Необхідно ввести позначення у вираз (1.6):
В
Тоді вираз (1.6) прийме вигляд
(1.7)
Слідство: проверяемая точка х належить до класу i, для якого лінійна функція
(1.8)
Перевага методу лінійної дискримінації Фішера полягає в лінійності дискриминантной функції (1.8) і надійності оцінок коваріаційних матриць класів. p> Приклад
Є два класи з параметрами і. За вибірками з цих сукупностей об'ємом n 1 n 2 отримані оцінки і. Спочатку перевіряється гіпотеза про те, що коваріаційні матриці рівні. У разі якщо оцінки і статистично невиразні, то приймається, що і будується загальна оцінка, заснована на сумарній вибірці об'ємом n 1 + n 2 , після чого будується лінійна дискримінантний функція Фішера (1.8). p> 2. дискримінантному АНАЛІЗ ПРИ нормальний закон розподілу ПОКАЗНИКІВ
Є дві генеральні сукупності Х і У, мають тривимірний нормальний закон розподілу з невідомими, але рівними Коваріаційний матрицями. p> Алгоритм виконання дискримінантного аналізу включає основні етапи:
1. Вихідні дані видаються або в табличній формі у вигляді q підмножин (навчальних вибірок) M k і підмножини М 0 об'єктів підлягають дискримінації, або відразу у вигляді матриць X (1) , X (2) , ..., X ( q ) , розміром ( n k Г— p ): br/>
Таблиця 1
Номер підмножини M k ( k = 1, 2, ..., q )
Номер об'єкта, i
( i = 1, 2, ..., n k )
Властивості (Показник), j ( j = 1, 2, ..., p )
x 1
x 2
...
x 0
Підмножина M 1 ( k = 1)
1
В В
...
В
2
В В
...
В
...
...
...
...
...
n 1
В В
...
В
Підмножина M 2 ( k = 2)
1
В В
...
В
2
В В
...
В
...
...
...
...
...
n 2
В В
...
В
... <...
