Добавил:

Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Воронежский государственный университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Кластерный анализ

.pdf

Скачиваний:

Добавлен:

21.05.2015

Размер:

593.73 Кб

Скачать

☆

<<< < Предыдущая 1 23 / 43 4 > Следующая >>>

за кон ы ра спред ел ен ия вероят н ост и 1 ( ) 2 ( ),K, fm,(xf ). xВ раf мxка х ста тист ического под ход а , испол ь зу ем ого д л я реш ен ия этой за д а чи, реком ен д у ется н еизвест н ые вел ичин ы за м ен ить соответству ющ им и оцен ка м и, пол у чен н ым и н а ба зе обу ча ющ ихвыборок.

О цен ки а приорн ых вероят н остей π j ( j = 1, 2, K , m ) пол у ча ют сл е-

д у ющ им обра зом . П ол а га ют,

что объед ин ен ие всех обу ча ющ их совоку пн о-

ст ей обра зу ет выборку

объем а

1 +

2 + L + nm из генnераn лnь н ой сово-

ку пн ост и с за кон ом ра спред ел ен ия вероятн остей (3.10). Т огд а

оцен ка

пол у -

ча ется ка к ча стн ое от д ел ен ия объем а

j -ой обу ча ющ ей выборки nj н а

πˆ =

(3.12)

В н екот орых ситу а циях вел ичин ы π j

опред ел яются а приори сод ерж

а тел ь -

н ым см ысл ом реша ем ой за д а чи ил и эксперта м и.

ди скри ми н ан тн ой

В вед ем

пон ятие

д искрим ин а н тн ой

ф у н кции.

П од

фун кци ей

бу д ем пон им а т ь реша ющ ее пра вил о, с помощ ь ю которого объект

н еизвест н ой прин а д л еж

н ости отн осится к од н ом у

из кл а ссов,

описыва ем ых

соответству ющ им за кон ом

ра спред ел ен ия вероятн ост ей.

Д искрим ин а н тн а я

ф у н кция игра ет ва ж н у ю рол ь

в па ра м етрическом

д искрим ин а н т н ом а н а л и-

зе. Н иж е

ра ссм а трива ется

схем а

построен ия ли н ей н ой

ди скри ми н ан тн ой

фун кци и . Э та

схем а реа л изу ется в том

сл у ча е, когд а ка ж

д ый кл а сс ид ен ти-

ф ициру ется ген ера л ь н ой совоку пн ость ю с н ормальн ы м

за кон ом

ра спред е-

л ен ия. Ф а кт ически, в ра ссм а трива ем ой сит у а ции в ка чест ве ф у н кций

f j (x)

испол ь зу ются р -м ерн ые н орм а л ь н ые пл отн ост и

ϕ x x j

Σ) =,

−1

− x j )x′ −Σ (x(− x )

(

(3.13)

2π

гд е x =

K x

)x– вектор,x ,( -строка,

сред н ихзн а чен ий j -го кл а сса ;

Σ–кова риа цион н а я м а трица од ин а кова я д л я всехкл а ссов.

Т а ким обра зом , ра ссм а трива ем ый сл у ча й в

точн ост и

соответ ству ет

сл у ча ю па ра м етрической д искрим ин а ции.

З а кон

ра спред ел ен ия

вероят н о-

ст ей од н ого

кл а сса отл ича ется

от за кон а

ра спред ел ен ия д ру гого кл а сса

тол ь ко па ра м етра м и (сред н им и зн а чен иям и)

Ч тобы воспол ь зова ть ся критерием (3.11), н еобход им о н еизвестн ые па - ра м етры x j и Σ за м ен ить оцен ка м и, которые л егко опред ел яются по д а н -

н ым обу ча ющ ей выборки с пом ощ ь ю м етод а м а ксим а л ь н ого пра вд опод о- бия. В сл у ча е н орм а л ь н ого ра спред ел ен ия эт и оцен ки вычисл яют ся по ф ор- м у л а м

ˆ k	=	1	nk	k )	(	( )
x j			å xij		,		(3.14)
x j		nk	å xij		,		(3.14)
		nk	i=1

σˆ =

m nk

− j

)( il

− xjl

) .xx

(3.15)

åå(

) (

( )

ˆ k

ˆ k ) (

n − m k=1 i=1

К а к тол ь ко пол у чен ы оцен ки, их под ста вл яют вм есто н еизвест н ых па -

