ЗМІСТ
Введення
1. Дискримінантний аналіз як розділ багатовимірного статистичного аналізу
1.1 Методи класифікації з навчанням
1.2 Лінійний дискримінантний аналіз
2. Дискримінантний аналіз при нормальному законі розподілу показників
3.В Приклади розв'язання задач дискримінантний аналізом
3.1 Застосування дискримінантного аналізу при наявності двох навчальних вибірок
3.2 Приклад вирішення завдання дискримінантний аналізом у системі STATISTICA
Висновок
Список використаних джерел
ВСТУП
Метод дискримінантного аналізу вперше був застосований у сфері банківської діяльності, а саме - в кредитному аналізі. Тут найбільш чітко простежується основний підхід методу, що припускає залучення минулого досвіду: необхідно визначити, чим відрізняються позичальники, які повернули в строк кредит, від тих, хто цього не зробив. Отримана інформація повинна бути використана при вирішенні долі нових позичальників. Інакше кажучи, застосування методу має мету: побудова моделі, що пророкує, до якої з груп відносяться дані споживачі, виходячи з набору пророчать змінних (предикторів), виміряних в інтервального шкалою. Діскрімінатний аналіз пов'язаний зі строгими припущеннями щодо предикторів: для кожної групи вони повинні мати багатовимірний нормальний розподіл з ідентичними Коваріаційний матрицями.
Основні положення дискримінантного аналізу легко зрозуміти з уявлення досліджуваної області, як складається з окремих сукупностей, кожна з яких характеризується змінними з багатовимірним нормальним розподілом. Дискримінантний аналіз намагається знайти лінійні комбінації таких показників, які найкращим чином поділяють представлені сукупності.
При використанні методу дискримінантного аналізу головним показником є ​​точність класифікації, і цей показник можна легко визначити, оцінивши частку правильно класифікованих за допомогою прогностичного рівняння спостережень. Якщо дослідник працює з досить великою вибіркою, застосовується наступний підхід: виконується аналіз по частині даних (наприклад, по половині), а потім прогностичне рівняння застосовується для класифікації спостережень у другій половині даних. Точність прогнозу оцінюється, тобто відбувається перехресна верифікація. У дискримінантному аналізі існують методи покрокового відбору змінних, що допомагають здійснити вибір пророчать змінних. p> Отже, метою дискримінантного аналізу є отримання прогностичного рівняння, яке можна буде використовувати для передбачення майбутньої поведінки споживачів. Наприклад, щодо клієнтів банку існує необхідність на основі деякого набору змінних (вік, річний дохід, сімейний стан і т.п.) вміти відносити їх до однієї з декількох взаємовиключних груп з більшими чи меншими ризиками не повернення кредиту. Дослідник має деякими статистичними даними (значеннями змінних) щодо осіб, приналежність яких до певної групи вже відом...