ому число k різних вибірок дорівнює загальній кількості всіх можливих класів (так, що кожен клас представлений своєю порцією вибіркових даних). На В«виходіВ» завдання ми повинні мати результат наступної форми: якщо число класів k і їхній зміст відомий заздалегідь, то кожне з n класифікуються багатовимірних спостережень має бути забезпечено В«адресоюВ» (номером) класу, до якого воно належить. Дискримінантний аналіз застосовується, коли дослідник має інформацію про характер розподілу в групах. При використанні дискримінантного аналізу спочатку формуються навчальні вибірки, які є носіями інформації про розподіл всередині кожного класу. Дані навчальних вибірок формуються на етапі попереднього аналізу експертами в конкретній розглянутій області. На основі навчальних вибірок визначаються дискримінантні та класифікаційні функції, що дозволяють з мінімальною ймовірністю помилки віднести кожен об'єкт до того чи іншого класу. Вузловим моментом в задачі багатовимірної класифікації є вибір метрики відстані, від якого вирішальним чином залежить остаточний варіант розбиття об'єктів на класи при заданому алгоритмі розбиття. При цьому рішення даного питання залежить в основному від мети дослідження, фізичної та статистичної природи k-мірного вектора спостережень Х, повноти апріорних відомостей про характер імовірнісного розподілу Х. Тут k - число розглянутих показників. p> Відстань Махаланобіса:. Тут k і l - номери об'єктів, xk, xl - їх вектори ознак, С - коваріаційна матриця ознак. Основні характеристики: Враховує можливу кореляцію між змінними. Якщо кореляція між змінними відсутній, то відстань Махаланобіса дорівнює відстані Евкліда. p> Евклідова відстань:. Тут k і l - номери об'єктів, xk, xl - їх вектори ознак. Основні характеристики. Кожна змінна вектора ознак дає однаковий внесок поряд з іншими - вважається що вони ортогональні. Якщо між змінними є кореляція, то вони будуть мати непропорційний вплив на результати аналізу. На початковому етапі аналізу правильності формування навчальних вибірок, вона перевіряється на коректність на основі статистичних критеріїв: відстані Махаланобіса і апостеріорної ймовірності. Припускаючи, що розподіл всередині кожної групи підпорядковується k-мірному нормальному закону розподілу, опеределяется ймовірність потрапляння окремого i-Го спостереження в кожну групу (апостериорная імовірність). Віднесення експертом i-го об'єкта в j-у групу вважається помилковим, якщо відстань Махаланобіса від об'єкту до центру його групи значно вище, ніж від нього до центру інших груп, а апостериорная ймовірність потрапляння у свою групу нижче критичного значення. У цьому випадку об'єкт вважається некоректно віднесеним і повинен бути виключений з вибірки. Складається класифікаційна матриця, в якій вказується відсоток коректно віднесених до групи спостережень, число правильно і неправильно віднесених об'єктів. З розгляду виключається не коректне віднесеної спостереження, якому відповідає максимальне значення відстані Махаланобіса і мінімальна апостериорная ймовірність правильної класифікації. Для решти n-1 спостережень процедура тестування повторюється. Процедура продовжується до тих пір, поки загальний коефіцієнт коректності в класифікаційної матриці не досягне 100%, тобто всі спостереження навчальних вибірок будуть правильно віднесені до відповідних груп. Отримані на останньому кроці навчальні вибірки використовуються для отримання дискримінантних і класифікаційних функцій (класифікаторів), які в подальшому можуть використовуватися для співвіднесення нових об'єктів до тієї чи іншої групи. br/>
61. Предмет, завдання і система показників макроекономічної статистики
Предметом макроекономічної статистики (МЕМ) є кількісна характеристика масових соціально-економічних явищ і процесів та їх результатів, в сукупності характеризують стан і розвиток економіки країни, регіону, групи країн, їх економічні взаємозв'язки.
Завдання МЕМ визначаються її предметом і об'єктом дослідження, а також економічними проблемами, вирішення яких на кожному певному етапі економічного розвитку ставить перед макроекономічною статистикою нові завдання. p align="justify"> Завдання МЕМ як самостійної галузі статистичної науки і практики (в агрегованому вигляді) включають:
1. розробку та постійне вдосконалення (відповідно до потреб розвитку економіки) системи показників соціально-економічних процесів, їх результатів та ефективності, методології їх обчислення і аналізу, впровадження у вітчизняну практику методологічних положень ООН;
2. розробку та обгрунтування джерел отримання інформації по кожному показнику системи;
3. характеристику соціально-економічного потенціалу і його складових: трудових ресурсів - носіїв труд...
