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 19

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) 19 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 192017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 19)

Когда существование феномена установлено, проводится теоретическое исследование, чтобы на простейших математических моделях как в обычной асимптотике, так и в асимптотике растущей размерности Колмогорова — Деева понять его действующие механизмы и дать их асимптотическое количественное описание. На этой стадии обычно не удается получить ни оценок скорости достижения асимптотических утверждений в изучаемых крайне идеализированных моде.шх, ни границ их применимости.

Поэтому необходимо повторное применение метода статистического моделирования, но на этот раз уже с учетом качественного и количественного понимания, достигнутого на простейших моделях. Окончательная проверка полученных рекомендаций проводится на реальных данных. Состояниетеоретических исследований в различных задачах статистической классификации описывается в последующих параграфах настоящей ~лавы. Однако, прежде чем переходить к ним, необходимо отметить, что главноенеизвестное любой статистической модели — это состояние природы. Поэтому для конкретных областей применения классификации, с точки зрения прикладной статистики„задачей номер один является накопление примеров эффективного применения конкретных моделей, методов, упрощающих предположений.

2.3. Подстановочные алгоритмы в асимптотике растущей размерности Как уже сказано в п. 2д.!, подстановочным (р!нд4п) алгоритмом называют метод построения правила классификации, при котором неизвестные в отношении правдоподобия параметры распределений 6 заменяют их оценками максималь- 93 ного правдоподобия 6. При минимальных требованиях к плотности распределений подстановочные алгоритмы в традиционной асимптотике асимптотически подобны н у(с) состоятельны. Как следует из формулы (2.13), положение в случае асимптотики растущей размерности сложнее. Здесь уже многое зависит от того, как оцениваются параметры и насколько эффективно используются упрощающие предположения. 2.3.1. Модель Фишера в асимптотике (2.9).

Базовое предположение (2.9) дополним условием, что Ур (Ма М1) Х 1 (Мр Мт) Р 1 ( оо (2.14) т. е. что расстояние Махаланобиса между распределениями стремится к конечному пределу. Рассмотрим сначала случай, когда Х известно (см. п. 1.1.2). Согласно (1.12) подстановочное правило классификации имеет вид: й(Х)=(Х вЂ” (Х +Ха)72)' 2 '(Х вЂ” Х,) с, (2.15) где и, =(М, — (Х,+Хд72)' Х- (Х вЂ” Хт), (2.17) пт = 0 (Х' Е т (Х вЂ” Х ) $ Н„И"„) = (Ха— — х,) 2-'(х,— х1). 12.18) Аналогично Р(Н11Нм Ф ) =Ф((с — ар)/о), где аз = (Ма — (Х,+ Хз)/2)' Х-' (Ха — Хт), (2.18') (2.19) В предположениях (2.9), (2.14) с ростом объема обучающей выборки а„а„Ф сближаются со своими математическими ожиданиями и стремятся соответственно к пределам а,-р — У/2+( — )и+ Дз)/2, (2.20) где Х„Х, — обычные выбопочные средние для обучающих выборок из первой и второй совокупностей. Предположим для определенности, что Х извлечено из первой совокупности, и найдем условную вероятность ошибки классификации по правилу(2.15) при фиксированной обучающей выборке Р (Нз ( Н» Фт„) = 1 — Ф ((с — а,)/и), (2.16) Таблица 22 1,52 1,зо 1,14 1,06 1,03 1,01 1,00 18,85 5,78 2,45 1,44 1,20 1,!0 1,04 1!3,!4 !6,59 4,!2 1,77 1,30 1,16 1,06 1,49 1,3! 1.!7 1,07 1,04 1,02 1,0! 1,52 1,30 1,06 1,03 1,02 1,01 3,35 2,!О 1 б! 1,19 1,09 1,Об 1,02 а — -- О,бр л =р а.=.2р а — -5р а -!Ор а-:-20р а-:= 50р 2.3.2.

Распределения с независимыми блоками. Эти распределения введены в п.1.1.5. Они служат простейшей мо- аа-а.,)/2+( — Х,+ Х,)/2, (2.2!) оа — +- /+ ) ! + ).. (2.22) Из (2.20) — (2.22) видно, что асимптотическое значение сгмипимаксной ошибки классификации достигаегся при равных асимптотических ошибках первого и второго рода, т. е. при с- (Ха — Хт)~2, и са -~- Ф ( — У/2 ),/ 1- Х~ + )"а ) . (2.23) В проведенном выше рассуждении сразу от условной ошибки классификации перешли к асимптотической ошибке, не вычисляя в качестве промежуточного этапа ожидаемую ошибку классификации. Общая модель с матрицей Х, оцениваемой по выборочным данным, была изучена А.

Д. Деевым !55!. В предположении, что Х~ '+ ).:' ) 1, он показал, что для подсгановочного правила минимаксная ошибка классификации сг — ~Ф ( — 2 (1 — Х, Х,/(Х, +Хе)) !гз(2 1,7+ Х, + Ц ) (2 24) Как видно из сравнения формул (2.23) и (2.24), цена (в терминах и), которую приходится платить за р (р -1- !)!2 неизвестных параметров общей ковариационной матрицы, достаточно высока. Как уже сказано в п.

