Решение задач с нормальными законами в системе "Статистика"

  • Просмотров 387
  • Скачиваний 11
  • Размер файла 123
    Кб

СОДЕРЖАНИЕ Введение Дискриминантный анализ как раздел многомерного статистического анализа 1.1 Методы классификации с обучением 1.2 Линейный дискриминантный анализ Дискриминантный анализ при нормальном законе распределения показателей 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 Заключение Список использованных источников ВВЕДЕНИЕ Метод дискриминантного анализа впервые был применен в сфере банковской деятельности, а именно - в кредитном анализе. Здесь наиболее четко прослеживается основной подход метода, подразумевающий привлечение прошлого опыта: необходимо определить, чем отличаются заемщики, вернувшие в срок кредит, от тех, кто этого не сделал. Полученная информация должна быть

использована при решении судьбы новых заемщиков. Иначе говоря, применение метода имеет цель: построение модели, предсказывающей, к какой из групп относятся данные потребители, исходя из набора предсказывающих переменных (предикторов), измеренных в интервальной шкале. Дискриминатный анализ связан со строгими предположениями относительно предикторов: для каждой группы они должны иметь многомерное нормальное распределение с

идентичными ковариационными матрицами. Основные положения дискриминантного анализа легко понять из представления исследуемой области, как состоящей из отдельных совокупностей, каждая из которых характеризуется переменными с многомерным нормальным распределением. Дискриминантный анализ пытается найти линейные комбинации таких показателей, которые наилучшим образом разделяют представленные совокупности. При

использовании метода дискриминантного анализа главным показателем является точность классификации, и этот показатель можно легко определить, оценив долю правильно классифицированных при помощи прогностического уравнения наблюдений. Если исследователь работает с достаточно большой выборкой, применяется следующий подход: выполняется анализ по части данных (например, по половине), а затем прогностическое уравнение