Главная    Ex Libris    Книги    Журналы    Статьи    Серии    Каталог    Wanted    Загрузка    ХудЛит    Справка    Поиск по индексам    Поиск    Форум   
blank
Авторизация

       
blank
Поиск по указателям

blank
blank
blank
Красота
blank
Айвазян С.А., Бухштабер В.М., Енюков Е.С. — Прикладная статистика. Классификация и снижение размерности
Айвазян С.А., Бухштабер В.М., Енюков Е.С. — Прикладная статистика. Классификация и снижение размерности

Читать книгу
бесплатно

Скачать книгу с нашего сайта нельзя

Обсудите книгу на научном форуме



Нашли опечатку?
Выделите ее мышкой и нажмите Ctrl+Enter


Название: Прикладная статистика. Классификация и снижение размерности

Авторы: Айвазян С.А., Бухштабер В.М., Енюков Е.С.

Аннотация:

Книга логически завершает справочные издания «Прикладная статистика: Основы моделирования и первичная обработка данных» 1983 г.) и «Прикладная статистика: Исследование зависимостей» 1985 г.). Рассматриваются задачи классификации объектов, снижения размерности Большое внимание уделяется разведочному статистическому анализу.
Для специалистов, применяющих методы анализа данных.


Язык: ru

Рубрика: Математика/Вероятность/Статистика и приложения/

Статус предметного указателя: Готов указатель с номерами страниц

ed2k: ed2k stats

Год издания: 1989

Количество страниц: 608

Добавлена в каталог: 21.05.2005

Операции: Положить на полку | Скопировать ссылку для форума | Скопировать ID
blank
Предметный указатель
Автоматическая классификация      7 18 19 143 144
Автоматическая классификация, общая теория      8
Агрегирование (простое) признаков      18
АИС-Хоккит      431
Алгоритм агломеративный      250
Алгоритм дивизимный      250
Алгоритм, движение      228
Алгоритм, интерпретирующий функционал      288
Алгоритм, стабилизируемость      288
Алгоритм, сходимость      288
Анализ данных      9
Анализ соответствий для двухвходовых таблиц сопряженностей      448—455
Анализ соответствий множественный      455—464
Анализ соответствий, вопросы интерпретации      463—464
Анализ соответствий, вычислительная процедура      461—463
Апостериорный математико-постановочный этап исследования      43 46
Аппроксимация функции регрессии на основе ЦП      515
Априорные сведения о модели      34 35
Априорный математико-постановочной этап исследования      42 46
Асимптотика растущей размерности      88—90 93—104 107—108 112
Асимптотика традиционная      89
Байесовское правило классификации      48 78 81—82
Бинарная форма, матрицы данных      455
Бинарные переменные      302
Бхатачарня расстояние      см. «Качества классификации характеристики»
Бюджетные обследования семей      20
Вектор инцидентности вершины графа      273
Визуализация (наглядное представление) данных      32
Визуальное отображение строк и столбцов таблицы сопряженностей      455
Вычислительный этап исследования      43 46
Генерирование на ЭВМ данных      10
Геометрическая и вероятностная природа данных      7
Главная компонента класса      288
Главные компоненты      7 38 116 340
Главные компоненты в задачах классификации      364—371
Главные компоненты, статистические свойства      354—363
Главные компоненты, экстремальные свойства      348—354
Главных компонент метод      334 339—348
Градиент функции на многообразии проекций      548
Граф близости      273
Граф близости на уровне порога      275
Граф иерархии      249
Граф полный      273
Граф связанный      274
Графа k-блок      278
Графа k-клика      278
Графа k-компонента      277 279
Графа k-связка      277
Графа клика      278
Графа компонента      274
Двойное центрирование матрицы расстояний      440
Дендрограмма      144
Дивергенция      см. «Качества классификации характеристики»
Дискриминантный анализ      7 19 83 111—112 123—125
Дискриминантный анализ непараметрический      35
Дискриминантный анализ параметрический      35
Дискриминантный анализ, алгоритм      84—85 90—98 112
Дискриминантный анализ, качество      85 112 125—128
Доля разброса, объясненная классификацией      312
Допустимых преобразований класс      37
Древообразный классификатор      68—71 82
ДСЗ — древообразная структура зависимостей координат вектора      50 59 75—76 96 117—118
Иерархической процедуры классификации      144
Иерархической процедуры классификации агломеративные      155
Иерархия на множестве      249
Иерархия на множестве бинарная      250
Иерархия на множестве индексированная      250
Индексация иерархии      255
Индексация иерархии строгая      255
Интеллектуализация статистического программного обеспечения      7 10 558—562
Информационный этап исследования      42
Использование «обучения» в настройке математических моделей      16
Итоговый этап исследования      43
Канонические дискриминантные направления      314
Качества классификации, характеристики      60—61 69 80 125—126
Качества классификации, характеристики B      67 125
Качества классификации, характеристики d      62—67 81 127—128
Качества классификации, характеристики J      66—67
Качества классификации, характеристики методы      126—127