2.2.1, формулы Деева дают хорошую аппроксимацию даже при умеренных объемах обучающих выборок В этом можно убедиться непосредственно, сравнив данные табл. 2.! и 2.2. В табл. 2.2 приведены аснмптотические значения х,„= ЕР„,1Р для линейной дискриминантной функции, полученные по формуле (2.23), когда матрица известна, и (2.24) — в общем случае прн н,=на=05, делью негауссовских распределений.

Добавим к базовым предположениям (2.9) предположения, что размерность векторов Х<» и с><» в блоках ограничена р>, п>)(с(оо; (2.25) что значения соответствующих параметров в классифицируемых распределениях сближаются друг с другом: ~ 0~и> — 9<>п ~ ( с)'к'и, (2.26) н что суммарное расстояние между распределениями стремится к конечному пределу т,()-,7(с( оо, (2.27) где Ут = .о (9<'> — 9<'>) 1>, (0>)(0<,'> — 8<'>) и суммирова<,* ние проводится по всем 1, з, принадлежащим 1-му блоку; д>п((Х, 6) д>п((Х, 9) 111„,(6)/~ = ~! ) <„° <„~(Х, 6) р(<(Х)11 — информационная матрица Фишера 112, 9 8.2 — 8.31.

При выполнении условий (2.9), (2.25) — (2.27) и некоторых дополнительных условий регулярности в 11091 показано, что для подстановочного алгоритма справедлива формула (2.23). Более того, если в)-м блоке имеютсЯ тт Различающих и (т неизвестных, но общих обоим распределениям параметров, причем 1> ( с ( оо, и одна и та же оценка общих параметров подставляется в обе плотности, то (2.23) также имеет место.

Другими словами, О (р) общих параметров не ухудшают асимптотические свойства подстановочного алгоритма. Можно надеяться, что и в задаче фишера в случае, когда л зависит только от ср параметров и при оценке этот факт учитывается, (2.23) также будет справедлива. Эту гипотезу удалось доказать в случае древообразных распределений. 2.3.3. Модель Фищера в случае древообразных распределений. Если при древообразных (ДСЗ) распределениях с известной структурой зависимостей оценку Х проводить не по общей схеме, а с учетом структуры зависимостей, как указано в (12, п.

4.2.31, то согласно 177, 781 асимптотическая минимаксная ошибка модернизировашюго классификатора будет не(2.24), а (2.23), т. е. существенно меньше, Более того, известно, что при минимальных дополнительных предположениях древообразная структура зависимостей восстанавливается в асимптотике Колмогорова — Деева с точностью до несущественных связей с вероятностью 1 [12, и.

4.3 3 и 4,3.41, 2.3.4. Оцифровка градаций качественных переменных. Если в исследовании встречаются качественные переменные„ то для применения к ним общих линейных моделей дискриминантного анализа их градациям часто приписывают численные значения-метки и далее работают с этими оцифрованными переменными как с обычными числами.

При этом используются две стратегии: первая (универсальная) состоит в том, что каждая градация качественной переменной выделяется в новую двоичную переменную, принимающую два значения: О, если градация не осуществилась, и 1, если осуществилась (11, п. 10.2.4); вторая стратегия применяется тогда, когда качественные градации можно рассмат- !1 /2 !3 Рис.

2.2. Граиицы кваитоваиии и плотиости распределеиий в задаче об оцифровке качествеииых переиеииых ривать как результат квантования некоторой непрерывной случайной величины (ее математическая техника описана ниже). Наша ближайшая цель — сравнить на простейшей математической модели эффективность этих подходов в асимптотике растущей размерности. Математическая модель: рассматриваются два класса с независимыми переменными в каждом из классов. Пусть ры (дпн) — вероятность того, что ~'-я переменная в первом классе (соответственно во втором) принимает свое 1се значение, 1 = 1, ..., (е; < с < оо, и ры (дм) — оценки этих вероятностей по частотам на основании обучающих выборок.

Предположим, что существует такая известная функция б (г) с непрерывной первой производной; такие числа Л;— расстояния между функциями 6 для первого и второго классов; границы квантования с(м!, 1 = 1, ..., р; 1 = О, 1, ..., й!— — с = !(!в< и!х« ... д!а!=ос, такие, что Р ! = 6 (с(!! + йчУ2) — ~ (г(м-х+ А~!2)' дм = б (е(м — А~/2) — б (4(м х — А;/2). Это наглядно показано на рис. 2.2. 4 заказ !'а 29! Пусть далее выполняются следующие асимптотические (в асимптотике растущей размерности) предположения: л/~ с,(оо; (2,30) р, й, аи пз со; р1а/ — '/ Хд, р)пз «Хз,' Х(й/ — !)1л/ — «Хз, Е(й/ — 1)/лг-«Х,; (2.31) рц- дц~' с,~О; (2.32) Ац= рц — д//=б///т(п (пц пт), О'с. с < ~ Ь ') ( с4 ( оо (2.33) У„= ~ ~~~~ Мд(О,5(рц+дц))- Л . -оо, (2.34) / / Подготовительные вычисления по второй схеме гц = = (рц + дц у2, гсц — — 2/„, Ьц — — б (/тц) — 6 ()тц,), /</ ац = (/цlгц, Л~ = Х ац (рц — дц) /Х/ц а'ц.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
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
6417
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее