таблицю вихідних даних необхідно додати кілька рядків без даних (вони призначені для об’єктів, які потрібно віднести до певного класу). На панелі інструментів Statistics або в меню Statistics вибрати функцію Discriminant AnalysisДискримінантний аналіз. У стартовому вікні Дискримінантного аналізу потрібно обрати групувальний показник – Grouping (у нашому випадку – „група”) і незалежні змінні – Independent (рис. 29). У цьому ж вікні можна зробити додаткові установки.

Рис. 29. Стартове вікно Дискримінантного аналізу

Натиснувши кнопку ОК, одержимо вікно результатів (рис. 30).

Рис. 30. Вікно результатів дискримінантного аналізу

В інформаційній частині вікна міститься наступна інформація: кількість змінних у моделі, значення лямбди Уілкса, значення критерію Фішера для апроксимації. У функціональній частині вікна є ряд кнопок для всебічного перегляду результатів.

Натиснувши кнопку Classification functionsКласифікаційні функції, одержимо коефіцієнти дискримінантних функцій для двох груп (рис. 31). Угорі в таблиці вказана ймовірність віднесення підприємства до тієї чи іншої групи.

Рис. 31. Коефіцієнти дискримінантних функцій

Ініціювавши кнопку Classification matrix, одержимо матрицю класифікацій, у якій зазначено кількість спостережень у кожній групі й імовірність попадання спостережень у групи (рис. 32). Зверніть увагу на цю матрицю. У стовпці Percent Correct указаний процент правильної класифікації об’єктів. У рядках матриці вказана спостережувана класифікація підприємств, а у стовпцях – отримана за побудованими дискримінантними функціями. З матриці видно, що у цьому прикладі не спостерігається випадків неправильної класифікації.

Рис. 32. Матриця класифікацій

Класифікацію елементів можна одержати, натиснувши на кнопку Classification of cases. Якщо у стовпці Cases не виявиться елементів, позначених „зірочкою”, то це свідчить про коректну класифікацію і гарну апроксимацію дискримінантних функцій.

Для того, щоб класифікувати нові об’єкти (підприємства), НЕ ЗАКРИВАЮЧИ АНАЛІЗ, вводимо у вихідну таблицю значення тих об’єктів, які потрібно віднести до певної групи. Потім у вікні аналізу результатів ініціюємо кнопку Posterior ProbabilitiesАпостеріорні ймовірності. В результаті одержимо таблицю класифікацій, за якою визначаємо, у який клас увійшли нові об’єкти (рис. 33). Так підприємства 18 і 20 увійшли в групу а, а підприємство 19 – у групу b. (Дивіться значення ймовірності попадання об'єкта в ту або іншу групу. Для якої групи ймовірність вища, до тієї групи і відноситься об'єкт).

Рис. 33. Апостеріорні ймовірності

Завдання. Самостійно ознайомтеся з іншими можливостями модуля Дискримінантного аналізу. Проведіть покроковий дискримінантний аналіз, змінюючи початкові установки. Порівняйте результати, отримані різними методами.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]