Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава

Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава

Тумблер Choose observations to maximize initial between-cluster distances.Если Вы выбираете этот тумблер, наблюдения либо объекты будут установлены как исходные центры кластера. (1) программка изберет 1-ые номера кластеров случаев, чтоб быть надлежащими центрами кластера; (2) следующие случаи поменяют прошлые центры кластера, если их самое малюсенькое расстояние к хоть какому из Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава центров кластера больше, чем самое малюсенькое расстояние меж кластерами; если дело обстоит не так, то (3) следующие случаи поменяют исходные центры кластера, если их самое малюсенькое расстояние от центра кластера большее расстояние того центра кластера от хоть какого другого центра кластера. Эффект этой процедуры выбора должен развернуть исходные расстояния меж Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава кластерами. Направьте внимание, что эта процедура может выдавать кластеры с единственными (отдельными) наблюдениями, если есть ясный outliers в данных.

Тумблер Choose the first N (Number of clusters) observations.Если Вы выбираете этот тумблер, 1-ые номера кластеров наблюдений будут исходными центрами кластера. Таким макаром, эта функция обеспечивает Вас полным контролем над Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава выбором исходной конфигурации. Это нередко полезно, если Вы приносите априорные ожидания относительно нрава (природы) кластеров к анализу. В данном случае, переместите случаи, которые Вы желаете избрать как исходные центры кластера, к началу файла.

Тумблеры Casewise deletion of missing data либоMean substitution в разделе MD deletion, 1-ый следует использовать, если в анализ Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава следует включать только случаи, которые имеют для всех переменных все данные, 2-ой следует использовать, когда отсутствующие данные будут изменены средствами для соответственных переменных (для этого анализа только, но не для файла данных). По дефлоту стоит тумблер Casewise deletion of missing data.

Бросить установленные по дефлоту тумблеры и дальше, в диалоговом окне Cluster Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава Analysis: K-means clustering:следует надавить кнопку OK.

В показавшемся диалоговом окне K-Means clustering Results: надавить кнопку Summary: Clusters means & Euclidean distances (рис. VII.19). В итоге расчета получим матрицу дистанционных коэффициентов меж кластерами рассчитанных по евклидовым метрикам (см. рис. VII.20). Тут же рассчитываются средние по всем измерениям для каждого кластера Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава.

Рис. VII.19.Анализ вK-Means clustering Results:

Рис. VII.20.Матрица евклидовых метрик меж кластерами

Возвратиться в диалоговое окно K-Means clustering Results: и надавить кнопку Analysis of variance. Анализ вариант следует использовать, если следует ассоциировать изменчивость в границах группы (within) (малая, если систематизация отменная) с изменчивостью меж группами (between) (большая, если систематизация Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава отменная), другими словами выполнить дисперсионный анализ меж группами для каждого измерения (рис. VII.21). Можно просмотреть результаты дисперсионного анализа, сравнивая для каждого измерения результаты меж группами.

Рис. VII.21. Итог дисперсионного анализа Analysis of variance

Возвратиться в диалоговое окно K-Means clustering Results: и надавить кнопку Graph of means. Результатом будет график Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава средних по кластерам (рис. VII.22).

Рис. VII.22.График средних по кластерам

Возвратиться в диалоговое окно K-Means clustering Results: и надавить кнопку Descriptive statistics for each clusterна вкладке Advanced. Результатом будет вывод крупноформатных таблиц описательной статистики для каждого измерения по кластерам (рис. VII.23).

Рис. VII.23. Дескриптивная статистика для третьего кластера

Возвратиться Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава в диалоговое окно K-Means clustering Results: и надавить кнопку Members of each cluster & distances. Результатом будет расчет евклидовых расстояний от центров кластеров для каждого элемента входящего в кластер (рис. VII.24). Это позволяет идентифицировать возможных «плохих» членов кластера.

Рис. VII.24. Евклидовы расстояния для каждого кластера

Возвратиться в диалоговое окно K-Means Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава clustering Results: и надавить кнопку Save classifications and distances. Результатом будет короткая электрическая таблица содержащая: порядковые номера частей (1 столбец), номер кластера, в который заходит элемент (2 столбец) и евклидовы метрики для каждого элемента от соответственного центра кластера (3 столбец) – рис. VII.25.

