Card | Table | RUSMARC | |
Винюков, И.А. Многомерные статистические методы = Multivariate statistical methods. Tutorial: Учебное пособие / И.А. Винюков; Финуниверситет, Каф. "Математика-1". — М.: Финуниверситет, 2014. — 192 с. — Свободный доступ из сети Интернет (чтение, печать). — <URL:http://elib.fa.ru/fbook/vinyukov_stat_metod.pdf>.Record create date: 1/30/2015 Subject: внутривузовские издания; учебные пособия; авторы ФА; РФ; рецензенты ФА; Мелехина Т.Л.; математические методы; многомерный статистический анализ; прикладная математика; математика; корреляционный анализ; регрессионный анализ; компонентный анализ; факторный анализ; классификация; дискриминантный анализ; кластерный анализ; бакалавриат; магистратура; учебные издания; юбилеи; 95 лет UDC: 51 Allowed Actions: Read Group: Anonymous Network: Internet |
Table of Contents
- Глава 1. Корреляционный анализ
- 1.1. Основные предположения корреляционного анализа
- 1.2. Определение и свойства коэффициентов корреляции
- 1.3. Значимость коэффициентов корреляции
- Вопросы и задания для самостоятельной работы
- Глава 2. Регрессионный анализ
- 2.1. Основные предположения регрессионного анализа
- 2.2. Множественная линейная модель регрессионного анализа
- 2.3. Значимость уравнения регрессии
- 2.4. Интервальные оценки параметров регрессии
- 2.5. Мультиколлинеарность
- Вопросы и задания для самостоятельной работы
- Глава 3. Компонентный анализ
- 3.1. Основные понятия компонентного анализа
- 3.2. Модель компонентного анализа
- 3.3. Свойства элементов модели главных компонент
- Вопросы и задания для самостоятельной работы
- Глава 4. Факторный анализ
- 4.1. Сущность модели факторного анализа
- 4.2. Общий вид линейной модели, ее связь с главными компонентами
- 4.3. Основные задачи (проблемы) факторного анализа
- 4.4. Идентификация модели факторного анализа
- 4.5. Статистическое исследование модели факторного анализа
- 4.5.1. Варианты дополнительных априорных соотношений между qjr и νjj, постулируемых в целях однозначной идентификации анализируемой модели
- 4.5.2. Общий итерационный подход к выявлению структуры модели факторного анализа
- 4.5.3. Статистическое оценивание факторных нагрузок и остаточных дисперсий
- 4.5.4. Оценка значений общих факторов
- 4.5.5. Статистическая проверка гипотез
- Глава 5. Реализация этапов факторного анализа
- 5.1. Основная модель факторного анализа
- 5.2. Компоненты дисперсии в факторном анализе
- 5.3. Получение матрицы коэффициентов парной корреляции и ее преобразование в факторном анализе
- 5.4. Корреляционная матрица Rh с общностями на главной диагонали
- 5.5. Факторное отображение и факторная структура
- 5.6. Пространство общих факторов и полное факторное пространство
- Вопросы и задания для самостоятельной работы
- Глава 6. Распознавание образов и типология объектов (методы классификации)
- 6.1. Сущность, типологизация и прикладная направленность задач классификации объектов
- 6.2. Примеры задач классификации
- Глава 7. Классификация при наличии обучающих выборок (дискриминантный анализ)
- 7.1. Класс как генеральная совокупность и базовая идея вероятностно-статистических методов классификации
- 7.2. Функции потерь и вероятности неправильной классификации
- 7.3. Принципиальное решение общей задачи построения оптимальных (байесовских) процедур классификации
- 7.4. Параметрический дискриминантный анализ в случае нормальных классов
- 7.5. Дискриминантный анализ деятельности акционерного общества
- Вопросы и задания для самостоятельной работы
- Глава 8. Кластерный анализ
- 8.1. Основные понятия кластерного анализа
- 8.2. Расстояние между объектами (кластерами) и мера близости
- 8.3. Функционалы качества разбиения
- 8.4. Иерархические кластер-процедуры
- Вопросы и задания для самостоятельной работы
- Глава 9. Метод канонических корреляций
- 9.1. Сущность и теоретические основы метода
- 9.2. Вычисления канонических корреляций
- 9.3. Оценка значимости канонических корреляций
- 9.4. Экономическая интерпретация результатов канонического анализа
- Вопросы и задания для самостоятельной работы
- Литература
- Приложения
Usage statistics
Access count: 1118
Last 30 days: 29 Detailed usage statistics |