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 12

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) 12 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 122017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 12)

Разделяющая поверхность в этом случае является кусочно-линейной, состоящей из кусков гиперплоскостей. Вид разделяющей поверхности может быть разнообразным и зависит от взаимного расположения классифицируемых совокупностей (рис. 1.2). Статистические вопросы, связанные с применением к моделям (!.28) описанного выше кусочно-линейного классификатора, исследовались в (168, 169).

1.1.4. Функция потерь. В предшествующих томах справочного издания !11, 12! уже неоднократно сталкивались с методическим приемом, когда для характеристики решения некоторой статистической задачи вводится подходящая функция потерь Я, а наилучшее (в смысле (/) решение определяется как решение, на котором при заданных ограничениях достигается минимум (1. Укажем основные функции потерь, ис- ннцз риги нкид АЙ Рнс 1.2.

Разделяющая поверхность кусочно-линейного класснфнкатора по миннмуму расстояння для трех случаен расположеняя классов пользуемые в задаче классификации двух статистических распределений, Вероятность ошибочной клаоси4икации (6). Пусть, как в п. 1.1.1, и! — априорная вероятность гипотезы Нх(/ = =- 1, 2), тогда 6 = Р (ошибка) = ~Р и! Р (ошибка 1 Н/) = и, !х+ пь (). (1.31) т=! Ввиду важности введенного понятия дадим его параллельное определение. Пусть у =- 1 в случае, когда верна гипотеза Н; (1' =- 1, 2), и у (Х) — решающая функция, которая тоже принимает два значения: у (Х) = 1, когда принимается гипотеза Нв тогда 6 может быть определена так же, как 6 = Е (д — !/ (Х))', (1.31') где математическое ожидание берется с учетом априорного распределения гипотез. Частный случай формулы (1.31), получаемый при пт = -= 0,5, дает полусумму ошибок (а + Я/2.

Как увидим в следующем параграфе, эта величина является удобной мерой разделения статистических совокупностей в случае модели Фишера. Нз практике ошибки первого и второго рода не всегда эквивалентны. Так, например, при диспансеризации населения пропуск возможного заболевания более опасен, чем ложная тревога. Так возникает взвешенная ошибка классификации (1.32) Я=с,п,!х+сзпх(), где с! — штраф за ошибку, когда верна гипотеза Не (1 = = 1, 2). Пусть у ну (Х) определены как выше и пусть О О д „,= о,.

если у — у(Х)= '1, С' 1 тогда по аналогии с (1.31') Я=Ед„, „(Х). (1.32') С точностью до постоянного множителя (1.32) эквивалентно (1.31), но с другим априорным распределением и'; = = срхе/ рс!пи /=! На практике используются также функции потерь, за- висящие не только от у него оценки у(Х), но и от условной вероятности Р (у = у!Х) (2381. Потому что одно дело — до- пустить ошибку там, где сомневаешься в ответе, другое там, где уверен. Простейшая функция потерь, завися- щая от условной вероятности, имеет вид: ! (1 Ь(Х) .а, у=2, 1 й(Х)( — а, у=1, 1 —, если — а<А(Х)<Л— а (х)+о у(у, у (Х), й(Х)) =- 1+ а — уХ(й(Х)<а, у=2, Л О в остальных случаях, где О( а( Ь -- некоторые постоянные, а Ь(Х) == =!п (п,Р(у = 2!Х)~п,р(у = 1!Х)). 1.1.5.

Другие многомерные распределения. В теоретиче- ских и прикладных работах по классификации использует- ся ряд многомерных распределений, в различных направле- ниях обобщающих многомерное нормальное распределение и его частные случаи. Укажем наиболее важные из них. Эллипсоидальные распределения. Пусть $ ~ Яе равно- мерно распределено на р-мерной сфере Ср — — - (Х: ХгХ=р); т! — неотрицательная случайная величина, не зависягцая от $ и имеющая строго возрастающую функцию распределения Р (и) такую, что ) и'Р (ди) =- 1; А ~ Яэ;  — матрица невырожденного линейного преобразования Ке и 2 =- = ВВ', Будем говорить, что случайная величина ~=-и Вй+А (1.33) имеет эллшюоидальное распределение Е1 (А, Х, Р).

Осно- ванием для названия служит то, что, как и для нормального распределения, на концентрических зллипсоидах вида (Х вЂ” А)' Х '(Х вЂ” А) = сопз1, (1.34) где А = Еь и л. = Е (ь — А)(ь — А)', плотность распреде- ления ь постоянна. В частном случае, когда рп' имеет 2'-распределение с р степенями свободы, распределение ь совпадает с нормальным Ж (А, 2). Это обстоятельство ис- пользуется при статистическом моделировании случайных величин $. Так, если Ь с Ж (О, 1„), то $ = 1'р ~~(Ь'Ь)це равномерно распределено на Ср бт В модели независимых выборок из Е! (М, Х, Р,) и Е! (М„Х, Р«) при дополнительном предположении существования плотностей /! (и) = «!Р! (и)/«(и отношение правдоподобия имеет вид: у(Х) = !;л/ь(!а)/(!,-'~! (!!)), где /т==(Х вЂ” М!)' Х-'(Х вЂ” М!), !=1, 2.

Откуда при /«(и) == /! (и) = /(и) в случае, когда и! е х х /(и«)/(и-,л/(и!)) — монотонная функция разности и,' — и', общий вид классификатора максимального правдоподобия такой же, что и в (1.12). Сохраняется также и способ нахождения наилучшей разделяющей плоскости в модели независимых выборок из Е! (М„Х„Р„) и Е! (Мю Х„Р,), М,~ М„ Х, 4 Х, (см. п. 1.!.3 и (25)). Распределения, трансформируемые к нормальному.

