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 66

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) 66 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 662017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 66)

Вычисление относительной доли суммарной дисперсии, обусловленной одной, двумя и тремя главными компонентами, в соответствии с формулой (13.9') дает Ч (1) — = 0,9864; Л+Л+Л. >7 (2) = ' Лз = 0,9958; Хз+ Л$+ Лз д (3) = 1. Отсюда можно сделать вывод, что почти вся информация о специфике размеров панциря данного вида черепах содер- жится в одной лишь первой главной компоненте, которую и естественно использовать при соответствующей классификации исследуемых особей, Экстремальные свойства главных компонент. Их интерпретация Свойство наименьшей ошибки «автопрогноза» или наилучшей самовоспроизводимости. Можно показать [293, 283, 284[, что с помощью первых р' главных компонент г!!!, г!»>, ..., гос! (р'( р) исходных признаков х!'>, х!"), ..., хм! достигается наилучший прогноз этих признаков среди всех прогнозов, которые можно построить с помощью р' линейных комбинации набора из р произвольных признаков.

Поясним и уточним сказанное. Пусть требуется заменить исходный исследуемый р-мерный вектор наблюдений Х на вектор у = (г!»!, г!'), ..., г!м!)' меньшей размерности р', в котором каждая из компонент являлась бы линейной комбинацией р исходных (или каких-либо других, вспомогательных) признаков, теряя при этом не слишком много информации. Информативность нового вектора 3 зависит от того, в какой степени р' введенных линейных комбинаций дают возможность «реконструировать» р исходных (измеряемых на объектах) признаков, Естественно полагать, что ошибка прогноза Х по 2 (обозначим ее о ) будет определяться так называемой остаточной дисперсионной матрицей вектора Х при вычитании из него наилучшего прогноза по 2, т.

е. матрицей А = — (Лы), где Здесь ~Ь„г<п — наилучший, в смысле метода наименьших !=! квадратов, прогноз х(п по компонентам г!»>, а!»>, ..., Ф'>, т. е. о = ! (Л), где ~ (А) — некоторая функция (качества предсказания) от элементов остаточной дисперсионной матрицы Л. В [293! решалась задача наилучшего прогноза Х только в классе р' линейных комбинаций от исходных признаков х!'), ..., х!»! и рассмотрены естественные меры ошибки прогноза, такие, как (13.11) (13.12) Здесь Яр (Ь) и ~>ЬЦ вЂ” соответственно след и евклидованор»>а матрицы Ь. С. Р. Рао показал, что функции (13.11) и (13.12) одновременно достигают минимума тогда и только тогда, когда в качестве гы>, г<»>,, гы'> выбраны первые р' главных компонент вектора Х, причем величина ошибки прогноза о явным образом выражается через последние р -- »' собственных чисел Лр .

„..., Лр исходной ковариационной матрицы Х или через последние р — р' собственных чисел Л„+„..., Л выборочной ковариационной матрицы Х, построенной по наблюдениям Х„Х„..., Х„. В частности, П1>и > (Ь) »р (Ь) о Лр'.>. 1+ Лр'+2+ ... +Л»> при ~ (Ь) = 1 Ь 1: о = ') ' Л» .~ > + Л» +»+ ... + Л» . В работах 1283, 284) эта схема обобщена на случай л>>оиззольиьи предсказывающих признаков у~'>, ум>, ..., у<»'> и более широкого класса функций ) (Ь) и показано, что пнп 1" (Ь) достигается тогда и только тогда, когда в качестве искомых предсказывающих признаков у»>, ..., у>»'> берутся сами исследуемые (измеряемые) признаки х<'>, х>»>, ..., х<»>, а в качестве р' линейных комбинаций (предикторов) гм>, зм>, ..., гы'> от них выбраны первые р' главных компонент вектора Х.

При этом величина ошибки прогноза а, как и прежде, определяется лишь р — р' последними собственными значениями Л„.+>, Л„+„..., Лр исходной ковариационной матрицы Х. В эту схему укладывается, в частности, случай 1(Ь) =- = >Ь), в котором а == Л„+, Л +, ... Лр. Поясним идею описания (прогноза) исходных признаков хч»>, х>»>, ..., хо'> с помощью меньшего, чем р, числа их линейных комбинаций на примере 13.1.

В этом примере р =- 3. Зададимся целью снизить размерность исходного факторного пространства до единицы (р' = 1), т. е. описать все три признака с помощью одной линейной комбинации от них. В соответствии с описанным выше экстремальным свойством «автопрогноза» главных компонент возьмем в качестве втой единственной линейной комбинации первую главную компоненту, т. е. переменную з»>=О 81х»>.+О 50х>»>-(-О,ЗЫ»> Метод наименьших квадратов приводит к следующему правилу вычисления неизвестных коэффициентов Ь<, 112 с.