и строят реша ющ ее пра -

ра м етров в соответ ст ву ющ ие ф у н кции ϕ(x, x j , S)

вил о. О собен н о просто это пра вил о выгл яд ит в сл у ча е, когд а ра спозн а ются тол ь ко д ва кл а сса , т.е. k = 2 . Д л я этого сл у ча я пра вил о (3.11) м ож ет быт ь за писа н о в сл ед у ющ ей эквива л ен тн ой ф орм е:

ϕ(x, xˆ1, Sˆ ) ³ πˆ2 ϕ(x, xˆ2 , Sˆ) πˆ1

ил и посл е л ога риф м ирова н ия

ln ϕ(x, xˆ1, Sˆˆ) = ln πˆ2 . ϕ(x, xˆ2 , S) πˆ1

У читыва я, что ϕ явл яется ф у н кцией н орм а л ь н ой пл отн ост и,

(3.16)

(3.17)

т.е. им еет вид

(3.13), пол у чен н ое соот н ошен ие м ож

н о за писа т ь в сл ед у ющ ем вид е:

(

ˆ−1

(

ˆ−1

(

ˆ T

³ ln

πˆ2

x-.

x(3.18)S

-x x + x x-

1 )

2 )

x2 ) x

πˆ1

П ред пол а га я

д а л ее,

что

а приорн ые

вероятн ости

ра вн ы

м еж д у

собой,

т.е.π1 = π 2 =

05,, и, провед я соответству ющ ее преобра зова н ие посл ед н его

выра ж ен ия, окон ча тел ь н о пол у ча ем реша ющ ее пра вил о

[

(

−1

(

x³ 0, x-x

x-S(3.19) +

x)])

в соответ ст вии с которым н а бл юд ен ие x j

сл ед у ет от н ести к первом у кл а с-

су , есл и н ера вен ст во

выпол н яется,

ко

втором у

– в

прот ивн ом

сл у ча е.

См ысл пол у чен н ого

реша ющ его пра вил а

ста н овит ся пон ятн ым , есл и его

прим ен ить д л я

кл а ссиф ика ции

од н ом ерн ых н орм а л ь н ых н а бл юд ен ий.

этом сл у ча е реш ен ие обот н есен ии объекта н еизвест н ой прин а д л еж

н ост и к

од н ом у изд ву хкл а ссов прин им а ется н а осн ове зн а ка произвед ен ия

[

(

1 +xx2

x (3.20)

]( )2/- x2 ) . x-1

Д ейст вит ел ь н о,

есл и пол ож

ить

ра спол ож

ен н ым бл иж

< x2 , то при x j

к x1 произвед ен ие пол ож ит ел ь н о, в прот ивн ом сл у ча е от рица тел ь н о.

Из реш а ющ его пра вил а

(3.19)

м ож

н о пол у чить ф орм у л у

д л я

ра счета

коэф ф ициен т ов д искрим ин а н тн ой ф у н кции

−1

(3.21)

( a1

- x2 ) =xS

и прим ен ять

д л я прин ятия

решен ия

н е ф орм у л у , а

пол у чен н у ю л ин ейн у ю

ф у н кцию с коэф ф ициен та м и

aˆ .

3.2. Реш ени е ти по во й задачи

З адание 3.2.1. Вл а д ел ь ца м ком па н ии ОА О «Спектр»прин а д л еж ит сет ь су перм а ркетов, орга н изова н н ых по прин ципу «П ят ерочки», «М а гн ита », «П ерекрестка »и д ру гих извест н ых отечест вен н ым потребител ям су перм а р- кетов. В 200х г. эта ком па н ия осу щ ест вл ял а торгову ю д еятел ь н ость н а террит ории 12 регион ов Ц ен тра л ь н ого Ф ед ера л ь н ого окру га РФ . В стра т е- гические пл а н ы ком па н ии сл ед у ющ его год а вход ит ра сш ирен ие сети су - перм а ркетов за счет освоен ия н овыхрын ков сбыт а в д ру гихрегион а х. С це- л ь ю провед ен ия иссл ед ова н ия по выбору перспект ивн ых регион ов д л я реа - л иза ции ин вест ицион н ых проектов вл а д ел ь цы О А О «Спектр» пору чил и а н а л ит ика м своей ком па н ии ид ен тиф ицирова ть н а ибол ее зн а чим ые д л я ре-

