![](/user_photo/_userpic.png)
книги / Статистический анализ данных в геологии. Кн. 2
.pdfРис. 6.50. |
П р ед ст а в л ен и е |
н а гр у зо к R - и |
Q - м е т о д о в |
на д в е |
п ервы е ф ак тор н ы е |
||
оси д л я |
д а н н ы х Б ер еа, |
вы численны х |
|
из к овар и ац и он н ой м атри цы (см . |
|||
|
|
|
т а б л . 6 .4 2 ) |
[65]. |
|
|
|
П ун к ти рн ы е линии — н агр узк и |
Л - м е т о д а ; |
1 — к варц евы й |
м онцонит; 2 — к ри |
||||
|
сталлический |
сланец; |
3 — п есок |
и гравий |
|
общая сумма квадратов SSr равнялась сумме квадратов в каж дой группе S S W плюс сумма квадратов между группами SSs. Точно такая же структура удобна и в дискриминантном анализе.
Обозначения многогруппового дискриминантного анализа достаточно сложны, так как требуется рассмотреть не только объекты и переменные, по и группы, в которых лежат эти объ екты. В силу этого нужно сначала использовать обозначения с тремя индексами, например, хт: обозначает i-ю переменную, измеренную на /-м объекте внутри группы k. Дело осложняется тем, что не все группы содержат одинаковое число объектов, поэтому необходимо ввести обозначение для числа объектов в k-\\ группе — пк. Предположим, что наблюдения классифициру
ются в g различных групп. Если собрать все группы вместе, то
е
мы найдем, что во всем множестве имеется всего N= 2 пк
k = \
объектов, каждый из которых характеризуется некоторым на бором переменных.
Среднее i-й переменной в k-Pi группе есть |
|
X ik - |
(6.104) |
352
Общее среднее г-й переменной есть среднее всех наблюдений переменной г. несмотря на группы, в которых находятся наблю дения. Это общее среднее равно
_ |
», |
А л. --=г^ |
(6.106) |
k= 1 ; = 1
Коэффициент ковариации между переменными с и I для всех объектов, несмотря на группы, равен
е |
пк |
|
|
АыУмаш |
У, |
). |
(6.106) |
к~1 ;= 1 |
|
|
Если вычислить эту меру для всех возможных пар переменных, то получим симметрическую матрицу [S] порядка рХр, которая будет называться матрицей общих сумм произведений. Вычис лим также меру ковариации между переменными i и / внутри 5 групп по формуле
i J k |
i k ) (x iik — A ' i ■*)■ |
(6.107) |
* = 1 7 = 1
Для всех возможных пар переменных эти коэффициенты об разуют матрицу [1К], которая представляет сумму произведений между группами. Эта матрица эквивалентна сумме матриц [S/М] и [SAS], используемых в простом дискриминантном ана лизе для двух групп. Наконец, выразим дисперсию между груп пами:
е |
_ |
|
V ■4 ’ '.А,., - |
л ,..) (A7/.ft - Л7,..). |
(6.108) |
Это также матрица [В] порядка рХр, которая содержит меж групповые суммы произведений.
Как и в обычном дисперсионном анализе, внутригрупповые и межгрупповые суммы квадратов, сложенные вместе, дают общую сумму произведений
[S] = [fi] + [ r ] , |
(6.109) |
Желательно, чтобы отношение |
было по возможности |
велико. Легко убедиться, что это отношение является многомер
ным аналогом отношения F, заданного |
по формуле F= |
=MS B/ MS W, используемого для проверки |
различия между |
группами в дисперсионном анализе. Если это отношение велико, то это значит, что группы широко разбросаны, в то время как наблюдения внутри групп плотно собраны вокруг своих средних.
