Многомерный статистический анализ - Большая Энциклопедия Нефти и Газа, статья, страница 1
Никому не поставить нас на колени! Мы лежали, и будем лежать! Законы Мерфи (еще...)

Многомерный статистический анализ

Cтраница 1


Многомерный статистический анализ определяется1 как раздел математической статистики, посвященный математическим методам построения оптимальных планов сбора, систематизации и обработки многомерных статистических данных, направленных на выявление характера и структуры взаимосвязей между компонентами исследуемого признака и предназначенных для получения научных и практических выводов.  [1]

Многомерный статистический анализ геометрической структуры исследуемой совокупности многомерных наблюдений объединяет в себе понятия и результаты таких моделей и схем, как дискриминантный анализ, смеси вероятностных распределений, кластер-анализ и таксономия, многомерное шкалирование. Узловым во всех этих схемах является понятие расстояния ( меры близости, меры сходства) между анализируемыми элементами. При этом анализируемыми могут быть как реальные объекты, на каждом из к-рых фиксируются значения показателей ас - тогда геометрич.  [2]

Разделы многомерного статистического анализа, составляющие математический аппарат статистического исследования зависимостей, формировались и развивались с учетом специфики анализируемых моделей, обусловленной в первую очередь природой исследуемых переменных. Так, изучение зависимостей между количественными переменными обслуживается регрессионным и корреляционным анализами и анализом временных рядов ( гл.  [3]

Прикладное назначение многомерного статистического анализа состоит в основном в обслуживании следующих трех проблем.  [4]

Андермен Введение в многомерный статистический анализ.  [5]

Среди других методов многомерного статистического анализа отметим методы, позволяющие осуществить классификацию экономических объектов, т.е. отнесение их к определенным классам.  [6]

Факторный анализ - раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных и корреляционных матриц.  [7]

ДИСКРИМИНАНТНЫЙ АНАЛИЗ - раздел многомерного статистического анализа, изучающий методы классификации объектов, представленных многомерными наблюдениями. Предполагается, что k совокупностей представлены выборками ( наз. Пространство разбивается на fc-j - 1 областей A, At, Аг. Аа отказываются от классификации. Разбиение выбирается так, чтобы минимизировать ошибки классификации в заданном классе областей.  [8]

ФАКТОРНЫЙ АНАЛИЗ - раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.  [9]

Исходя из общих положений многомерного статистического анализа [21], построение многомерной статистической модели для анализа разработки месторождений должно включать следующие этапы: 1) выбор факторов, влияющих на основные технологические показатели разработки; 2) обоснование возможности использования линейной формы связи; 3) нахождение параметров аналитического выражения функции; 4) статистическую оценку полученных результатов; 5) анализ результатов статистического моделирования. Рассмотрим каждый из этих этапов.  [10]

Наряду с рассмотренными методами для многомерного статистического анализа и моделирования процесса применяются методы факторного анализа. Одна из разновидностей данных методов - метод главных компонент, предложенный еще в 1901 г. К. Главные компоненты представляют собой линейную комбинацию статистических величин с особыми свойствами дисперсий. Первой главной компоненте присуща наибольшая дисперсия.  [11]

Большую часть ПППМС составляют программы многомерного статистического анализа, включающие: корреляционный, регрессионный, факторный, компонентный, дисперсионный анализ, а также многомерную классификацию. Кроме того, пакет включает в себя программы обработки временных рядов ( сглаживание временных рядов, прогнозирование временных рядов с помощью метода гармонических весов, прогнозирование временных рядов методом экспоненциального сглаживания, идентификация временных рядов с помощью метода Бокса - Дженкинса, прогнозирование временных рядов по методу Бокса - Дженкинса), а также ряд вспомогательных программ. Пакет разработан на ФОРТРАНе.  [12]

Современный факторный анализ - направление многомерного статистического анализа, которое позволяет выявить внутренние, непосредственно неизмеримые переменные ( факторы) между коррелирующими показателями хозяйственной деятельности. Различают два основных метода современного факторного анализа: метод главных компонент и классический факторный анализ.  [13]

Для получения подобных показателей используются методы многомерного статистического анализа.  [14]

15 Задачи правдоподобного вывода. [15]



Страницы:      1    2    3    4