ша ем ой за д а чи пока за тел и, ха ра кт еризу ющ ие			социа л ь н о-экон ом ическое
ра звитие регион ов. Т а ким и пока за тел ям и ока за л ись : 1) общ ий объем				роз-
н ичн ого това рооборота и пл а тн ых у сл у г н а		д у шу	н а сел ен ия (т ыс. ру б.),	х1 ;
2)	объем ин вест иций в осн овн ой ка пита л н а	д у шу	н а сел ен ия (т ыс. ру б.), х 2 ;
3)	коэф ф ициен т пл отн ост и а втом обил ь н ых д орог, х3 ; 4) соотн ошен ие

сред н ед у ш евыхд оход ов и сред н ед у шевого прож иточн ого м ин им у м а , х 4 .

		П рин им а я во вн им а н ие тот ф а кт, что в н екоторых регион а хЦ Ф О ком -
па н ия О А О «Спект р» им ел а			пол ож	ител ь н ый (д ол говрем ен н ое пол у чен ие
прибыл и) ил и н ега т ивн ый (терпел а				у быт ки) опыт своей д еят ел ь н ости, эти
регион ы был и ра зд ел ен ы, соответ ст вен н о, н а					д ве гру ппы. В резу л ь та те бы-
л а	сф орм ирова н а т а бл . 3.2.1.						Табли ца 3.2.1
		П ок а зат е ли, харак т е ризую щ ие урове нь					Табли ца 3.2.1
		П ок а зат е ли, харак т е ризую щ ие урове нь
		социально-эк ономиче ск ого ра звит			ия ре гионовв200Xг.

№		Регион	х1		х 2	х3	х 4
		Группа реги он ов, в которы х деятельн остьО А О «Спектр» бы ла успешн ой
1.		Бел город ска я обл а сть	28,94		8,64	32,06	2,29
2.		Ворон еж ска я обл а сть	31,59		3,96	25,56	2,16
3.		Л ипецка я обл а сть	23,63		6,33	30,05	1,79
4.		М осковска я обл а сть	23,62		8,22	29,69	1,62
5.		Орл овска я обл а сть	21,43		5,78	27,57	1,59
6.		Т у л ь ска я обл а сть	17,62		4,62	24,62	1,57
7.		г. М осква	86,02		20,37	61,69	5,09
		Группа реги он ов, в которы х деятельн остьО А О «Спектр»				н е бы ла успешн ой
1.		Брян ска я обл а сть	17,97		2,45	28,41	1,41
2.		Вл а д им ирска я обл а сть	14,07		3,94	25,86	1,22
3.		Ива н овска я обл а сть	11,33		2,06	21,73	0,84
4.		К у рска я обл а сть	15,93		4,76	31,05	1,31
5.		Т а м бовска я обл а сть	20,18		2,8	25,92	1,53

П ока за тел и, ха ра ктеризу ющ ие у ровен ь социа л ь н о-экон ом ического ра з- вит ия оста вшихся су бъектов Ц ен тра л ь н ого ф ед ера л ь н ого окру га (регио-

н ов, н а т ерритории которых О А О «Спектр»пока ещ е н е осу щ ествл ял свою д еятел ь н ост ь , н о которые вход ят в кру г его ком м ерческих ин тересов), пред - ст а вл ен ы в та бл. 3.2.2.

									Табли ца 3.2.2
		П ок азат е ли, хара к т		еризую щ ие урове нь развит				ия ре гионов,
от носит ельно к от орых не обходимо принят ь марк ет								инговое	ре ш е ние

	№		Регион		х1	х 2		х3	х 4
	1.		К а л у ж ска я обл а сть		17,74	5,97	28,17		1,29
	2.		К остром ска я обл а сть		14,88	6,28	25,78		1,32
	3.		Ряза н ска я обл а сть		16,27	7,80	29,91		1,32
	4.		См ол ен ска я обл а сть		23,16	8,20	37,83		1,62
	5.		Т верска я обл а сть		15,39	6,82	41,28		1,11
	6.		Я росл а вска я обл а сть		19,28	9,68	27,79		1,82