23-115 |
353 |
Задача дискриминантного анализа состоит в нахождении мно жества линейных весов для переменных так, чтобы это отноше ние было максимальным. Если считать, что это множество весов образует вектор [Л]], то дискриминантный анализ можно трак товать как задачу нахождения элементов этого вектора [Л(] таким образом, чтобы отношение
Щ ' [ В ] [ А А
W \W ] 1А1
достигало максимума. Конечно, на вектор [ЛД необходимо на
ложить |
некоторые |
ограничения. В дискриминантном |
анализе |
||
обычно |
накладывается следующее |
ограничение: знаменатель |
|||
этого |
выражения |
должен быть |
равен |
единице, т. е. |
|
[ Л , П ^ ] [ Л 1] = 1 . |
|
|
|
достигать |
|
При |
выполнении этого условия отношение будет |
||||
максимума тогда, |
когда [Л]] — собственный |
вектор |
матрицы |
||
№ '[ я ] |
соответствует наибольшему |
собственному |
значению. |
Можно найти второе множество линейных весов [Л2]. которые язляются элементам:: собственного вектора, <оотастст:>ующего второму по величине собственному значению. Аналои.4.1 > мож но найти третье множество весов, четвертое и т. д. Таким обра зом мы вычислим последовательность дискриминантных функ ций, которые дают разделение на заранее заданные группы на столько хорошо, насколько это возможно. В силу природы соб ственных векторов они ортогональны друг другу, и каждый следующий является вектором, дающим наилучшее разделение. Можно вычислить дискриминантную функцию для каждого по ложительного собственного значения. В общем случае число положительных собственных значений будет равно наименьше му из чисел g— 1 или р. К сожалению, матрица, полученная по формуле [ 1Е]- 1[В], не является симметричной, н поэтому ее соб ственные векторы находятся нелегко. В некоторых программах дискриминантного анализа собственные векторы находятся ите рационными методами, основанными на процессе, называемом разложением на особые значения [7]. Другие программы сна чала преобразовывают матрицу в симметричную форму, а затем находится множество собственных векторов, которое в свою очередь преобразуется в требуемое множество. Этот метод опи сан в [19], критические шаги пояснены в [47].
Наблюдения, используемые в вычислении дискриминантной функции, можно спроектировать на пространство, определенное дискриминантными осями. Это делается с помощью матричного
умножения |
|
|
|
2=[А]' [Х], |
(6.110) |
где [X] — исходная |
матрица данных порядка |
Nx p \ [Л]— мат |
рица порядка p x t , |
столбцы которой состоят |
из t собственных |
354
векторов, соответствующих наибольшим собственным значени ям, которые используются в дискриминантных функциях. Цент роиды g групп можно спроектировать на дискриминантное про странство по формуле
l Z] = [ A ] ' [ X k], |
(6.111) |
где матрица [X*] имеет порядок g X p и состоит из средних всех переменных для каждой группы. Ограничим свое внимание на парах дискриминантных функций (обычно это первая и вторая) п нанесем наблюдения и центроиды групп на диаграмму рас сеяния. Обычно предварительно данные шкалируются. В неко торых программах производится стадартизация, а из каждого наблюдения вычитается общее среднее и результат делится на стандартное отклонение, вычисленное по всему множеству дан ных. В других программах деление производится на объединен ные внутригрупповые стандартные отклонения. Мараскилло и Левин [46] дают поучительное сравнение различных подходов.
Очевидно, наблюдение неизвестного происхождения можно спроектировать на дискриминантное пространство, просто ум ножая его слева на транспозицию матрицы [Л]. Групповая при надлежность нового наблюдения становится очевидной из его положения на диаграмме рассеяния, однако так же можно вы числить меру ее расстояния до центроида каждой группы. Но вое наблюдение классифицируется как принадлежность к бли жайшей группе.
Вычислить обобщенные расстояния от нового наблюдения до
каждого из_групповых центроидов можно, определив |
все раз |
|
ности (х,—йб/.д.), которые удобно расположить |
в виде |
матрицы |
О порядка gXp. Тогда |
|
|
m = [U]'[A][A]'[U]. |
|
(6.112) |
Это даст нам обобщенные расстояния от нового наблюдения до каждой из g групп, измеренные в Гмерном дискриминантном пространстве. С другой стороны, можно вычислить
[D2] = [UY[W]~l[U], |
(6.113) |
что дает обобщенные расстояния от нового наблюдения до цент роидов каждой группы, измеренные в исходном р-мерном про странстве. Объяснение этого и других используемых определе ний сходства между наблюдением и центроидами различных групп приводится в [19], где также дается метод построения доверительных областей относительно центроидов.
Дискриминантные функции — удобный метод определения групп, если несколько групп, предполагаемые различными, ока
23* |
355 |
зываются действительно различными. Рассмотрим одно прило жение такого типа.
Когда осадочные породы формируются в морских условиях, в них остается морская вода. Химический состав этой реликто вой воды в последующем изменяется благодаря ионному обме ну и другим реакциям, смешиванию с другими морскими вода ми и разбавлению за счет просачивания поверхностных ве^. Тем не менее, реликтовые воды, полученные при канатном бу рении, могут иметь составные характеристики, которые дают ключ к происхождению или фациальным условиям формирова ния содержащих их пород.
Табл. 6.43 содержит анализы солености в виде характерис тик (ЕРМ), являющихся эквивалентом частям на миллион для вод нефтяных полей из трех карбонатных толщ в Техасе и Опла
та б л и ц а 6.43
Химические анализы проб соленой воды, взятых из скважин в трех типах карбонатных отложений в Техасе и Оклахоме [54]
Номер |
Н С О з |
so4 |
C I |
|
Mg |
пробы |
С а |
||||
|
|
|
|
|
N a
Г р у п п а 1 — Д ( ) л о м и т ы Э л л е н б у р ю е ра |
857,7 |
|||||
1 |
10,4 |
30,0 |
967,1 |
95,9 |
53,7 |
|
2 |
6,2 |
29,6 |
1174,9 |
111,7 |
43,9 |
1054,7 |
3 |
2,1 |
11,4 |
2387,1 |
348,3 |
119,3 |
1932,4 |
4 |
8,5 |
22,5 |
2186,1 |
339,6 |
73,6 |
1803,4 |
5 |
6,7 |
32,8 |
2015,5 |
287,6 |
75,1 |
1691,8 |
6 |
3,8 |
18,9 |
2175,8 |
340,4 |
63,8 |
1793,9 |
7 |
1,5 |
16,5 |
2367,0 |
412,0 |
95,8 |
1872,5 |
X |
5,6 |
23,1 |
1896,2 |
276,5 |
75,0 |
1572,3 |
8 |
Г р у п п а 2 — Д О Л О М И Т ы Г р е й б у р г а |
|
||||
25,6 |
0 |
134,7 |
12,7 |
7,1 |
134,7 |
|
9 |
12,0 |
104,6 |
3163,8 |
95,6 |
90,1 |
3093,9 |
10 |
9,0 |
104,6 |
1342,6 |
104,9 |
160,2 |
1190,1 |
11 |
S3,7 |
103,3 |
2151,6 |
103,7 |
70,0 |
2054,6 |
12 |
16,6 |
92,3 |
905,1 |
91,5 |
50,9 |
871,4 |
13 |
14,1 |
80,1 |
554,8 |
118,9 |
62,3 |
472,4 |
X |
15,2 |
80,7 |
1375,4 |
87,9 |
73,4 |
1302,9 |
|
Тр у п п а 3 -—и з в е с т и я к и В и о л а |
|
|
|||
14 |
1,3 |
10,4 |
3399,5 |
532,3 |
235,6 |
2642,5 |
15 |
3,6 |
5,2 |
974,5 |
147,5 |
69,0 |
768,1 |
16 |
0,8 |
9,8 |
1430,2 |
295,7 |
118,4 |
1027,1 |
17 |
1,8 |
25,6 |
183,2 |
35,4 |
13,5 |
161,5 |
18 |
8,8 |
3,4 |
289,9 |
32,8 |
22,4 |
225,2 |
19 |
6,3 |
16,7 |
360,9 |
41,9 |
24,0 |
318,1 |
X |
3,8 |
11,9 |
1106,4 |
180,9 |
80,5 |
857,1 |
X |
8,0 |
37,7 |
1482,3 |
186,8 |
76,2 |
1261,4 |
356
![](/html/65386/197/html_Di4VyyWojR.1VUy/htmlconvd-Vf6om7356x1.jpg)
ы |
О — |
i |
i— |
|
|
|
|
|
|
|
|
|
|
|
- |
|
* 6 |
|
|
|
|
|
|
|
|
- |
|
? |
2 |
|
|
* 4 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|||||
zf |
|
* 7 |
|
* 5 |
|
|
|
|
|
|
|
||
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
■yt |
Л |
|
|
|
|
|
|
|
|
|
.3 |
• 12 |
|
в- |
|
*3 |
|
|
|
|
|
|
• 13 |
|
|||
Я |
и |
|
|
|
|
|
|
|
|
||||
л |
|
|
* |
|
*1 |
|
|
|
•8 |
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
||
к |
|
□16 |
|