Рис. VII.25.Итог выполнения Save classifications and distances

7. Провести факторный анализ для выделения Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава ассоциаций хим частей. Для этого в меню с основными процедурами Statistics избрать Multivariate Exploratory Techniques, а в показавшемся его меню – Factor Analysis.

В показавшемся диалоговом окне Factor Analysis: (см. рис. VII.26) на вкладке Quick надавить кнопку Variables и показавшемся диалоговом окне Select the variables for the factor analysis надавить кнопку Select All (рис. VII Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава.27). Возвратиться в диалоговое окно Factor Analysis: и надавить кнопку OK (рис. VII.28).

Рис. VII.26. Диалоговое окно Factor Analysis:

Рис. VII.27.Выбор переменных для факторного анализа

Рис. VII.28. Диалоговое окно Factor Analysis: с избранными переменными

Появится окно Define Method of Factor Extraction:, где избираем на вкладке Descriptives (рис. VII.29) кнопку Review correlations, means, standard Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава deviations. В диалоговом окне Review descriptive statistics(рис. VII.30) жмем кнопку Correlations. Результатом расчета будет корреляционная матрица (рис. VII.31). Она подобна матрице, приобретенной в разделе корреляционного анализа и представленной на рис. VII.4.

Рис. VII.29. Диалоговое окно Define Method of Factor Extraction:

Рис. VII.30.Диалоговое окноReview descriptive statistics

Рис. VII.31.Корреляционная матрица

В диалоговом окне Review Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава descriptive statistics жмем кнопку Cancel и возвращаемся в диалоговое окно Define Method of Factor Extraction:, где избираем на вкладке Advancedв разделе Extraction method установленный по дефлоту способ Principal Components (способ основных компонент либо причин). В разделе Max no. of factors установить число 9 – наибольшее число причин в нашем случае, в разделе Mini. eigenvalue: 0 – малое значение для Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава этой функции (рис. VII.32). Надавить кнопку OK. Раскрывается диалоговое окно Factor Analysis Results:, в каком выбирается вкладка Quick, где нажимается кнопка Eigenvalues (собственные значения) (рис. VII.33). Результатом расчета будет таблица Eigenvalues (частей от общего числа причин, в этом случае – части от 9), которая содержит последующие столбцы: собственные значения (Eigenvalues), проценты от полной величины Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава (% Total variance), кумулятивных собственных значений (Cumulative Eigenvalues), и кумулятивного процента (Cumulative %) (рис. VII.34). 1-ые три фактора дают больший вклад в процентном отношении. Основываясь на таблице Eigenvalues, можно предложить рассматривать только эти три фактора.

Рис. VII.32. Выбор характеристик в диалоговом окне Define Method of Factor Extraction:

Рис. VII.33. Расчет Explained variance в диалоговом окне Factor Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава Analysis Results:

Рис. VII.34. Расчетная таблица Eigenvalues

В диалоговом окне Factor Analysis Results: избрать вкладку Explained variance, где надавить кнопку Scree plot. Результатом будет график, основанный на тесте Каттелла (рис. VII.35), иллюстрирующий 1-ый столбец таблицы Eigenvalues. Основанный на способе Монте-Карло, Cattell's scree test предлагает, что в точке, где непрерывное падение Eigenvalues выравнивается, предлагается Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава сокращение других дополнительных причин, потому что только случайный «шум» добавляется дополнительными факторами. В нашем примере, эта точка может быть для фактора 3 либо фактора 4. Потому необходимо испытать оба решения и разглядеть тот, который выдаст более поддающееся истолкованию решение.