Квалификация      см. «Оцифровка»
Квалификация динамических траекторий      29
Квалификация как необходимый предварительный этап      24
Квалификация на уровне порога      276
Квалификация объектов      5 13 43 145
Квалификация объектов без учителя      7
Квалификация объектов иерархическая      13
Квалификация объектов с учителем      7
Квалификация, объясняемая через переменные      323
Квалификация, объясняющая переменные      318 319
Класс джокер («не знак», «отказ»)      290
Кластер      313
Кластер-анализ      7
Кластер-анализ, вероятная модификация      146
Кокса факторизация      см. «Риск мгновенный»
Колмогорова — Деева асимптотика      см. «Асимптотика растущей размерности»
Комбинационные группировки      18 27
Компетенции область      73—74
Координантная линия в многообразии проекций      547
Корреляционное отношение      318 319
Корреляционных плеяд метод      415
Коэффициент обучаемости алгоритма      86 128
Критерий автоинформативности      31 36 38 39
Критерий внешней информативности      36 39 40
Критерий информативности      30
Критерий качества классификации      311 318
Критерий качества метод      17 156—162 163
Критерий отношения правдоподобия      47 54 58 118—123
Критерий типа «стресс»      442 444
Критическая граница      51
Критическая область      48
Кульбака расстояние      см. «Качества классификации характеристики»
Кусочно-линейный классификатор      53—55
Лаконичное объяснение природы анализируемых многомерных структур      15
Латентно-структурный анализ      32
Латентные факторы      16 31 421
ЛДФ — линейная дискриминантная функция      см. «Разделяющая гиперплоскость»
Логический классификатор      см. «Древообразный классификатор»
Ложноотрицательных, ложноположительных доля      61
Макроструктура фондов потребления      431 433 434
Математическая статистика      9 10
Матрица Берта      459
Матрица внутриклассового разброса (рассеивания)      305
Матрица попарных сравнений (взаимных расстояний)      15 143
Матрица «объект-свойство»      15 43
Медиана абсолютных отклонений (mad)      502
Метрика      23 148
Метрика адаптивная      304
Метрика Анденберга      303
Метрика взвешенная евклидова      307
Метрика взвешенная типа «сити-блок»      307
Метрика для задач кластер-анализа с неколичественными переменными      302—304
Метрика махаланобисова      304
Метрика махаланобисского типа      148
Метрика «сити-блок» манхэттенская      231
Метрики семейства Махаланобиса      231
Многомерная структура      15
Многомерный статистический анализ      14 44
Многообразие Грассмана      545
Модели структур в данных      473—474
Модель алгоритма      288
Модель алгоритма, корректная      297
Модель алгоритма, корректная усиленно      298
Модель двух дискретных распределений с независимыми блоками      49 59 95—96
Модель двух дискретных распределений с одной и той же древообразной структурой зависимостей      50
Модель двух нормальных распределений с общей ковариационной матрицей      50 61—63 66 75 84 94—96 98—104
Модель двух нормальных распределений с разными ковариационными матрицами      51 67
Модель упорядоченных классов      79—80
Монотонная регрессия      444
Непараметрическое оценивание      118—123
Неполные обучающие выборки      267—268
Неравенство Юнга      542
Носитель плотности      246
Область взаимного поглощения      219
Обучающая информация (выборки)      17 34
Общие факторы (в факторном анализе)      388 400 419
ООК — ожидаемая ошибка классификации      85 128
Оптимизационные (экстремальные) формулировки статистических задач      9 10 17 156 162 163 172—179 180
Основная задача томографии      521
Отбор информативных переменных      74—77 104—109 112
Отбор наиболее информативных показателей      7 30 336 337
Относительный риск      61
Оцифрованное изображение графа иерархии      259
Оцифровка      8 96—98 454—455 457—459 464—471
Ошибка классификации      47 52—53 61 81 85—86 95 128
Ошибка классификации ожидаемая      см. «ООК»
Ошибочной классификации вероятность      56 68
Ошибочной классификации вероятность условная      см. «УОК»
Подвыборка, несмещенная в шаре      222
Подграф F-максимальный      273
Подграф G-полный      274
Подграф k-связанный      277
Покрытие нечеткими классами      240
Постановочный этап исследования      42
Потенциальных функций метод      71—74
Преобразование Радона      531
Признак объясняющий (описательный)      26 28
Признак результирующий      26 27
Прикладная статистика      5 10
Принцип взаимного интереса и симпатии      218
Проблема аддитивной константы      441
Прогноз структуры потребления      24
Программное обеспечение      10 41
Проекционные индексы для выявления аномальных наблюдений      509—512
Проекционные индексы для выявления кластерной структуры      490—496
Проекционные индексы для дискриминантного анализа      502—509
Проекционные индексы Краскала      493
Проекционные индексы типа функционалов от плотностей распределения проекций      496
Проекционные индексы «наивные», для выделения нелинейных структур      514
