Многомерный анализ данных методами прикладной статистики

Таблица 2.2 Результаты классификации по обучающей выборке № п/п Рентабельность, % Производительность труда, млн руб./чел. Уровень организации управления производством П 16,3 20,3 Низкий 12 6,2 2,2 Высокий 13 45,3 45,1 Высокий 14 35,4 46,4 Высокий 15 4,6 2,1 Низкий 16 7,2 1,4 Т о же 17 19,4 6,6 . —" _ 18 13,1 3,4 — " — 19 16,5 3,5 — " — Для решения данной задачи существуют два варианта: пер­ вый - провести классификацию на основе дискриминантных функций, второй - на основе классификационных функций. В пер­ вом случае необходимо, не закрывая диалогового окна Discriminant Function Analisis Results, добавить в таблицу исходных скорректи­ рованных данных новые случаи. Чтобы понять, к какому классу относится этот объект, на­ жмите кнопку Posterior probabilities (Апостериорные вероятности). В системе имеется три способа задания априорной вероятности: 1) Proportional to group sizes (Пропорциональные размерам групп); 2) Same for all groups (Одинаковые для всех групп); 3) User defined (Заданные пользователем). После этого увидите таблицу с апостериорными вероятно­ стями (рис. 2.17). К тем группам (классам), которые будут иметь максимальные вероятности, можно отнести новые случаи. Так как расстояние от нового наблюдения до центра групп минимально для класса «Высокий», то с высокой степенью веро­ ятности новый объект относится ко второму классу управления. Во втором варианте необходимо в окне диалогового окна Discriminant Function Aлalisis Results наисать кнопку Classification functions (Классификационные функции). 59