Сейчас исследуем факторные нагрузки. Поначалу следует разглядеть невращаемые факторные нагрузки для Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава всех 9 причин. В диалоговом окне Factor Analysis Results: избрать вкладку Loadings и в разделе Factor rotation: избрать установленное по дефлоту – Unrotated. Направьте внимание, что считается, что причины со значением нагрузки более 0,70 – причины с высочайшей нагрузкой. Потом надавить на кнопку Summary (рис. VII.36). Результатом расчета будет таблица факторных нагрузок отсортированных так, чтоб следующие причины Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава составляли все наименьшее и наименьшее количество различия (рис. VII.37). Не умопомрачительно созидать, что 1-ый фактор указывает большая часть самых больших нагрузок.

Рис. VII.35. График Scree plot

Рис. VII.36. Выбор Unrotated в диалоговом окне Factor Analysis Results: на вкладке Loadings в разделе Factor rotation:

Рис. VII.37. Таблица факторных нагрузок по способу Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава Unrotated для 10 причин

Фактическая ориентация причин в пространстве факториала произвольна и все вращения причин в пространстве воспроизведут корреляции идиентично отлично. Потому предложено крутить причины таким макаром, чтоб выдать такую структуру фактора, что ее проще интерпретировать. Такая обычная структура и была определена Thurstone (1947), чтоб в главном обрисовать состояние, когда причины отмечены высочайшими нагрузками Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава для неких переменных, низкими нагрузками для других, и когда есть незначительно больших перекрестных нагрузок, другими словами мало переменных с существенными нагрузками на больше, чем один фактор. Пользующийся популярностью стандартный вычислительный способа вращения, чтоб получить ординарную структуру – VARIMAX вращение (Kaiser, 1958); Другие, которые были предложены - QUARTIMAX, BIQUARTIMAX, и EQUAMAX (см. Harman, 1967) – они Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава все осуществлены в STATISTICA.

Поначалу разглядим число причин, которое желаем крутить. Было за ранее решено, что три фактора являются более влиятельными, но по результатам рассмотрения графика на рис. VII.35 было решено рассматривать четыре фактора. Надавить кнопку Cancel, чтоб вернуться в окно Define Method of Factor Extraction:, где Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава избрать вкладкуQuick. Установить в разделе Max no. of factors число 4 – число причин в рассматриваемом случае, в разделе Mini. eigenvalue: 0 – малое значение для этой функции (рис. VII.38).

Рис. VII.38. Установка нового числа причин в Max no. of factors

Надавить кнопку OK. Раскрывается диалоговое окно Factor Analysis Results:, в каком избрать вкладку Loadings, и в перечне Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава Factor rotation: избрать Varimax raw (рис. VII.39). Потом надавить на кнопку Summary. Результатом расчета будет таблица Factor Loadings (факторных нагрузок) – см. рис. VII.40. Получится вращаемое решение с 4-мя факторами. 4-ый фактор не дает огромных нагрузок. Повторить решение для 3-х причин. Результатом расчета будет таблица Factor Loadings (факторных нагрузок) – см. рис. VII.41. 1-ый фактор указывает большая Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава часть самых больших нагрузок. Для золота (Au) огромную нагрузку указывает 2-ой фактор – около 0,82 и довольно огромную – 1-ый фактор – около 0,55. Фактор 1 связан с Ag, Pb и Sb, фактор 2 – с Sn, As и Au, фактор 3 – с U и Th. С K, кажется, связан и фактор 1 и фактор 2: фактор 1 – нагрузка 0,66, фактор 2 – 0,57.

Рис. VII Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава.39. Выбор Varimax raw в диалоговом окне Factor Analysis Results: на вкладке Loadings в разделе Factor rotation:

Рис. VII.40. Таблица факторных нагрузок по способу Varimax для 4 причин

Рис. VII.41. Таблица факторных нагрузок по способу Varimax для 3 причин

Щелкнуть в диалоговом окне Factor Analysis Results: на вкладке Loadings кнопкойPlot of loadings, 2D. Раскроется диалоговое окно Select two factors for Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава the plot, в каком выберем Factor 1 и Factor 2 (рис. VII.42). Надавить OK. Результатом будет тонкий график нагрузок (рис. VII.43). Аналогично выстроить график нагрузок для Factor 1 и Factor 3 (рис. VII.44). В диалоговом окне Factor Analysis Results: на вкладке Loadings щелкнем кнопкойPlot of loadings, 3D. Результатом будет трехмерный график нагрузок (рис. VII.45).

Рис. VII.42. Диалоговое Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава окно Select two factors for the plot

Рис. VII.43. График нагрузок Plot of loadings, 2D для причин 1 и 2

Рис. VII.44. График нагрузок Plot of loadings, 2D для причин 1 и 3

Рис. VII.45. График нагрузок Plot of loadings, 3D для причин 1, 2 и 3

Графики (рис. VII.43 – VII.45) просто демонстрируют нагрузки для каждой переменной Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава и отлично иллюстрируют корреляционную матрицу, к примеру, по рис. VII.43 видно, что ассоциированы мышьяк (As) и олово (Sn); серебро (Ag), сурьма (Sb) и свинец (Pb); уран (U) и торий (Th). Фактор 2 – фактор с высочайшими нагрузками на Au – «рудный» и фактор 3 связан с околорудным метасоматозом. Направьте внимание на нагрузки причин, для того Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава, чтоб найти, в какой мере данная закономерность охарактеризовывает изучаемый объект.

Щелкнуть в диалоговом окне Factor Analysis Results: на вкладке Explained variance кнопкойReproduced/residual corrs. (рис. VII.46), чтоб получить две матрицы – корреляции и остаточной корреляции (рис. VII.47).

Рис. VII.46. Диалоговое окно Factor Analysis Results: вкладке Explained

Таблица остаточных корреляций может интерпретироваться как «количество Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава» корреляции, которое не может быть объяснено решением с 3-мя факторами. Диагональные элементы в матрице содержат стандартное отклонение, которое является равным квадратному корню из единицы минус надлежащие общности для 2-ух причин (общности переменной – разница, которую можно разъяснять подходящим числом причин). Если разглядеть кропотливо эту матрицу, можно созидать, что нет Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава практически никаких остаточных корреляций, которые являются большенными, чем 0,1, либо меньше чем –0,1. Добавить к этому факт, что 1-ые три фактора разъясняли практически 95 % полной различия (см. совокупный % Eigenvalues показанный в таблицеEigenvalues на рис. VII.34). Очень низкие общности для одной либо 2-ух переменных (из всех в анализе) могут указывать, что эти переменные плохо Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава объясняются соответственной моделью фактора.

Рис. VII.47. Таблица остаточных корреляций

Щелкнуть в диалоговом окне Factor Analysis Results: на вкладке Explained variance кнопкойCommunalities (рис. VII.46), чтоб получить таблицу общностей для текущего решения, другими словами текущего числа причин (рис. VII.48).

Рис. VII.48. Таблица общностей

Щелкнуть в диалогом окне Factor Analysis Results: на вкладке Scores кнопкой Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава Factor scores coefficients, чтоб получить таблицу со значениями каждого фактора частей (рис. VII.49). Эти коэффициенты представляют веса, которые употребляются когда рассчитывается зависимость фактора от переменных.

Щелкнуть в диалогом окне Factor Analysis Results: на вкладке Scores кнопкой Factor scores, чтоб получить таблицу со значениями каждого фактора в точках наблюдения (рис. VII.50). Направьте внимание, в каких точках Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава наблюдения значения рудного фактора самые большие: 4 – 6, 11, 17, 19, 21, 24. Фактор околорудного метасоматоза – 1, 4, 8, 13 – 15, 20, 21, 24, 26 – 28, 31, 33 – 34, 36. Общие: 4, 21, 24.

Рис. VII.49. Таблица Factor scores coefficients

Рис. VII.50. Таблица Factor scores

В таблице Factor scores выделить «рудный» фактор» – 2 и фактор околорудного метасоматоза – 3. Потом избрать функцию графического анализа в контекстном меню Graphs of Block Data\Line Plots: Entire Columns. На приобретенном графике указать места Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава, где очень проявлены причины рудного метасоматоза (рис. VII.51).

Рис. VII.51. Итог выполнения процедуры в контекстном менюGraphs of Block Data\Line Plots: Entire Columns.