Пусть координаты вектора " ь= Д««, ..., с«е!)' имеют непрерывные одномерные функции распределения Р! (и) = = Р(„"и! . и) с плотностями соответственно /! (и) =- =- 4Р (и)/«!и (! == 1, ..., р). Будем говорить, что ь имеет трансформируемое к нормальному (короче, Т-нормальное) распределение /т"Т(Х, Х, Г), где Х вЂ” (рхр)-неотрицательно определенная матрица, а Р' (Х) =-(Р, (л«'!), ..., Рр (х«л!))— вектор-функция одномерных распределений Х, если Ф-1(Р (1«!!)) й=Ф-'Р(Р = .......

Рй/(О„, Х), Ф-! (Рр К«ю)) где Ф-' — функция, обратная Ф(и) = (2п) '/' ) ехр ( — «Р/ Ю /2) «Ь. Введем р одномерных функций !! (и) = Р/ ' (Ф (и)), тогда Т-нормальное распределение можно также определить как распределение вектора ь =- (!, ($««!), ..., !р ($«е!))', где $ == ($«««,..., з«е!) ь /«/ (О, Х). Обозначим плотность Т-нормального распределения «рТ (Х, Х, Г). Предположим, что (Х( ч6 О, и пусть /«л! (Х)= = П /! (хнт) н «/(Х, Х, Р) = (Х 1 — '/' ехр ( — (Ф-«(Г (Х)))' х «=.! х(Х-' — 1р) (Ф-' (Р (Х)))/2), то«да рт(Х, Х, Р) =д(Х, Х, Р).)«л! (Х).

(1.35) Пусть $„..., $„— независимая выборка объема н из /«/Т (Х, Г), Цн — «-я координата й-го наблюдения, г; (й)— веранг в вариационном ряду 1-х координат $<о (1)( ... ~ Ц«! ()) < ... ~ $<<) (и) К(п)=Цг<(й) Ц вЂ” (рхп)-матрица рангов и Е (и) = !1 4«> (!)!! — (р хи)-матрица вариационных рядов. Замечательная особенность Т-нормальных распределений заключается в том, что для оценки Г надо использовать только матрицу Е (и), а для оценки Š— только матрицу К(«) 1! 94). Сформулированные выше модели выборок из нормальных распределений обобщаются на случай Т-нормальных распределений. Так, аналог модели Фишера (см. п. !.1.2) формулируется: даны две независимых выборки из г(Т (Х, Г,) и !УТ (Х, Г,), при атом известно, что для всех Х Ф вЂ” '(Г,(Х))=<!У вЂ” '(Г,(Х))+(., где й = (!<'<, ..., Вю)' — некоторый ненулевой вектор, и матрица м' положительно определена. Расе.ределения с простой структурой связей между признаками.

С простейшей моделью дискретных распределений с признаками, имеющимн древообразпую структуру зависимостей, познакомились в п. 1.1.2. Эта модель, естественно, может быть усилена предположением, что признаки имеют !с (й)-распределение [12, з 4.41. Однако без дополнительных предположений общий вид у (Х) для й ) 1 слишком сложен. Вместе с тем предположение о Я (я)-зависимости признаков для нормальных распределений позволяет заметно уменьшить число параметров, от которых зависит ковариационная матрица, и зто дает существенный выигрыш в ряде задач (см. пп.

1.4.1, 2.3.1 и 2.3.3). Другое обобщение моделей с независимыми признаками — это параметрические модели, в которых вектор параметров е< н вектор наблюдений Х могут быть так разбиты на й взаимно непересекающихся подмножеств сг' = (тт<'>',..., 9<и') и Х'.=(Х«!', ..., Х<м'), что плотность (1.36) Распределения, удовлетворяющие (1.36), будем называть распределениями е неэаеиеих<ыми блоками. Они широко используются в теоретических исследованиях (см. пп.

2.3.2 и 2.5.3). 1.2. Характеристики качества классификации Как уже выше сказано, с математической точки зрения задача классификации наблюдения Х водно из двух известных распределений Рз (1' = 1, 2) сводится к проверке простой гипотезы «Х принадлежит г",» (или, короче, «Х ~ г,») против простой альтернативы «Х принадлежит г"»». Известно [11, 2 9.2 — -9.4), что качество решения в этом случае описывается ошибками первого и второго рода. Однако ввиду высокой содержательной важности рассматриваемой задачи на практике используются более сложные формы заключений, такие, например, как трехградациоиное решение «Х с г«», «отказ от классификаций», «ХЕ г«» или указание условной вероятности Р (Х Е г, ~ Х). Соответственно видоизменяются и показатели качества классификации.

В общем случае статистический критерий классификации может быть представленвформе т(Х) 'с, где т — известная функция Х, ас — порог критерия. При изложении материала этого параграфа наряду с нейтральной математической терминологией будет использоваться терминология, «окрашенная» спецификой конкретных приложений.

1.2.1. Случай простого правила. Будем для удобства называть объекты первой совокупности «случаями» (случай брака, случай заболевания и т. п.), а объекты второй совокупности — «ие-случаями». Пусть далее принимается гипотеза, что объект с характеристикой Х является случаем, если Т (Х) ( с с, и гипотеза, что объект является не-случаем.

если Т(Х) >с. Результаты классификации изучаемой группы объектов удобно представить в виде табл. 1.1, в которой указано число объектов, удовлетворяющих условиям, наложенным на соответствующие строки и столбцы. Таблица гд В практической (особенно медицинской) работе широко используют следующие характеристики, получаемые с помощью чисел, определенных в табл.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий 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
6390
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее