Главная » Просмотр файлов » Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика

Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378), страница 100

Файл №1027378 Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика) 100 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 1002017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 100)

Используя геометрию, задаваемую в 1.; функционалом относительной энтропии несимметричную пифигороеу геометрию инфарми>(ионного уклонения, в терминологии Н. Н. Чепцова !165), можно тем же способом построить проекционный алгоритм восстановления плотности. Определим проектор т из !.>' в Ь; (т) как оператор, ставящий в соответствие плотности ) с К плотность т ()) = ага ппп О()'„гр >1ес "> (~> Оператор т задается формулой т ()).= 1(Х) )(в х,е) которая вытекает из соотношения Н(УХ), Г(Х))=Н Г,(Х),Г(Х) '*("' ' '~+ 7(в х,в,„) / -)-Н(Уч,е„), Г(д, В„)), верного для всех 1, с Е~' (и) и Г 6 ЕР.

Г!ри йомощи операторов т так же, как и в п. 19.8.3, для любой начальной плотности ~„6 ЕГ строится последовательность 16~ )т=тг1чю ", 1п,=т~1т-ь, (19. 63) Цель алгоритма (19.63) — дать в качестве оценки плотности Г", (Х) решение задачи: найти 7(х)=агд ппп Н(Г, ДД.

(19.64) 1Е Ц ь+, ОЮ Пусть ) (Х) сосредоточеновшареО радиуса р. Тогда, взяв в качестве ~, (Х) равномерное распределение 11 (Х; р), получаем Н(Г, Й(Х, р))= ~!оа — ЯХ=~!оаИдХ+сопя( = О и =- сопя( — Н (Д, т. е, в этом случае задача (19.64) сводится к задаче: найти (19.65) Г(Х)= агя шах Нф.

сепг.,+ !~~ Пусть ранг системы векторов 6,, ..., О, т — 1, ..., М, 9 „, 6 йг не меньше р. Без ограничения общности в этом случае можно считать, что матрица 6, составленная из вектор- столбцов О„..., О,„является невырожденной. Тогда, взяв в качестве начального приближения Д„(Х) = П 1' (Э; Х, 1 0,) ! де% (, получаем: Н(Г, Д)= — Н()) — 1оя(де!44!+ ч,', Н()~(У, 8~)) с=! е. Н (Г, ~ч) = — Н (Г) + сопя! для любой плотности ) 6 Е~+ (т). Следовательно, н в этом случае задача (19.64) 525 сводится к задаче (19.65), цо теперь у ке без дополнительного предположения о том, что ~„(Х) сосредоточено в шаре х), Из (!9.63) следует Н()„„)„,,) Ц(),(у, 0„,), 7.,(р, 0„)). Таким образом, как и в и.

19.8.:5, можно использовать аргументы целенаправленного проецирования дли модификации алгоритма. Поло ким Ф (0м, () — -- Н (), (у, 0 ), / (у, 0 )). (!9.66) Пусть уже построены нрибли кении /ч, )„, ), Взяв функционал Ф (О, ~ь) в качестве критерии выразительности проекции ( (у, 0 ) относительно нриближения )„, найдем т(й) — агйп~ахФ(0„, )„) ця~р .н Некоторые вопросы вычислительной реализации и практические приемы целенаправленного проецирования 19.9. 19.9.1. Вычислительные процедуры.

Для части ПИ вычисли. тельные процедуры рассмотрены в соответствующих параграфах (см. ~ 19.5, 19.7, !9.8) Здесь же остановимся на ПИ тина, рассмотрешюго в 4 19.4. Дли реализации вычислительной процедуры, когда задана выборка Х<">, необходимо уметь вычислить оценку ПИ (см, 4 !9.4) для любой проекции но выборке и градиент или матрицу вторых производных от этой оценки. Оценка значения НИ. Возможно несколько способов оценки функционалов вида, рассмотренного в $ 19.4, от плотности проекций г = (У'Х. Во-первых, можно несколькими слособами ненараметрически оценить саму нлотность (ядерная оценка, оценка но методу А-ближайших соседей, и зададим следующее приближение формулой („э, (Х) =. = т „,, )„(Х). 3 а м е ч а н н е.

Если использовать функционал (19,66) в разведочном анализе для нахо кдепия наиболее выразительных проекций данной выборки Хьв - (Х,, Х„) среди всех проекций (О,'„Х, 0;„Х„), где 0„, пробегает фиксированный список направлений, а именно так и бываеч при численной реализации ал~оригмов ЦП, то видно, что в этом случае алгоритм оценки плотности, данный в п. 19.8.1, совпадает с только ч~о рассмотренным модифицированным а.чгоритмом. гйстогрял>миан оценка и т.д.) и затем оценить сал> функциона>(11641.

Другой метод основан ня использовании так назывцел>ых царь-статпстик 1208, 3261. Этот подход и будет далее расслютрен. Пусть г; =- (Г7 Х>) (> =- 1, н) — проекции векторов из выборки на вектор К а го>, ..., го,> — соответствующие порядковые статистики (вариационный ряд: слк, например, 1111). Образуел> дара-статистики вида (19. 67) 'з> „— — гн ~ о> — — - ао >> ~ где (с з г)- = ппп (и, > -(- г); (> — г)" =- шях (1, > — г), г — целое число (г( и!2). Можно показать, что сумма (19.68) является оценкой для Е,га(г).

Оценка (!9.68) асимптотически нормальна и состоятельна прп некогорыл условиях на скорость роста г с ростом объема выборки и. Вели шна окна г играет рош, аналогичную роли параметра сг.шжпванпя для ядерпых оценок или числа соседей для оценки по л>етоду )г-ближайших соседей.