Ф а ктически			за д а ча состоит в	пол у чен ии			прогн озн ых оцен ок в н ом и-
н а л ь н ой шка л е,			которые позвол ил и бы без провед ен ия пол н ом а сшта бн ых
пол евых м а ркетин говых иссл ед ова н ий пред ска за ть у спешн ость											д еятел ь н о-
ст и ком па н ии в регион а х, у ка за н н ых в та бл. 3.2.								Реш ите пост а вл ен н у ю за -
д а чу с пом ощ ь ю т а бл ичн ого процессора Excel и па кет а STATISTICA.
3.2.1.1. Решен и е с пом ощью MS Excel
К л а ссический д искрим ин а н т н ый а н а л из потребова л										выпол н ен ия сл е-
д у ющ ихш а гов:
1. Ввод исход н ыхд а н н ыхи оф орм л ен ие ихв вид е м а триц X1 и X2
		æ		29	ö, 2	05 ,	32		64 , 8	94 ,	28
		ç			÷	56 ,	25æ		96 , 3	59 ,	31 41ö, 1
		ç		16 ,÷2		56 ,	25æ		96 , 3	59 ,	31 41ö, 1
		ç		79	÷	05 ,	ç	33 , 6		63 ,	÷
				79	, 1	05 ,	30	33 , 6		63 ,	23 22 , 1
		ç			÷		ç				÷
Х		ç			÷		ç	22 , 8			÷
Х		= ç		62 ,÷1 и		69Х , =29		22 , 8		62 , 23 84 , .0
	1	ç	,57		÷	2	ç	43 ,	21		÷
		ç	,57	59271÷,		78 , 5	ç	43 ,	21		31 ÷, 1
		ç	62 ,		÷	62 , 4	ç	62 ,	17		÷
		ç	62 ,	57241,		62 , 4	è	62 ,	17		53ø, 1
		ç	69 ,		÷	37 , 20		02 , 86
		è	69 ,	61095ø,		37 , 20		02 , 86

2.Ра счет векторов сред н их по ка ж д ой гру ппе и преобра зова н ие пол у - чен н ыхвектор-строк в вектор-стол бцы

æ			264	ö ,	33		æ	825	ö ,	14
ç				÷			ç		÷
		ç	274	÷8,			ç	303	÷3,
	Х 1 = ç		034	÷	и	Х	2 = ç		÷ .	26
ç			034	÷ ,	33		ç	763÷ ,		26
ç				÷			ç		÷
è			301 2,				è	195 1,
è				ø			è		ø
3. О пред ел ен ие оцен ок				кова риа цион н ых м а триц с пом ощ ь ю па кета
«А н а л изд а н н ых»

