ловне - не тільки навчитися техніці проведення дискримінантних розрахунків, а й розуміння їх сенсу, вмінню відбирати і розпізнавати на основі отриманих дискримінантних оцінок зразкові об'єкти, представляти їх як ноу-хау, своєрідні бренди, носії майбутнього, що заслуговують культивування.
Предметом дискримінантного аналізу є якраз пошук та ідентифікація таких об'єктів.
На відміну від аналітичних угруповань, де, по суті, вирішується та ж завдання з обмеженою кількістю спостережуваних одновимірних ознак (максимум 5-7), в дискримінантному аналізі кількість спостережуваних ознак, як правило, не обмежена, а вимір їх багатомірна і звичайно .
Ключовим моментом у дискримінантному аналізі є визначення ідентифікаційних характеристик m і S, формування їх на основі еталонних класів і навчальних вибірок і віднесення спостережуваних емпіричних об'єктів до одного і тільки одного класу, що неможливо зробити, обмежуючись методами простих угруповань.
Сенс роботи зводиться до визначення для кожного емпіричного об'єкта з фиксируемим набором ознак x деякого узагальнюючого ознаки m, находиме шляхом порівняння його вихідних емпіричних значень x, розпізнаванню приналежності й віднесенню спостережуваного об'єкта за величиною m до одного з еталонних класів, призначуваних нормативно або встановлюваних на основі альтернативних принципів подібності і відмінностей.
Дискримінантний аналіз, як розділ багатовимірного статістічecкого аналізу , включає в себе статистичні методи класифікації мнoгoмерних спостережень в ситуації, коли дослідник має так званими навчальними вибірками ("класифікація з учителем").
У випадку завдання розрізнення (дискримінації) формулюється таким чином. Нехай результатом спостереження над об'єктом є реалізація-мірного випадкового вектора. Потрібно встановити правило, згідно з яким за спостереженнями значенням вектора об'єкт відносять до однієї з можливих сукупностей
Для побудови правила дискримінації всі вибіркове простір R значень вектора х розбивається на області так, що при попаданні х в; об'єкт відносять до сукупності.
Правило дискримінації вибирається відповідно з певним принципом оптимальності на основі апріорної інформації про сукупностях; вилучення об'єкту з. При цьому слід враховувати розмір збитку від неправильної дискримінації. Апріорна інформація може бути подана як у вигляді деяких відомостей про функцію k-мірного розподілу ознак в кожній сукупності, так і у вигляді вибірок з цих сукупностей. Апріорні ймовірності можуть бути або задані, або ні. Очевидно, що рекомендації будуть тим точніше, чим повніше вихідна інформація. p> З точки зору застосування дискримінантного аналізу найбільш важливою є ситуація, коли вихідна інформація про розподіл представлена ​​вибірками з них. У цьому випадку завдання дискримінації ставиться таким чином. p> Нехай; вибірка із сукупності причому кожен - й об'єкт вибірки представлений k-...