0)4 |
|
|
|
|
|
|
|
||
X |
|
• |
|
|
|
|
|
|
|
|
|
||
2-1 |
°,а |
а]9 |
|
|
|
|
|
|
|
* 1 |
~ |
||
г |
|
17 15 |
|
|
|
|
|
|
|
|
|
• 2 |
|
|
|
|
а18 |
|
|
|
|
|
|
|
03 |
|
|
%-9 |
|
|
|
|
|
|
|
|
|
- |
|||
0- |
L |
|
|
|
|
|
|
|
|
|
|
• 4 |
|
V |
|
|
|
|
|
|
|
|
|
|
|
. |
|
о |
|
____1____ 1 |
1 |
1 |
|
1 |
, |
, |
*-3, |
|
|||
s -г |
1 |
|
|||||||||||
|
|
-3 -2 |
1 0 |
г |
3 4 |
5 |
6 7 |
||||||
|
|
Д ис к р и м и н а н т н а я ф у н к ц и я I |
|
|
|
|
|
||||||
Рис. 6.51. Представление нагрузок на дискриминантные функции I и II: |
|||||||||||||
1 — ..ол ом и ты |
Эленбургера; |
2 — доломиты |
Грейбурга; |
3 — известняк Виола; |
|||||||||
|
|
|
4 — центроиды групп. 1—19 — номера проб |
|
|
коме. Пробы брались из разных нефтеносных подразделении. Для определения того, различны ли эти данные, к ним был применен дискриминантный анализ. Если они различны, то это заводит на мысль, что анализы солености дают информацию о природе их первоначальных фаций, так как все три исходные породы имеют приблизительно одни и те же литологические
арактеристики и, соответственно, сходные истории формироання.
Так как имеется три группы, то требуется вычислить только ■.вс дискриминантные функции и найти только два положитель ных собственных значения. Первое из них Ау = 13,29 составляет ■лЗ,6% межгрупповой дисперсии, второе А,2= 0,902 дает остальные 0.4%. На рис. 6.51 представлены две оси дискриминантных функций с метками дискриминанта и центроидами трех пред ставленных групп. Метки могут быть стандартизованы так, что бы их общее среднее равнялось нулю и стандартные отклонения комбинированных данных разнялись нулю.
Первая дискриминантная функция явно отделяет реликто вую воду из доломитов Грейбурга (группа 2) от воды, взятой дз доломитов Элленбургера (группа 1) и известняков Виола (группа 3). Различия по второй дискриминантной функции ус танавливаются менее явно из-за перекрытий групп 1 и 2 и пере крытий групп 2 и 3. Однако рассматриваемые вместе две дис криминантных функции полностью разделяют три группы. Это обнадеживающее заключение наводит на мысль, что пробы ре ликтовой воды из формаций, имеющих сходные литологические свойства, могут иметь одинаковые относительно однородные характеристики.
357
КАНОНИЧЕСКАЯ КОРРЕЛЯЦИЯ
Мы снова обратимся к многомерным методам, которые име ют ту же вычислительную основу, что и факторный анализ, однако яо используемым понятиям и методам они тесно связа ны с множественной регрессией. Вспомним, что (множественная регрессия имеет дело с установлением связей между единствен ной зависимой переменной У и множеством предсказывающих переменных Хь X2, . . . . Обобщение этого метода состоит в установлении связей между множеством переменных У и другим множеством переменных X, измеренных на одних и тех же объ ектах. Эти соотношения определяются с помощью линейных комбинаций переменных X и У, которые дают наивысшую кор реляцию между этими двумя множествами.