41 ,	28	45 ,
86 ,	25	94 ,
73 ,	21	06
05 ,	31	76 ,
92 ,	25	8, 2

					æ																					537ö ,					25				112			,	255			100		,	10
					ç																					688			÷	, 5					266		,	61		916		,	26
		SX1			ç																					688			÷	, 5					266		,	61		916		,	26
		SX1	=		ç																								÷	и	13				673			,	142			266		,	61
					ç																					546 ÷				,	13				673			,	142			266		,	61
					ç																					366			÷						546		,	13		688		, 5			53
					è																					366			ø, 1						546		,	13		688		, 5			53
					æ																	692ö , 0								916				, 4		128			, 0	368 9,
					ç																	061			÷	, 0				172				, 2		001			, 1	128 0,
		SX2			ç																	061			÷	, 0				172				, 2		001			, 1	128 0,
		SX2	=		ç																	477			÷ .					561				, 9		172			, 2	916 4,
					ç																	477			÷	, 0				561				, 9		172			, 2	916 4,
					ç																	055			÷	, 0				477				, 0		061			, 0	692 0,
					è																	055			ø	, 0				477				, 0		061			, 0	692 0,
4.	Ра счет н есм ещ ен н ыхоцен ок су м м а рн ой кова риа цион н ой м а трицы
																æ																			222ö ,				18	037			,	181
		1		(7 S										)		ç																			012		÷	, 4		972	,	43			34
	ˆ =	1														ç																			012		÷	, 4		972	,	43			34
										+ 5S		x			= S																						÷	.
										+ 5S					= S																							.
		+ -	72		5		x	1					2			ç																			721			, 9		652	,		104
		+ -	72		5			1					2			ç																			721		÷	, 9		652	,		104
																ç																			984		÷	, 0		721	, 9			012
																è																			984		ø	, 0		721	, 9			012
5.	Н а хож	д ен ие м а трицы, обра т н ой к су м м а рн ой кова риа цион н ой м а т-
	рице														-												-		861ö , 3								005		, 0	061			, 0
								æ							-												-		861ö , 3								005		, 0	061			, 0
								ç		-												-							196		÷	, 2				630			, 0		266		, 1		0
			ˆ−1					ç		-												-							196		÷	, 2				630			, 0		266		, 1		0
			S				= ç								-												-		802		÷ .					433			, 0	630			, 0
								ç							-												-		802		÷	, 1				433			, 0	630			, 0
								ç		-												-							374		÷	,		81			802 , 1				196			, 2
								è		-												-							374		ø	,		81			802 , 1				196			, 2
6.	О пред ел ен ие векторов оцен ок коэф ф ициен тов д искрим ин а ции
																						æ	-		502ö0,
																						ç					÷
																						ç		644			÷3,
									а		ˆ−1 (					1			XS= )			=X	-	-				.
																1	2					ç	-		316		÷2,
																						ç					÷
																						ç		453			÷	,	19
																						è		453			ø	,	19
7.	Вычисл ен ие зн а чен ий д искрим ин а н тн ых ф у н кций д л я ка ж																																					д ого н а -
	бл юд ен ия выборочн ыхсовоку пн остей
								æ -				058 ö ,					15
								ç	-			786			÷	,	20									æ-				889ö ,					39
								ç	-			786			÷	,	20									æ-				889ö ,					39
								ç	-			379			÷	,	25									ç	-			099			÷	,	30
								ç	-			379			÷	,	25									ç	-			099			÷	,	30
		ˆ =						ç	-						÷							=				ç				019			÷	.,	33
		ˆ =	u a =Xç						-			790÷ , и20 ˆ									2	=	u a =X-							019			÷	.,	33
		1	1					ç							÷						2			2		ç							÷
								ç	-			224			÷	,	24									ç-				407÷ ,					38
								ç	-			224			÷	,	24									ç-				407÷ ,					38
								ç	-			074			÷	,	20									ç	-			742			÷	,	31
								ç	-			074			÷	,	20									è	-			742			ø	,	31
								ç		-		950			÷	,	17
								è		-		950			ø	,	17
8.	Н а хож	д ен ие сред н их д л я														пол у чен н ых зн а чен ий д искрим ин а н т н ых
	ф у н кций											609 и,												631. ,
								= -												= -								34
						uˆ		= -										uˆ		= -								34
							1										20
9.	П ол у чен ие кон ст а н т ы																							620.
			с =				−					−									= −			620.				,	27					2/ )		631			, 34		609		,(	20

10.Ид ен тиф ика ция ка ж д ого из регион ов, д а н н ые по которым пред ста в- л ен ы в та бл. 3.2.2

			Табли ца 3.3.3
	Ре зульт ат ы диск римина нт ного а нализа

		ˆ3 = u3a	Вывод о
№	Регион	ˆ3 = u3a	X прин а д л еж н ости
			регион ов к гру ппе

1.	К а л у ж ска я обл а сть	-28,604	2-я гру ппа
2.	К остром ска я обл а сть	-19,948	1-я гру ппа
3.	Ряза н ска я обл а сть	-24,674	1-я гру ппа
4.	См ол ен ска я обл а сть	-39,487	2-я гру ппа
5.	Т верска я обл а сть	-58,016	2-я гру ппа
6.	Я росл а вска я обл а сть	-5,197	1-я гру ппа

Резу л ь т а ты ид ен тиф ика ции (см . та бл. 3.2.3) пока за л и, что 1-у ю гру ппу соста вл яют регион ы, н а территории которых д еят ел ь н ость ком па н ии ож и- д а ется у спеш н ой (К остром ска я, Ряза н ска я и Я росл а вска я обл а сти), ко 2-ой ж е гру ппе отн осятся м ен ее привл ека тел ь н ые регион ы (К а л у ж ска я, См ол ен - ска я и Т верска я обл а сти).