8. Сделать окончательные выводы о геохимических ассоциациях частей и прогнозной значимости объекта.

Сопоставить результаты корреляционного, кластерного и факторного анализов, их отличия, связанные с способностями каждого анализа Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава, и общие черты, дозволяющие дать взвешенное заключение о закономерных связях меж изучаемыми признаками.

ОБЛАСТЬ Внедрения МНОГОМЕРНЫХ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ В ГЕОЛОГИИ

Способности внедрения многомерных статистических моделей для исследования взаимозависимостей комплексов самых разных геологических признаков фактически не ограничены для хоть какой отрасли геологии. В палеонтологии они употребляются для статистического описания морфологических признаков ископаемых Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава форм организмов и сравнения их групп с литолого-фациальными разрезами осадочных пород, с целью оценки достоверности их стратиграфического положения (либо установления групп руководящих ископаемых). Корреляционные способы парагенетического анализа хим частей и минералов находят обширное применение в геохимии и минералогии. Разные способы многомерного описания самых разных физических параметров, хим и Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава минерального состава осадочных и магматических пород употребляются в литологии и петрографии для разделения их по фациальным либо формационным признакам либо для оценок их перспектив на выявление самых разных нужных ископаемых. С каждым годом все обширнее употребляются способы «распознавания образов» рудоносных территорий либо месторождении нужных ископаемых, основанные на статистических описаниях сочетаний Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава подходящих частей геологического строения, влияющих на концентрации нужных ископаемых. В текущее время методы «распознавания образов», использующие самые разные статистические, логические и эвристические многомерные модели, реализуются в человеко-машинных информационно-прогнозирующих системах, на шедших обширное применение в геологоразведочной отрасли.

Многомерные статистические описания связей геологических переменных с следующими Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава оценками степени их взаимозависимостей употребляются в геологической практике с целью идентификации (отождествления), дискриминации (разделения), систематизации (группирования) изучаемых объектов либо в поисках более информативных композиций признаков для решения прогнозных задач.

Задачки идентификации геологических объектов, к примеру, оценки коллекторских параметров либо газоносности пород по совокупы скважинно-геофизических черт, обычно производятся при помощи Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава моделей множественной регрессии.

В целях дискриминации геологических объектов на два заблаговременно данных класса, к примеру, разделение кимберлитовых пород на алмазоносный и неалмазоносный типы, по данным их силикатных анализов может быть применена модель линейной дискриминантной функции.

Систематизация геологических объектов, к примеру, иерархическое группирование парагенетических ассоциаций частей метасоматически модифицированных пород Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава либо руд по данным их полных хим анализов делается при помощи кластер-анализа, других способов многомерного корреляционного анализа либо способа факторного анализа.

Конечной целью большинства многомерных статистических способов является пророчество (прогнозирование) тех либо других параметров изучаемых геологических объектов.

Прогнозирование параметров геологических объектов, в большинстве случаев выявление перспектив их рудоносности либо оценка возможных Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава масштабов оруденения проводится при помощи алгоритмов «распознавания образов».

Зависимо от нрава начальных данных и целей геологических исследовательских работ для составления этих алгоритмов употребляются самые разные многомерные модели. При всем этом, обычно, появляется неувязка поиска более информативных сочетаний признаков и сокращения размерности их места, что достигается при помощи способа Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава основных компонент, R-метода факторного анализа либо других логических и эвристических способов.

Способности использования многомерных статистических моделей для целей решения геологических задач исследованы в текущее время далековато не стопроцентно и непременно имеют огромное будущее.

ЛАБОРАТОРНАЯ РАБОТА № VIII. МНОГОМЕРНЫЕ СТАТИСТИЧЕСКИЕ МОДЕЛИ. Задачки Определения ОБРАЗОВ В ГЕОЛОГИИ

Многие прогнозные и интерпретационные Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава задачки решаются в практической геологии методом сравнения комплекса признаков изучаемого объекта с комплексом тех же признаков эталонного объекта. Совокупа схожих способов, основанных на принципе аналогии, получила заглавие способов определения образов.