Такие корреляции называются каноническими корреляция ми, а линейные комбинации называются каноническими пере менными. В самом деле, превратим множество переменных X
вединственную новую переменную и множество переменных У
вдругую единственную новую переменную и затем вычислим корреляцию между этими новыми переменными. Процесс этого
превращения линеен, т. е. исходные переменные взвешиваются и складываются вместе, в результате получается каноническая переменная. Применение канонической корреляции может вклю чать определение соотношения между наборами геохимических и петрографических переменных или множеством петрографи ческих откликов каротажа .скважин и свойств формации, изме ренных на образцах керна, взятых из тех же скважин.
Так как все переменные измерены в одних и тех же пробах,
то наблюдения образуют матрицу, |
У |
размерность |
которой |
||
riX(p + q), где р — число переменных |
и q — число |
перемен |
|||
ных X. (Для удобства |
вычислений меньший из этих |
наборов |
|||
переменных называем |
У, p ^ q . ) |
Матрица дисперсий и ковариа |
|||
ций [S] имеет порядок |
{p + q ) X |
(p + q), |
и |
ее можно считать со |
стоящей из четырех блоков: матрица Syy порядка рХр, содер жащая дисперсии и ковариации переменных У; матрица Sxx порядка qXq, содержащая дисперсии и ковариации переменных X; матрица Sxy порядка p X q (и ее транспозиция S'xy), которая содержит коэффициенты корреляции между переменными X и У, т. е.
[5] =
Хотя матрица [S] расчленяется, она имеет вид нормальной ко вариационной матрицы. Она симметрична относительно диаго нали, на которой стоят дисперсии; внедиагональные элементы являются коэффициентами корреляции.
358
Обозначим подматрицу порядка п х р матрицы данных, со держащую переменные У, через [У], а подматрицу (порядка n x q матрицы данных, содержащую переменные X, через [X]. Мат рицы [У] и [X] можно преобразовать с помощью умножения на произвольные векторы, которые в новых координатах будут линейными комбинациями старых;
[В]'[Х],
где [Л ] — вектор порядка I X / ? , [В] — вектор порядка 1— Дис персии двух множеств преобразованных переменных будут
И Г Р * ,] [А] [fi]'[S„] [В].
Ковариации между преобразованными переменными X и У будут
и г ы т
Цель анализа канонических корреляций состоит в выборе элементов двух векторов [Л] и [В] так, чтобы коэффициенты корреляции достигали максимума при условии равенства дис персий единице, Если с самого начала дисперсии стандартизи руются так, чтобы они равнялись единице, то одновременно стандартизируются и коэффициенты ковариации, становясь ко эффициентами корреляции между переменными. Используя методы теории собственных значений, можно найти векторы А и В, обладающие желаемыми свойствами. Имеется гарантия того, что каноническая корреляция будет больше, чем наиболь шая корреляция между исходными переменными X и любой исходной переменной У, т. е, больше, чем любой элемент мат рицы [Sxj,]. Это объясняется тем, что можно немедленно указать линейную комбинацию, которая будет иметь высокую корреля цию, считая все элементы векторов Л и В равными нулю, ис ключая те, что соответствуют переменным с нанвысшей корре ляцией, которую надо принять равной единице.
Уравнение, которое требуется решить в этом случае, очень напоминает основное уравнение для нахождения собственных значений в анализе главных компонент;
I [Л] - > . [ / ] |
| = [0]. |
(6.114) |
Здесь [Л] — матрица, получаемая |
умножением |
различных бло |
ков расчлененной ковариационной матрицы [S], Матричное ум ножение дает матрицу-произведение [Л], имеющую порядок q X q и представляющую объединенную матрицу дисперсий двух множеств переменных, т. е.