3.2.2.2. Решен и е с пом ощью STATISTICA

1. Ввест и исход н ые д а н н ые и оф орм ить ихв вид е та бл. 3.2.4, в которой Var 5 озн а ча ет прин а д л еж н ость регион а к опред ел ен н ом у кл а ссу : 0 –код регион ов, в которых д еятел ь н ост ь О А О «Спектр» н е был а у спеш н ой; 1 –в прот ивн ом сл у ча е.

Табли ца 3.2.4

Исходные да нные


№ п.п.	Var1	Var2	Var3	Var4	Var5
1	28,94	8,64	32,06	2,29	1
2	31,59	3,96	25,56	2,16	1
3	23,63	6,33	30,05	1,79	1
4	23,62	8,22	29,69	1,62	1
5	21,43	5,78	27,57	1,59	1
6	17,62	4,62	24,62	1,57	1
7	86,02	20,37	61,69	5,09	1
8	17,97	2,45	28,41	1,41	0
9	14,07	3,94	25,86	1,22	0
10	11,33	2,06	21,73	0,84	0
11	15,93	4,76	31,05	1,31	0
12	20,18	2,8	25,92	1,53	0

2. О ткрыть м ен ю «С тати сти к а» (Statistics), в н ем выбра ть «М но го -

мерны е и сследо вательск и е мето ды » (Multidimensional research methods), д а л ее –«Д и ск ри ми нантны й анали з»(Discrimanant analysis).

3. В открывшем ся окн е выбра ть в ка чест ве н еза висим ых (independent) перем ен н ых Var 1 –Var 4, а в ка честве гру ппиру ющ ей (grouping) –Var 5,

у ста н овив д л я н ее код ы (codes for grouping variable): 1 и 0. Щ ел кн ит е по кн опке «О К ». В резу л ь та те откроет ся окн о с резу л ь та т а м и д искрим ин а н т- н ого а н а л иза (см . рис. 3.1).

Ри с. 3.1. О кн о с результатам и ди скри ми н ан тн ого ан али за

В верхн ей ин ф орм а цион н ой ча ст и окн а сод ерж а т ся осн овн ые па ра м етры вычисл ител ь н ой процед у ры: числ о перем ен н ых в м од ел и (4); зн а чен ия л ям бд ы У ил кса (0,203870); прибл иж ен н ое зн а чен ие ста тистики F-критерия, соответству ющ ее л ям бд е У ил кса (F(4, 7)=6,833861) и ра ссчита н н ый д л я н е- го у ровен ь зн а чим ости (р< 0,0145). П ол у чен н ые резу л ь т а т ы свид етел ь ству ют о д оста точн о высоком ка честве д искрим ин а ции.

3. Щ ел кн у ть по опции «П еременны е мо дели » (Summary: Variables in

the model). В резу л ь та те появится т а бл ица					(см . та бл . 3.2.5), сод ерж а щ а я ст а -
тистику д л я перем ен н ых, прису тству ющ ихв м од ел и.							Табли ца 3.2.5
							Табли ца 3.2.5
	Ит огова я т		аблица ана лиза диск риминант			ных ф унк ций

		Discriminant Function Analysis Summary
		No. of vars in model: 4; Grouping: Var5 (2 grps)
	N=12	Wilks' Lambda: ,20387 approx. F (4,7)=6,8339 p< ,0145
	N=12	Wilks'	Partial	F-remove	p-level	Toler.	1-Toler.
		Lambda	Lambda	(1, 7)	p-level	Toler.	(R-sqr.)
		Lambda	Lambda	(1, 7)			(R-sqr.)
	Var1	0,217682	0,936553	0,47422	0,513223	0,013331	0,986669
	Var2	0,513691	0,396875	10,63781	0,013834	0,040830	0,959170
	Var3	0,600091	0,339733	13,60440	0,007773	0,022088	0,977912
	Var4	0,258887	0,787491	1,88899	0,211701	0,012490	0,987510

Ста тистика ля мбда У и лк са (Wilks' Lambda), прин им а ющ а я зн а чен ия в д иа па зон е от 0 д о 1, сл у ж ит д л я проверки ка чества д искрим ин а ции. П ричем , чем бл иж е к н у л ю, т ем м ен ь ше вероят н ость ошибочн ого ра зд ел ен ия. З н а че- н ие ст а т ист ики, ра вн ое 1, свид етел ь ству ет о «пл охом »ка чест ве мод ел и.

