- 1
- 2
- 3
- . . .
- последняя »
СОДЕРЖАНИЕ Введение
Дискриминантный анализ как раздел многомерного статистического анализа
1.1 Методы классификации с обучением
1.2 Линейный дискриминантный анализ
- Дискриминантный анализ при нормальном законе распределения показателей
Примеры решения задач дискриминантным анализом
3.1 Применение дискриминантного анализа при наличии двух обучающих выборок
3.2 Пример решения задачи дискриминантным анализом в системе STATISTICA
Заключение
Список использованных источников
ВВЕДЕНИЕ Метод дискриминантного анализа впервые был применен в сфере банковской деятельности, а именно - в кредитном анализе. Здесь наиболее четко прослеживается основной подход метода, подразумевающий привлечение прошлого опыта: необходимо определить, чем отличаются заемщики, вернувшие в срок кредит, от тех, кто этого не сделал. Полученная информация должна быть использована при решении судьбы новых заемщиков. Иначе говоря, применение метода имеет цель: построение модели, предсказывающей, к какой из групп относятся данные потребители, исходя из набора предсказывающих переменных (предикторов), измеренных в интервальной шкале. Дискриминатный анализ связан со строгими предположениями относительно предикторов: для каждой группы они должны иметь многомерное нормальное распределение с идентичными ковариационными матрицами.
Основные положения дискриминантного анализа легко понять из представления исследуемой области, как состоящей из отдельных совокупностей, каждая из которых характеризуется переменными с многомерным нормальным распределением. Дискриминантный анализ пытается найти линейные комбинации таких показателей, которые наилучшим образом разделяют представленные совокупности.
При использовании метода дискриминантного анализа главным показателем является точность классификации, и этот показатель можно легко определить, оценив долю правильно классифицированных при помощи прогностического уравнения наблюдений. Если исследователь работает с достаточно большой выборкой, применяется следующий подход: выполняется анализ по части данных (например, по половине), а затем прогностическое уравнение применяется для классификации наблюдений во второй половине данных. Точность прогноза оценивается, т.е. происходит перекрестная верификация. В дискриминантном анализе существуют методы пошагового отбора переменных, помогающие осуществить выбор предсказывающих переменных.
Итак, целью дискриминантного анализа является получение прогностического уравнения, которое можно будет использовать для предсказания будущего поведения потребителей. Например, в отношении клиентов банка существует необходимость на основе некоторого набора переменных (возраст, годовой доход, семейное положение и т.п.) уметь относить их к одной из нескольких взаимоисключающих групп с большими или меньшими рисками не возврата кредита. Исследователь располагает некоторыми статистическими данными (значениями переменных) в отношении лиц, принадлежность которых к определенной группе уже известна. В примере с банком эти данные будут содержать статистику по уже предоставленным кредитам с информацией о том, вернул ли заемщик кредит или нет. Необходимо определить переменные, которые
- 1
- 2
- 3
- . . .
- последняя »
Похожие работы
Тема: Экономическая статистика России: решение задач |
Предмет/Тип: Эктеория (Контрольная работа) |
Тема: Решение задач с нормальными законами в системе "Статистика" |
Предмет/Тип: Экономика отраслей (Курсовая работа (т)) |
Тема: Решение задач |
Предмет/Тип: Менеджмент (Контрольная работа) |
Тема: Решение задач 8 |
Предмет/Тип: Маркетинг (Реферат) |
Тема: Решение задач 4 |
Предмет/Тип: Финансы, деньги, кредит (Реферат) |
Интересная статья: Быстрое написание курсовой работы