[Л] = [Sjc*] 1[ 5 е д ] 1[S*j,]. |
(6.115) |
359
К сожалению, матрица Л асимметрична, поэтому для нахожде ния ее определителя и решения системы уравнений требуется привлечение трудоемких вычислительных процедур.
Собственное значение X равно квадрату коэффициента кор реляции между двумя каноническими переменными. Так как матрица Л имеет порядок qXq, то существует q различных соб ственных значений, каждое из которых представляет коэффици ент корреляции между различными парами канонических пере менных. Последовательные собственные значения будут умень шаться по величине и каждая пара канонических переменных будет некоррелирована со всеми другими парами канонических переменных.
Вектор В, используемый для преобразования [X] в канони ческие переменные, находится с помощью определения собст венных векторов, соответствующих уже найденным собственным значениям:
( [ Л ] - Я [/])[£ ] = [0]
или
( [Sxx]-* [Sxy]' [Suy]~' [S,„] — Я[/]) [fi] = ГО].
Напомним, что собственные векторы вычисляют, подставляя собственные значения в систему совместных уравнений и затем решая ее. Как только вектор преобразования [В] найден, нахо дим эквивалентное каноническое преобразование У по формуле
И] = Ь?уу]-> [5 ,у][В [/К х.
Конечно, для каждого % имеется соответствующий вектор [А] и вектор [В]. Каждая векторная пара будет преобразованием пары [X] и [У] в канонические переменные; коэффициент кор
реляции между новыми переменными будет равен /' = У>.. Проиллюстрируем метод канонических корреляций, обратив
шись снова к данным по случайным блокам. Данные естествен но попадают в два класса, так как переменные Хь Х2 и Х3 яв ляются основными измерениями блоков, в то время как пере менные от Х4 до Х7 выражаются через них. Первые три переменные можно определить как образующие множество пе ременных У, а последующие четыре— как образующие множе ство переменных X.
В табл. 6.44 приведены стандартная ковариационная (или корреляционная) матрица данных по блокам, расчлененная для канонической корреляции, матрица [Л], для которой требуется найти собственные значения, а также ее собственные значения, канонические корреляции, которые они представляют, и векто ры [А] и [5], соответствующие наибольшей канонической кор реляции. Мы можем использовать вектор [Л] для преобразова-
360
Т а б л и ц а 6.44
Р а зб и е н и е |
м атрицы |
ст а н д а р т н ы х |
д исперси й и |
к овари аци й |
(к о эф ф и ц и ен т о в |
|||||||||
|
к ор ре л я ц и и ) |
д л я |
д а н н ы х по |
бл о к а м |
(а); |
собст в ен н ы е |
значения |
|||||||
и с о о т в е т с т в у ю щ и е |
к анон и ческ ие |
к орреляци и |
( б ) ; п р е о б р а зо в а н и е |
векторов |
||||||||||
с ц ел ь ю |
п ревращ ен и я |
перем ен н ы х |
по бл ок ам |
|
в к анон и ческ ие |
п ерем ен н ы е |
||||||||
для |
т р ех |
н ен ул ев ы х |
к анон и ческ их |
корреляци й |
( е ) ; в ек тор а |
[/!] |
и сп ол ь зую т ся |