Модели определения образов геологических объектов очень многообразны. При решении определенных геологических задач их выбор находится в зависимости от Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава природы геологических объектов, числа, полноты описания эталонных объектов, типов и информативности их признаков. Зависимо от типов начальных признаков выделяют две группы моделей: дискретные и непрерывные.

Дискретные модели используются в тех случаях, когда измеряемые признаки рассматриваются как независящие либо отчасти зависимые детерминированные величины.

Непрерывные модели употребляются для определения образов таких объектов, измеряемые признаки Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава которых могут рассматриваться как случайные величины и поддаются статистическому описанию многомерными функциями плотностей вероятности.

В качестве критериев оптимальности определения употребляются решающие правила, определяющие пороговые значения решающих функций. Они могут определяться статистическими, логическими либо эвристическими * способами.

При использовании всех алгоритмов определения следует стремиться к построениям решающих функций как Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава можно более обычных видов, так как они легче поддаются реализации и обеспечивают более устойчивые решения, в особенности при малых подборках обучения.

Линейная дискриминантная функция для 3-х переменных имеет вид

. (VIII.1)

Коэффициенты a1, a2 и a3 находятся из системы уравнений

(VIII.2)

Величины d1, d2 и d3 представляют собой разности оценок средних значений признаков по Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава подборкам A и B.

(VIII.3)

Если обозначить номер строчки как i, а столбца как j, то величины sij можно записать в форме матрицы:

. (VIII.4)

Значения sij соответствуют элементам ковариационной матрицы признаков X, Y, Z и рассчитываются, как суммы квадратов отклонений либо суммы смешанных произведений отклонений:

Приведенные выше Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава выражения для удобства расчетов могут быть изменены на эквивалентные выражения для сумм квадратов вида

, (VIII.5)

и для сумм смешанных произведения вида

, (VIII.6)

где nA и nB – объем подборки для объекта A и B.

После вычисления коэффициентов a1, a2 и a3, нужно вычислить значение функции D0, относительно которого можно прийти к выводу Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава о принадлежности нового неведомого объекта к тому либо иному классу (свите)

. (VIII.6)

В Excel для вычисления ковариации употребляется процедура Ковариация. Процедура позволяет получить ковариационную матрицу, содержащую коэффициенты ковариации меж разными параметрами.

Для реализации процедуры нужно:

· выполнить команду Сервис/Анализ данных;

· в показавшемся перечне Инструменты анализа избрать строчку Ковариация и надавить кнопку OK;

· в Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава показавшемся диалоговом окне указать Входной интервал, другими словами ввести ссылку на ячейки, содержащие анализируемые данные. Для этого следует навести указатель мыши на левую верхнюю ячейку данных, надавить левую кнопку мыши и, не отпуская ее, протянуть указатель мыши к правой нижней ячейке, содержащей анализируемые данные, потом отпустить левую кнопку мыши. Входной Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава интервал должен содержать более 2-ух столбцов.

· в разделе Группировкатумблер установить в согласовании с введенными данными;

· указать выходной спектр, другими словами ввести ссылку на ячейки, в которые будут выведены результаты анализа. Для этого следует поставить флаг в левое поле Выходной интервал (навести указатель мыши и щелкнуть левой кнопкой), дальше навести указатель мыши на правое Приложение I. Значения функции нормального распределения с параметрами 0 и 1 (для отрицательных значений Z) 5 глава поле ввода Выходной интервал и щелкнуть левой кнопкой мыши, потом указатель мыши навести на левую верхнюю ячейку выходного спектра и щелкнуть левой кнопкой мыши. Размер выходного спектра будет определен автоматом, и на экран будет выведено сообщение в случае вероятного наложения выходного спектра на начальные данные.


prilozhenie-iii-doklad-gruppi-ekspertov-po-dostupu-k-geneticheskim-resursam-i-sovmestnomu-ispolzovaniyu-vigod.html
prilozhenie-iii-programma-perspektivnogo-razvitiya-maou-sosh-44-na-2011-2015-g-g.html
prilozhenie-industriya-dekorativnih-ribok.html