Компьютерные решения задач многомерной статистики. Часть 1. Кластерный и дискриминантный анализ. Давнис В.В - 29 стр.

     1-а я гру ппа : регион ы, в которых д еят ел ь н ост ь О А О «Спект р» был а у с-
пеш н ой: − 42,6044 − 1,9294 х 1 − 7,3203х 2 + 5,1051х 3 + 17,4847 х 4 ;
     2-а я гру ппа (регион ы, в кот орых д еятел ь н ость О А О «Спект р» н е был а
у спеш н ой): − 69,2246 − 1,4458 х 1 − 10,9041х 2 + 7,2968х 3 + 0,4313х 4 .
                                                                                        Табли ца 3.2.7
                                          Функ циик ла с сиф ик а ции
                               Classification Functions; grouping: Var5
                                      G_1:1                 G_2:0
                      Variable    р = 0,58333           р = 0,41667
                       Var1          -1,9294               -1,4458
                       Var2          -7,3203              -10,9041
                       Var3          5,1051                7,2968
                       Var4          17,4847                0,4313
                      Constant      -42,6044              -69,2246

      8. Ид ен т иф ицирова т ь с пом ощ ь ю пол у чен н ых кл а ссиф ика цион н ых
ф у н кций ка ж д ый из регион ов, д а н н ые по кот орым пред ст а вл ен ы в т а бл .
3.2.2. О ф орм ить резу л ь т а т ы ра счетов в та бл . 3.2.8.
                                                                                        Табли ца 3.2.8
                                 Иде нт иф ик а ция ре гионов,
                 от нос ит е ль но к от орых не обходимо принят ь ре ш е ние
                                              К л а ссиф ика цион н ые         В ывод о
        №              Регион                  зн а чен ия д л я гру пп    прин а д л еж н ости
                                                 1-а я           2-а я    регион ов к гру ппе
                                               гру ппа         гру ппа
        1.   К а л у ж ска я обл а ст ь        45,8304         46,1368        2-я   гру ппа
        2.   К остром ска я обл а сть          37,4027         29,4650        1-я   гру ппа
        3.   Ряза н ска я обл а ст ь           44,6779         41,0169        1-я   гру ппа
        4.   См ол ен ска я обл а сть          74,1336         84,6138        2-я   гру ппа
        5.   Т верска я обл а ст ь            107,9226 135,8495               2-я   гру ппа
        6.   Я росл а вска я обл а ст ь        23,0277          0,9117        1-я   гру ппа

       Сра вн ен ие т а бл . 3.2.3 и т а бл . 3.2.8 позвол яют сд ел а т ь вывод о пол н ой
ид ен т ичн ост и резу л ь т а тов д искрим ин а н т н ого а н а л иза , провед ен н ого с ис-
пол ь зова н ием т а бл ичн ого процессора MS Excel и па кет а STATISTICA.
       9. В ыбра ть опцию «М атри ца к лас с и ф и к аци й » (Classification matrix), в
резу л ь т а т е появит ся т а бл . 3.9, в кот орой сод ерж ится ин ф орм а ция о кол иче-
ст ве и процен т е коррект н о кл а ссиф ицирова н н ых н а бл юд ен ий в ка ж д ой
гру ппе.
       10. Н а ж а т ь н а кн опку «К лас си ф и к аци я наблю дени й » (Classification
of cases). П осл е эт ого появят ся резу л ь т а т ы кл а ссиф ика ции ка ж д ого испол ь -
зу ем ого в а н а л изе н а бл юд ен ия (см . т а бл . 3.2.10). П ервый ст ол бец т а бл ицы
пока зыва ет прин а д л еж н ост ь н а бл юд ен ия к гру ппе, д л я которой а пост ери-
орн а я вероят н ость им еет н а ивысш ее зн а чен ие. З везд очкой пом еча ют ся т е
н а бл юд ен ия, кот орые н е у д а л ось кл а ссиф ицирова т ь .