|||||||
д л я п р е о б р а зо в а н и я п ер ем ен н ы х |
|
Х \ — Х 3 |
к к а н о н и ч еск о м у |
в и д у ; |
векторы |
|||||||||
|
[В ] — |
для |
п р е о б р а зо в а н и я п ер ем ен н ы х |
Х л — Х 7 к к ан о н и ч еск о м у |
в и д у |
|||||||||
( а ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- |
1 ,0 0 0 0 |
0 ,5 8 0 2 |
0 ,2 0 1 1 |
|
0 ,9 1 1 2 |
|
0 ,2 8 3 3 |
0 ,2 8 6 5 - 0 , 5 3 3 1 " |
||||||
|
0 ,5 8 0 2 |
1 ,0 0 0 0 |
0 ,3 6 3 7 |
|
0 ,8 3 3 7 |
|
0 ,1 6 5 8 |
0 ,2 6 1 0 - 0 , 6 0 8 7 |
||||||
|
0 ,2 0 1 1 |
0 ,3 6 3 7 |
1 ,0 0 0 0 |
|
0 ,4 3 8 5 - 0 , 7 0 4 1 -- 0 , 6 8 0 5 - 0 , 6 4 8 8 |
|||||||||
|
0 ,9 1 1 2 |
0 ,8 3 3 7 |
0 ,4 3 8 5 |
|
1 ,0 0 0 0 |
|
0 ,1 6 3 0 |
0 ,2 0 2 2 - 0 , 6 7 5 5 |
||||||
|
0 ,2 8 3 3 |
0 ,1 6 5 8 |
— 0 ,7 0 4 1 |
|
0 ,1 6 3 0 |
|
1 ,0 0 0 0 |
0 ,9 9 0 2 |
0 ,4 2 7 2 |
|||||
|
0 ,2 8 6 5 |
0 . 2 6 1 0 |
— 0 ,6 8 0 5 |
|
0 ,2 0 2 2 |
|
0 ,9 9 0 2 |
1 ,0 0 0 0 |
0 ,3 5 7 1 |
|||||
_ — 0 ,5 3 3 1 |
- 0 , 6 0 8 7 |
— 0 ,6 4 8 8 |
|
— 0 ,6 7 5 5 |
|
0 ,4 2 7 2 |
0 ,3 5 7 1 |
1 ,0 0 0 0 |
( б ) |
|
Л, = 0,9 9 9 9 |
г, = 1,00 |
0 .8485 |
/ 2= 0 , 9 2 |
Я3= 0 , 6 5 3 8 |
/ - 3 = 0 , 8 1 |
>14=0,0000 |
/-4=0,00 |
|
|
|
|
|
|
|
|
( е ) |
|
|
|
|
|
П ер в ая канон и ческ ая |
|
В т о р а я к анон и ческ ая |
Третья канон и ческ ая |
||||||||
|
к ор рел я ц и я |
|
|
|
к ор рел я ц и я |
к ор реляци я |
||||||
Век-гор |
[Л] |
В ек тор |
[31 |
В ек т ор |
[Л] В е к т ор [В ] |
З е к г о р [ 4 ] |
В ек т ор [В] |
|||||
Г 0 |
. 0 4 5 3 |
1 |
0 |
,6 4 5 3 |
|
' — 0 |
,0 5 9 4 |
— 0 ,0 4 1 5 |
' 0,0956 |
— 0 |
,0 3 2 1 |
|
I 0 |
. 2 9 4 5 |
|
— 0 |
,5731 |
|
0 |
,1 4 3 8 |
— 0 |
,6 3 5 1 |
— 0 . 0 7 2 3 |
0 |
,7 4 6 8 |
L 0 |
3 3 5 9 |
|
0 |
. 5 0 2 7 |
|
— 0 |
,1 5 5 9 |
0 |
,7 7 1 2 |
— О,0404 |
— 0 |
,0 5 9 3 |
|
|
|
0 ,0 4 9 4 |
|
|
|
0 . 0 1 3 7 |
|
— 0 . 0 8 2 6 |
|||
имя переменных |
У в метки |
канонических переменных и вектор |
[В\ для преобразования переменных X в другое множество ме ток или канонических переменных. На рис. 6.52 указана диа грамма первой пары канонических переменных для данных по блокам. Совершенно очевидно, что имеется явно выпаженная линейная связь между двумя множествами, представленными в канонической форме. Рис. 6.53 есть аналог той же диаграммы для второй пары канонических переменных. Диаграмма указы вает на очень сильную корреляцию, даже несмотря на ю, что преобразование совсем другое.
Комментарии, сделанные в разделе о главных компонентах относительно «чтения» нагрузок на компоненты, в равной степе ни справедливы и для канонического преобразования. Векторы [А] и [В] являются весами, используемыми для преобразования исходных переменных У и X в канонические переменные. При некоторых обстоятельствах можно указать физические значения комбинации весов частного вида. Канонические переменные можно трактовать по аналогии с факторами. Однако нет уве
361