Лекции     Книги     Рефераты    
Диплом, курсовая на заказ

Каталог / Гуманитарные / Социология

Случайный реферат

Метод главных компонент

КУПИТЬ РАБОТУ
( 500 руб. )

Общая информация

Автор: www.zaochnik.com
Вуз (город): Москва
Количество страниц: 19
Год сдачи: 2006
Стоимость: 500 руб. [ КУПИТЬ ]

Содержание

1. Метод главных компоненте 2
2. Многомерное нормальное распределение 4
3. Метод Фаддеева 9
4. Квадратичные формы 14
Список литературы 19

Список литературы

1 Сошникова Л.А., Тамашевич В.Н., Шебер М. Многомерный статистический анализ в экономике: Учеб. Пособие для вузов/Под ред. проф. Тамашевича. М.: ЮНИТИ-ДАНА, 1999.
2 Колодий Н. А. Многомерный статистический анализ/ Волгоград 2005
3 Мазепа Е.А Факторный анализ/ Волгоград 2006

Выдержка из работы

1. Метод главных компоненте

Решение задачи методом главных компонент сводится к поэтапному преобразованию матрицы исходных данных X (рисунок 1.1):
Рис. 1.1 Схема математических преобразований

На рисунке обозначено: X матрица исходных данных размерностью n*m (n число объектов наблюдения, m число элементарных аналитических признаков); Z матрица центрированных и нормированных значений признаков, элементы матрицы вычисляют по формуле: ; R матрица парных корреляций: R = (1/n)*Z*Z.
Если предварительнаястандартизация данных не проводилась, то на данном шаге получают матрицу S = (1/n)*X*X, элементы матрицы X для расчета будут центрированными величинами.
Опишем дальнейшие шаги вычислений для метода главных компонент и объясним математический смысл полученных результатов.
Λ диагональная матрица собственных (характеристических) чисел.
Множество решений λj находят решением характеристического уравнения |R - λE| = 0. λj это характеристики вариации, точнее, показатели дисперсии каждой главной компоненты. Суммарное значение Σλj равно сумме дисперсий элементарных признаков Xj. При условии стандартизации исходных данных, эта сумма равна числу элементарных признаков m.
Решив характеристическое уравнение, находят его корни λj. После этого вычисляют собственные векторы матрицы R. Реально это означает решение m систем линейных уравнений для каждого λj при j = 1..m. В общем виде система имеет вид:

Приведенная система объединяет однородные линейные уравнения, и так как число ее уравнений равно числу неизвестных, она имеет бесконечное множество решений. Конкретные значения собственных векторов при этом можно найти, задавая произвольно по крайней мере величину одной компоненты каждого вектора.
A матрица факторного отображения, ее элементы arj весовые коэффициенты. Вначале A имеет размерность m*m по числу элементарных признаков Xj, затем в анализе остается r наиболее значимых компонент, r ≤ m. Вычисляют матрицу A по известным данным матрицы собственных чисел Λ и нормированных собственных векторов V по формуле A = VΛ1/2.
F матрица значений главных компонент размерностью r*n, F = A-1Z. Эта матрица в общем виде записывается:

2. Многомерное нормальное распределение

Говорят, что набор случайных величин имеет многомерное нормальное распределение, если найдутся вещественный вектор , невырожденная вещественная -матрица и набор независимых стандартных нормальных случайных величин такие, что
Для многомерного нормального распределения часто употребляют синонимичное название многомерное гауссовское распределение.
Соотношения (2) записываются более компактно, если воспользоваться матричной формой:
© 2009 - 2010 | Webteach.ru | Образовательный портал