Статистика - задача

Решения задач, нормальными законами в системе &';Статистика&';

СОДЕРЖАНИЕ

Введение

1. Дискриминантный анализ как раздел многомерного статистического анализа

1.1 Методы классификации с обучением

1.2 Линейный дискриминантный анализ

2. Дискриминантный анализ при нормальном законе распределения показателей

3. Примеры решения задач дискриминантным анализом

3.1 Применение дискриминантного анализа при наличии двух обучающих выборок

3.2 Пример решения задачи дискриминантным анализом в системе STATISTICA

Вывод

Список литературы

ВВЕДЕНИЕ

Метод дискриминантного анализа впервые был применен в сфере банковской деятельности, а именно - в кредитном анализе. Здесь наиболее четко прослеживается основной подход метода включает в себя привлечение прошлого опыта: необходимо определить, чем отличаются заемщики, вернувшие в срок кредит, на тех, кто этого не сделал. Полученная информация должна быть использована в решении судьбы новых заемщиков. Иначе говоря, применение метода имеет цель: построение модели, предсказывающей, к какой из групп данных потребителей, исходя из набора предсказывающих переменных (предикторов), измеренных в интервальной шкале. Дискриминатный анализ связан с строгие предположения относительно предикторов: для каждой группы должны иметь многомерное нормальное распределение с идентичными ковариационными массива.

Основные положения дискриминантного анализа легко понять представления исследуемой области, так как состоит из отдельных комплексов, каждый из которых характеризуется переменные многомерного нормального распределения. Дискриминантный анализ пытается найти линейных комбинаций таких показателей, которые наилучшим образом разделяют представлены вместе.

При использовании метода дискриминантного анализа главным показателем является точность классификации, и этот показатель можно легко определить, имея в виду долю правильно классифицированных с помощью прогностического уравнения наблюдения. Если исследователь работает с образца, достаточно большой, применяется следующий подход: выполняется анализ по части данных (например, наполовину), затем прогностическое уравнение применяется для классификации наблюдений во второй половине данных. Точность прогноза оценивается, то есть происходит путем перекрестной проверки. В дискриминантном анализе существуют методы, шаг отбора переменных, поможет вам выбрать предсказывающих переменных.