4. Н а ж а ть н а кн опку «Рассто я ни е меж ду группами » (Distances between groups). В резу л ь та те пол у чите та бл ицу (см . та бл. 3.6), сод ерж а щ у ю у ровн и зн а чим ост и.

Табли ца 3.2.6

Уровнизначимост и


	Var5	p-levels
	Var5	G_1:1		G_2:0
	G_1:1			0,014977
	G_2:0	0,014977

5. В ыбра в опцию «К ано ни ческ и й			анали з» (Perform canonical analysis),

м ож н о был о бы провест и д опол н ит ел ь н ый а н а л из и построит ь гра ф ик ра с- сеян ия ка н он ических зн а чен ий д л я ка н он ических корн ей при у сл овии, есл и бы исход н ые д а н н ые был и ра зд ел ен ы, по кра йн ей м ере, н а три гру ппы, а н е та к ка к, ка к в н а шем сл у ча е (н а д ве).

6. П ерейт и н а вкл а д ку «К ласси ф и к аци я » (Classification). В резу л ь т а т е откроется окн о, пред ста вл ен н ое н а рис. 3.2.

Ри с. 3.2. Вкладка «К ласси фи каци я» окн а с результатами ди скри ми н ан тн ог ан али за

7. Щ ел кн у ть по кн опке «Ф унк ци и к ласси ф и к аци и » (Classification functions). В резу л ь та те появится т а бл ица (см . та бл. 3.7), позвол яющ а я за писа ть кл а ссиф ика цион н ые ф у н кции д л я ка ж д ой гру ппы н а бл юд ен ий сл е- д у ющ им обра зом :

1-а я гру ппа : регион ы, в которых д еятел ь н ост ь О А О «Спектр»был а у с-

пеш н ой:

−

1 −

2 +

3 +х

4847х4х;,

1051

, 5

2-а я гру ппа (регион ы, в которыхд еятел ь н ость О А О «Спектр»н е был а

у спешн ой): −

−

1 −

2 +

3 +

4313х 4. , 0

хх

2968

,х7

Функ циик лассиф ик ации

Табли ца 3.2.7

Classification Functions; grouping: Var5

Variable

G_1:1

G_2:0

р = 0,58333

р = 0,41667

Var1

-1,9294

-1,4458

Var2

-7,3203

-10,9041

Var3

5,1051

7,2968

Var4

17,4847

0,4313

Constant

-42,6044

-69,2246

Ид ен т иф ицирова т ь

с пом ощ ь ю

пол у чен н ых

кл а ссиф ика цион н ых

ф у н кций ка ж д ый из регион ов, д а н н ые по кот орым

пред ста вл ен ы в т а бл .

3.2.2. О ф орм ить резу л ь та ты ра счетов в та бл. 3.2.8.

Табли ца 3.2.8

Иде нт иф ик ация ре гионов,

от

носит е льно к от орых не обходимо принят ь ре ш е ние

К л а ссиф ика цион н ые

Вывод о

зн а чен ия д л я гру пп

№

Регион

прин а д л еж

н ости

1-а я

2-а я

регион ов к гру ппе

гру ппа

К а л у ж

ска я обл а сть

45,8304

46,1368

2-я гру ппа

К остром ска я обл а сть

37,4027

29,4650

1-я гру ппа

Ряза н ска я обл а сть

44,6779

41,0169

1-я гру ппа

См ол ен ска я обл а сть

74,1336

84,6138

2-я гру ппа

Т верска я обл а сть

107,9226

135,8495

2-я гру ппа

Я росл а вска я обл а сть

23,0277

0,9117

1-я гру ппа

Сра вн ен ие та бл. 3.2.3 и та бл. 3.2.8 позвол яют сд ел а ть

вывод о пол н ой

ид ен тичн ост и резу л ь та тов д искрим ин а н тн ого а н а л иза ,

провед ен н ого

с ис-

пол ь зова н ием т а бл ичн ого процессора MS Excel и па кет а STATISTICA.

9. Выбра ть опцию «М атри ца к ласси фи к аци й » (Classification matrix), в

резу л ь т а те появится т а бл . 3.9, в которой сод ерж

ится ин ф орм а ция о кол иче-

ст ве и

процен те корректн о кл а ссиф ицирова н н ых н а бл юд ен ий в ка ж д ой

гру ппе.

н а кн опку «К ласси ф и к аци я наблю дени й »

10.