Проекционные индексы, вычисление градиента      527—528
Проекционные индексы, основанные на моментах третьего и четвертого порядка      492 493
Проекционные индексы, основанные на распределении разностных векторов      494—496
Проекционные индексы, оценка значений      526—527
Проекция евклидовых пространств      530
Проекция евклидовых пространств одномерная      530
Проекция евклидовых пространств ортогональная      530
Проекция распределения      530
Пространство описаний      283
Пространство поведения      21 22
Пространство покрытий      231
Пространство представителей      231
Пространство представительств      231
Пространство состояний      21 282
Профили      449
Профили веса      451
Процедуры классификации параллельные      217
Процедуры классификации последовательные      219
Псевдоразброс      238
Псевдорасстояние      237
Псевдоцентр класса      238
Радиуса коэффициент      см. «Коэффициент обучаемости алгоритма»
Разбиение на нечеткие классы      240
Разброс      см. «Рассеивание»
Разброс размытого множества внутриклассовый      242
Разброс размытого множества относительно точки      241
Разброс размытого множества представителя (ядра)      242
Разведочный статистический анализ      6 7 42 46
Разделяющая гиперплоскость      52—53 58 113—116 129
Размытое подмножество      240
Распределение с R (k)-зависимостью      59 76
Распределение эллипсоидальное      57
Распределение, трансформирумое к нормальному      58—59 118—120
Рассеивание внутриклассовое      305 312
Рассеивание межклассовое      312
Рассеивание общее (полное)      312
Расстояние (мера близости) между классами      153—156
Расстояние (мера близости) между объектами      147—153
Расстояние евклидово      148
Расстояние евклидово взвешенное      149
Расстояние Махаланобиса      см. «Качества классификации характеристики»
Расстояние средней связи      154
Расстояние Хэммннга      149
Расстояние «ближнего соседа»      153
Расстояние «дальнего соседа»      153
Расщепление смесей вероятностных распределений      144
Регуляризация оценки      98—104
Редуктивная мера близости      263
Решето Эратосфена      245
Риск группы      131
Риск индикаторы и факторы      131—132
Риск мгновенный      134—137 142
Сгущение      313
Сжатие массивов      31
Сила влияния фактора      137— 138 142
Симплекс стандартный      294
Скользящего экзамена метод      126—127 130
Смесь генеральных совокупностей      35
Смесь распределений вероятностей      144 182
Снижение размерности исследуемого пространства      5 43 332
Снижение размерности исследуемого пространства, эвристические методы      408—419
Специфичность критерия      61 62—63 81
Среднее обобщенное      154
Среднее степенное      154
Статистика B-инвариантная      545
Статистический разброс выборки относительно множества      221
Статистический разброс разбиения выборки      222
Статистических гипотез различение      35
Статистического моделирования метод      128
Степень вершины графа      273
Структурной минимизации риска метод      109—111
Таблица сопряженностей      448
Теорема Крамера и Волда      532
Теорема о проекциях и сечениях      532
Теорема о связи преобразований Радона и Фурье      532
Теорема Эккарта — Юнга      441
Типологизация потребительского поведения      20
Типологизация связная, неупорядоченная      26 27 45
Типологизация связная, упорядоченная      28 45
Типологизация структурная      28 45
Типообразующие факторы      16 21 31 39
Томографический анализ      8
Томография      520
Томография рентгеновская      520
Точечно-бисериальный коэффициент R      312 313
Тривиальный фактор (набор меток) в анализе соответствий      454 458
УОК — условная вероятность ошибочной классификации      85
Условное расстояние между проекциями компонент смеси      508
Условное расстояние среднее      508
Установочный этап исследования      42
Устойчивые статистические выводы      9
Факторный анализ      7 19 38 234 385—405
Факторный анализ в задачах классификации      405—408
Фишера модель      см. «Модель двух нормальных распределений с общей ковариационной матрицей»
Фишера модель обобщенная      79
Фишера модель, аналог      59 119
Форма задания исходной информации      34
Формула Жамбю      260
Формула Лаиса и Вильямса      260
Функционал относительной энтропии      518
Функционал потенциальный      150
Функционалы качества разбиения на классы      156—179
Функция назначения      232
Функция потерь      54 56—57 69 76—77 86—88 109—111
Функция правдоподобия      47
Функция представительства      231
Функция целевая      422 426
Характерных закономерностей метод поиска      72
Целенаправленное проецирование для оценки метрики      301—302
Целенаправленное проецирование многомерных данных      8 39 487—530
Центр размытого (нечеткого) множества      241
Частично обучающие выборки      309
1 2
blank
Реклама
blank
blank
HR
@Mail.ru
       © Электронная библиотека попечительского совета мехмата МГУ, 2004-2018
Электронная библиотека мехмата МГУ | Valid HTML 4.01! | Valid CSS! О проекте