Как ) же ) казывялось, она должна во>растать с ростом и. Неко>орь>е соображения о выборе значения г на практике приведены ниже. Окончательной оценкой ПИ (19.4) будет О((7, Х'" ) —.— .ля Еа,. (! 9.69) Дальше, поскольку ПИ (!9.69) афинноинварианшн, бу. дем считать, что предварительно перешли к л>ахаланобисовой метрике. Это дает след) ющее препму>цество -- условие 5 -ортогональности в лемме 19.1 заменяется обычной оргогональносгью и, кроме того, облегчает аналитическое вычисление направ:>ения градиента для (19.69).

Вычис»ение градиента. Градиент ПИ (19.Г>9) получается прямым дифференцированием О (О, Х'">) по сг. Прн этом нужно учесть, что направление градиента должно быть ортогонально вектору С'. Так как производная от э(> по (/ дает только составляющую, параллельную У, то направление градиента будет совпадать с направлением ортогональной к (У составляющей дЕа,(дс): пгаг( ф((l, Хпп) ОггТи (дЕа. гlдУ) 5227 Выражение же для (дЕв,,(д0): / в М,,,(аи= (' — '! ( В) ~ Л;,1 — (Хн+„— Хн,>,), ~ Р) «=з (19.70) где Х!и — вектор из выборки Х<">.

проекция которого дает 1-ю порядковую статистику, т. е, гш -— — ГХ01 Зная направление градиенза, можно геперь строить различные оптимизационные процедуры. 19.9.2. Практические рекомендации при проведении ЦП, Выбор величины окна г. При программной реализации управление значением згого параметра должно быть в той или иной степени доступно пользователю. Оптимальное значение параметра г зависит от объема выборки а, параметра (1 и неизвестной функции плотности распределения ломнонентов смеси.

В реальной ситуации, когда модель (19.2) может выполняться лишь приближенно, теоретический выбор еще более затруднен. Имеется лишь некоторое предварительное впечатление для величины г, получен«юе на основе статистического моделирования с использованием смесей нормальных распределений. Так, при и = !00 диапазон «удачныхэ значений г будет 5 — 15, при и = 200 — 10 — 30. Впрочем, влияние величины г не слишком значительно.

Все же рекомендуется провести вычисления с разными значениями г. Это позволяет увеличить и вероятность попадания в глобальный максимум функции (19.69). Переход к махаланобисовой метрике. Как указано в и. !9.9.1, целесообразно перейти перед проведением ЦП к махаланобисовой метрике, так чтобы общая ковариационная матрица выборки стала единичной ($ = 1„). Это позволяет использовать обычное условие ортогональности вместо 3-ортогональности.

В программе, реализуюгцей ЦП, при использовании ПИ вида (19.4) такой переход должен делаться принудительно, без участия пользователя. Сокращение размерности перед использованием процедур ЦП. Процедуры ЦП целесообразно сочетать с предварительным сокращением размерности но методу главных компонент. Необходимо удалить компоненты с малой дисперсией — подпространство, где отсутствует разброс точек, не может содержать какой-либо структуры. Контроль за количеством отбрасываемых компонент может осуществляться как пользователем, так и самой программой. Как и при выборе параметра сглаживания, имеет смысл провести несколько отсчетов с разным количеством отброшенных главных компонент. Подавление влияния аномальных наблюдений.

Эти наблюдения сильно влияют на результаты ЦП практически при использовании любых ПИ Так, при наличии аномальных наблюдений проекции, получаемые с использованием ПИ (!9.4), в основном будут выделять эти аномальные наблюдения, но не кластеры. Поэтому целесообразно сначала провести ЦП для выделения аномальных наблюдений с помощью простой процедуры из 9 19.5. Там же будут получены веса ю, для каждого из наблюдений Х; (см.

пример 19.3). Дальше можно либо отбросить долю ц наблюдений с минимальным весом (эта доля может иметь стандартное значение сс= -- 0,05 либо задаваться пользователем), либо перейти к взвешенной оценке ПИ. Например, для ПИ (19.4) можно заменить оценку (!9.68) на (19. 71) л / И использовать устойчивую оценку дисперсии з'. Соответственно меняется и градиент.

Сглаживание. В реальной практике распределения часто либо дискретны, либо содержат дискретную составляющую. Чтобы избежать вычислительных трудностей, связанных с тем, что величина Л„, (19.67) обращается в нуль, можно использовать сглаженную величину А; „=- Л; „+ б, где б есть, например, б= 7 (г,„м — гов)/л, а 7 — малая величина порядка 0,01. выводы 1.

Техника ЦП основана на поиске небольшого числа д выразительных (информативных, интересных) линейных проекций исходных р-мерных данных (р )) д) из условия максимизации некоторых функционалов (проекционных индексов). ПИ подбираются таким обраюм, чтобы в спроецированных данных сохранялась вся информация о структуре исходных многомерных данных. 2. Полученные проекции могут быть использованы либо для визуального анализа структур (еслибы ) 3), либо производится агрегирование содержащейся в них информации для восстановления поверхности регрессии (см.

419.7) плотности распределения (см. 4 19.8). 3. ПИ для поиска выразительных проекций конструируются на одном из следующих принципов: как мера отклонения от нормального распределения, как мера отклонения от ги- потезы независимости (см. $' 19.6, 19.7), как ПИ, максимизация которых порождает базис в дискриминантном подпространстве (см. з 19.2). 4.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6367
Авторов
на СтудИзбе
309
Средний доход
с одного платного файла
Обучение Подробнее