а ж а т ь

(Classification

of cases). П осл е этого появятся резу л ь т а ты кл а ссиф ика ции ка ж

д ого испол ь -

зу ем ого в а н а л изе н а бл юд ен ия (см . та бл. 3.2.10). П ервый ст ол бец та бл ицы

пока зыва ет прин а д л еж н ость

н а бл юд ен ия к гру ппе,

д л я которой а постери-

орн а я вероят н ость им еет н а ивысшее зн а чен ие.

З везд очкой пом еча ют ся

т е

н а бл юд ен ия, кот орые н е у д а л ось кл а ссиф ицирова ть .

Табли ца 3.2.9

Кла ссиф ик ация наблю де ний, используе мых ванализе


	Classification Matrix
Group	Rows: Observed classifications
Group	Columns: Predicted classifications
	Percent	G_1:1	G_2:0
		р = 0,58333	р = 0,41667
G_1:1	100,0000	7	0
G_2:0	100,0000	0	5
Total	100,0000	7	5

Табли ца 3.2.10

Классиф ик ация используе мых вана лизе наблю де ний


	Classification of Cases
Case	Incorrect classifications are marked with *
Case	Observed	1	2
		1	2
		р = 0,58333	р = 0,41667
		р = 0,58333	р = 0,41667
1	G_1:1	G_1:1	G_2:0
2	G_1:1	G_1:1	G_2:0
3	G_1:1	G_1:1	G_2:0
4	G_1:1	G_1:1	G_2:0
5	G_1:1	G_1:1	G_2:0
6	G_1:1	G_1:1	G_2:0
7	G_1:1	G_1:1	G_2:0
8	G_2:0	G_2:0	G_1:1
9	G_2:0	G_2:0	G_1:1
10	G_2:0	G_2:0	G_1:1
11	G_2:0	G_2:0	G_1:1
12	G_2:0	G_2:0	G_1:1

11. Щ ел кн у т ь по кн опке «К вадраты рассто я ни й М ах алано би са»

(Squared Mahalanobis distances), в резу л ь та т е чего пол у чите та бл. 3.2.11, со-

д ерж а щ у ю ква д ра т ы ра сстоян ий М а ха л а н обиса от н а бл юд ен ий д о цен тров тяж ест и гру пп. Н а им ен ь шее ра сстоян ие опред ел яет гру ппову ю прин а д л еж - н ость н а бл юд ен ия.

12. В ыбра т ь опцию «А по стери о рны е веро я тно сти » (Posterior Probabilities), в резу л ь та те появится та бл. 3.2.12. (н епра вил ь н ые кл а ссиф ика ции

был и бы от м ечен ы * ).
А	пост ериорн а я вероят н ость пока зыва ет	ра ссчита н н у ю н а осн ове ра с-
ст оян	ия М а ха л а н обиса вероятн у ю прин а д л еж	н ость кон кретн ого н а бл юд е-

н ия к ка ком у -л ибо кл а ссу . Е е сл ед у ет отл ича ть от а приорн ой, под которой пон им а ет ся вероятн ост ь от н есен ия н а бл юд ен ия к ка кой-л ибо гру ппе н а ос- н ове эксперим ен та л ь н ыхд а н н ых.

П ра ктическое н а зн а чен ие а постериорн ой вероятн ост и состоит в том , чтобы от н ести н а бл юд ен ие к кон кретн ой гру ппе, д л я которой он а им еет ма к-

<<< < Предыдущая 1 23 / 43 4 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
20.05.201579.36 Кб241карта 18.doc
#
14.11.2019126.98 Кб0Каскадная_6_Якута.doc
#
21.05.2015478.88 Кб20Катехизация и богослужение.pdf
#
19.03.201684.15 Кб13Кива А.В. Арабская весна. Свет и тени..docx
#
20.05.201547.67 Кб72кино методичка.docx
#
21.05.2015593.73 Кб19Кластерный анализ.pdf
#
21.05.20151.93 Mб78КМ - Maple.pdf
#
20.05.20155.84 Mб242книга 1.Геол-метод. часть Баранча 23.04.2014 г.doc
#
19.03.20161.47 Mб27Книга Создание эффективных мероприятий.pdf
#
19.03.2016101.38 Кб12Ковтун Н. Судебный контроль законности.doc
#
19.12.2018200.43 Кб7Коды.docx