2091 ! сот (х<<> -! ! >) Ь<д —— 1>г<'> 0,01 сот(х<!>, х<'>)+О,БОсос (х<д', х«!)+0,31со<>(х<«!, х<<>) <>«<" Подставлян в эту формулу значения сот (х<'>, х<л), взятые нз коварнацнонной матрицы л примера!3.7, получаем х<'> = Ь„г<'>+а<'> = 0,805г<'>+ в<'>; х<г> = Ьм г< ' >+ е<г> = 0,49г< ' >+ в< э>; х<з> — Ь,г<>>4 э<з> 0310 <>> 1 <з> где в<'> — случайные (остаточные) ошибки прогноза исходных центрированных компонент по первой главной компоненте г"> Если в качестве относительной ошибки прогноза исходного признака х<4> по первой главной компоненте г<'> рассмотреть величину 6, = (Ое<!>!Ох<о) 100 %, то несложные подсчеты дают 6, = 2 "«, 6, =- 1,2 'о и 6, = 0,8 %.

Суммарная характеристика относительной ошибки прогноза признаков х<'>, х<'> и х<'> по г<'> (в соответствии с вышеописанным) может быть подсчитана по формуле 6 .,„= 100% ° Р (х!'>+к<*! <-х!«!) = 100% = 1,36%. Ад+хд-г><д Свойства нанменьшего искаженна геометрнческой структуры исходных точек (наблюдений) прн вх проектирования в пространство меньшей размерности р' «натянутое» на р' первых главных компонент.

Всякий переход к меньшему числу <р') новых переменных г<'>,, г<»'>„осуществляемый с помощью линейного преобразования (матрицы) С =— = (с„), — ! = 1, 2, ., р', 1 = 1, 2, ..., р, т. е. » г«> — т с„х<л (<=1, р ), > ! нлн в матричной запнсн У= СХ, (13.13) удобнее будет рассматривать теперь как проекцию исследуемых наблюдений Х„Х„..., Х, из исходного факторного пространства Пл(Х) в некоторое надпространство меньшей размерности Пл'(Л). Геометрическая интерпретация сформулированных выше экстремальных свойств «автопрогноза» (самовоспроизводимости) главных компонент позволяет получить следующие интересные свойства.

л гхг СВОЙство 1. Сумма квадратов расстояний от исходных ч, тачек-наблюдений Х„ Х.„, Х„до пространства, натянутого на первые р' главных компонент, наи, ень- ' шая относительно всех других подпрос- У транств размерности р', полученных с по- ггг гг мощью произвольного а л линейного преобразования исходных ююрРнс. 13.2 Эллипс рассеянна наследуемых наолюденнй н направленно хоорЭто сВОЙстВО ста- дннатных осей главных компонент аю нет понятным (в све- н лагг те вышеописанного экстремального свойства «автопрогноза»), если напомнить, что сумма квадратов расстояний от исходных точек до надпространства, натянутого на р' первых главных компонент, есть не что иное, как умноженная на и (общее число наблюдений) суммарная дисперсия остаточных компонент (ошибок прогноза) амг, егаг,, еглг, следовательно, эта сумма квадратов равна и (ь„+, + ) р ч, + ...

+ л„). Наглядным пояснением этого свойства может служить рис. 13.2, на котором ось гпг соответствует подпространству, натянутому на первую главную компоненту (т. е. р = 2 и р' = 1), а сумма квадратов расстояний до этого надпространства есть сумма перпендикуляров, опущенных из точек, изображающих наблюдения Х, = (хгг',гг, хггг), на эту ось (сама ось ггп может быть интерпретирована в данном случае как линия ортогональной регрессии хг'гпо хгг>, см. 17, с. 127)).

С в о й с т в о 2. Среди всех надпространств заданной размерности р' (р' с. р), полученных из исследуемого 4гакпюрного пространства Пл (Х) с помощью произвольного ли- 351 нейного преобразования исходных координат х!", х!»>, х!'>, в подпространстве, нани>нутом на первые р' главных компонент, наименее искажается сумма квадратов расстояний между всевозможныии парами рассматриваемых точек- наблюдений. Поясним зто свойство. Пусть П»с (Я) — подпространство размерности р', натянутое на оси г!>>, г!»>, ..., г<к>, получаемые из исходных осей х!'>, х!ч, ..., х!»> с помощью произвольного линейного преобразования (13.13), а Я„..., о„— проекции исходных наблюдений Х„..., Х„ в подпросгранство П~~'(2), т.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. 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
310
Средний доход
с одного платного файла
Обучение Подробнее