Page 18 - 4511
P. 18

Методи Дискримінантного аналізу  дозволяють побуду-
           вати на основі ряду припущень класифікаційне правило відне-
           сення об'єкту до одного з декількох класів, мінімізуючи деякий
           розумний критерій, наприклад, вирогідність помилкової класи-
           фікації або задану користувачем функцію втрат. Вибір крите-
           рію визначається користувачем з міркувань збитку, який він по-
           несе із-за помилок класифікації.
                Історично першою в дискримінантному аналізі  була мо-
           дель Фішера, в якій передбачається, що спостережувані вектори
           мають багатовимірний нормальний розподіл з невиродженою
           коваріаційною матрицею і вектором середніх, різним для різ-
           них класів.
                У простих завданнях розподіл спостережуваних величин
           заданий  точно  для  кожного  класу  (у  моделі  Фішера  коваріа-
           ційна матриця і вектори середніх відомі). У складних завданнях
           розподіл відомий частково і для побудови класифікатора дово-
           диться залучати додаткову інформацію.
                Модуль дискримінантного аналізу  cистеми STATISTICA
           містить повний набір процедур для множинного покрокового
           функціонального  дискримінантного  аналізу.  STATISTICA  до-
           зволяє виконувати покроковий аналіз, як вперед, так і назад, а
           також  усередині  визначеного  користувачем  блоку  змінних  в
           моделі. У доповненні до численних графіків і діагностиків, що
           описують дискримінантні функції, пропонується широкий на-
           бір опцій і статистик для класифікації "нових" або "старих" спо-
           стережень (при оцінюванні адекватності моделі).

                Модуль Непараметричні статистики  (Nonparametric)

                Якщо ви хочете перевірити різні гіпотези про характер
           розподілу  ваших  даних,  працюйте  в  модулі  Непараметричні
           статистики.
                Модуль  містить  великий  набір  непараметричних  крите-
           ріїв  згоди,  зокрема,  критерій  Колмогорова-Смірнова,  рангові
           критерії Манна-Уітні,  Вілкоксона і багато інших.
                Усі реалізовані рангові критерії доступні у разі співпада-
           ючих рангів і використовують поправки для малих вибірок.
                Статистичні процедури модуля дозволяють користувачеві
           легко порівняти розподіл спостережуваних величин з великою
           кількістю різних теоретичних розподілів. Ви можете підігнати

                                             17
   13   14   15   16   17   18   19   20   21   22   23