Ответы статистика
Кластерный анализ: цели, Евклидово расстояние.
Разделение выборки объектов на непересекающиеся подмножества (кластеры) так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались.
Критерий для определения схожести и различия кластеров - расстояние между точками на диаграмме рассеивания.
Цели кластеризации:
Понимание данных (Каждому кластеру – свой метод анализа)
Сжатие данных (Один типичный представитель от каждого кластера)
Novelty Detection (Выделение нетипичных объектов)
Мера расстояния между кластерами – Евклидово расстояние
Расстояние между 2 точками в 2-мерном пространстве:
Расстояние между 2 точками в 3-мерном пространстве
Содержание
- Что такое статистика. Предмет. Цели. Составные части.
- Классификация признаков.
- Абсолютные и относительные показатели.
- Способы формирования выборок.
- План статистического наблюдения.
- Виды статистического наблюдения:
- Степенные средние.
- 5 Базовых показателей вариационного ряда.
- Мода и медиана.
- Квартили и квинтили.
- Децили и перцентили.
- Основные показатели изменчивости.
- Простое и взвешенное стандартное отклонение (для выборки и гс).
- Дисперсия.
- Относительные показатели изменчивости
- Основные параметры нормального распределения.
- Асимметрия.
- Эксцесс.
- Классификация гипотез.
- Понятие и классификация критериев проверки гипотез.
- Критерий Розенбаума.
- Правила ранжирования
- Алгоритм 4 Подсчет критерия u Манна-Уитни.
- Критерий χ2 Пирсона.
- Корреляция: цели, виды.
- Надежность коэффициента корреляции.
- Регрессия: цели, виды
- Регрессия: ошибка выбранной математической модели.
- Множественная регрессия.
- Факторный анализ: цели, этапы
- 1 Этап: Построение матрицы попарных корреляций
- Кластерный анализ: цели, Евклидово расстояние.
- Кластерный анализ: методы объединения объектов.
- Кластерный анализ: стандартизация.
- Основные характеристики кластеров.
- Дисперсионный анализ: цели, классификация.
- Однофакторый дисперсионный анализ: основные формулы, область применения.