Многомерный анализ данных методами прикладной статистики

Standardized Canonical Discriminant Function Coefficients (SpreadshoatS in GDA stw) Sigma-restricted patamevetizalion Level of Column Function Effecl Effect 1 2 Intercept 1 o.Dcom 0,00000 Год выпуска 2 2,99947 1,77631 Объем еидеопамнти^мб) 3 -0,50517 1,77679 Оперативная память(гб} 4 -1,35903 1,9656В _У^а(тыс.руб^[ _ 5 3,4B404 -1,03729 Время рабрть! аккумулято^а В 2,23415 •0,55638 Раамер ^^исплвя(^см) 7 0,82938 -1,69859 " В е ^ М " _ 1 В 0,05030^ 0,42332 "Вес(кг)" 2 9 -2,39820 2,08496 "Вес(кг)" : 10 -QJM742 -0,63438 "Becjkr)" 4 11 -2,00329 038652 "Вес(кг)" 6 12 0,33130 0.4D44B Платформа Linux 13 1 ,В270а -0,42396 "Вер(кг)''*Платформа 1 14 D,DOOOa 0,00000 "Вес^кг)"*Платформа 2 I S -0,15107 0,64825 "Вйс(кг)"Платформа 3 i 1B -1,40348 1,70483 "Вес(кг]['"Платформа 17 -2,40S89 -1Л176В. "Вес[кг)"*Платфориа IE ОДОООО ОЛОООО Eigenvalue 31,л'э15г 9,35874' Cum. Prop. 0.77217' 1,шб00- Рис. 2.25. Стандартизованные коэффициенты Получим таблицу исходных коэффициентов. Дискриминаит- ная функция представляет собой линейную комбинацию эффектов с такими коэффициентами, представленными на рис. 2.26. R a w Canonical Discriminant Function CoeflicrBnts (Spreadsheet2 in GDA.slw) Siflma-rsstrictBd paramelerizalion Level of Column Function Funclion i Effecl Effect 1 2 1 Intercept 1 -2815,15 -1653,76 Год выпуска 2 1,40 0,B3 О б ь в м 8ид^е0памяти(м5) 3 -0,00 0,02. Оперативная память(г§ Цена(тыс.р^^6] 4 -1,31 1,90 5 0,48 -0,14 Эремя работы аккумулятоЕ|_а Б 2,55 •0,75 Размер дисплея(см) 7 0,11 -0,23 '^ес(кг)" _ _ 1 8 0,17 1,43 "В0с(кг) 2 9 -5,45 4 / 4 "В8с(кг)" "Вес(кг)" 3 10 -0,01 -1,60 11 -5,3 £ 0 7 4 " Вес (кг)" 5 12 1,58 0 Э 2 Платформа Linux. 13 1,BG •0,42. "Ввс(кг)^^'*Платформа 1 14 0,00 0,00; ""Вес(кг)"*Платформа 2 15 -0,3-1 1,93 "Вв1:(кг)"*Платфориа 3 16 -3,05; 3,71. "Вес(кг)"*Платформа 4 17 -4,41 -1,86 i "Ввс(кг)"*Платформа S 18 0.00^ O.OQ| .31,72j 9,36: j Cunti. Prop. 0,77 1.00 Рис. 2.26. Исходные коэффициенты 65