Помощничек
Главная | Обратная связь


Археология
Архитектура
Астрономия
Аудит
Биология
Ботаника
Бухгалтерский учёт
Войное дело
Генетика
География
Геология
Дизайн
Искусство
История
Кино
Кулинария
Культура
Литература
Математика
Медицина
Металлургия
Мифология
Музыка
Психология
Религия
Спорт
Строительство
Техника
Транспорт
Туризм
Усадьба
Физика
Фотография
Химия
Экология
Электричество
Электроника
Энергетика

Создание двумерной диаграммы рассеивания



Нажмем кнопку графических опций (третью слева в верхней части окна анализа). Появится окно диалога для задания соответствующих параметров.

Установим флажок 2D Scatterplot (двухмерная диаграмма рассеивания).

Нажмем кнопку OK — система отобразит еще одно графическое окно.

Дважды щелкнем левой кнопкой мыши на окне дендрограммы, чтобы развернуть его.

На дендрограмме видны три дерева (Рис. 7. 26). По вертикальной оси отложено расстояние для каждого шага работы агломеративного иерархического алгоритма кластеризации. На горизонтальной оси показаны наблюдения, скомбинированные в соответствии с проведенным анализом. Дендрограмма позволяет увидеть отчетливую картину трех группировок и имена наблюдений (инвестиционных фондов), вошедших в выделенные кластеры.

Дважды щелкнем на дендрограмме и, тем самым, вновь минимизируем ее.

Дважды щелкнем левой кнопкой мыши на двумерной диаграмме рассеивания.

Рис. 7. 25. Таблица принадлежности наблюдений к кластерам

Рис. 7. 26. Дендрограмма для трех кластеров

Рис. 7. 27. Двумерная диаграмма рассеивания

Диаграмма показывает как группируются исследуемые наблюдения на плоскости двух переменных Expence и Five_Yr (Рис. 7. 27). Каждый кластер представлен на диаграмме собственным символом, а если бы это было в цветном исполнении, то и цветом. Из графика следует, что 1‑й кластер имеет низкие относительные расходы; видно, как распределены доходы фондов за пятилетний период. В кластере 2 наблюдаются самые высокие расходы, но и максимальные пятилетние доходы. В кластере 3 низкие расходы сопровождаются и невысокими пятилетними доходами.

Для того чтобы отобразить другие диаграммы рассеивания, достаточно щелкнуть правой кнопкой мыши и, получив в распоряжение соответствующее окно диалога, выбрать интересующие пары переменных.

Литература

Айвазян С. А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. — М.: Статистика, 1974.

Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. — М.: Финансы и статистика, 1989.

Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. — М.: Финансы и статистика, 1983.

Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Статистическое оценивание зависимостей. — М.: Финансы и статистика, 1985.

Александров В. В., Алексеев А. И., Горский Н. Д. Анализ данных на ЭВМ (на примере системы СИТО). — М.: Финансы и статистика, 1990.

Александров В. В., Лачинов В. И., Поляков А. О. Рекурсивная алгоритмизация кривой, заполняющей многомерный интервал//Изв. АН СССР: Техн. Кибернетика, 1978, № 1. — С. 192—197.

Аркадьев А. Г., Браверман Э. М. Обучение машины классификации объектов. — М.: Наука, 1971.

Горский Н. Д. Рекурсивный метод отображения многомерного пространства при решении задач хранения и обработки данных в автоматизированных системах научных исследованиях. — Автореф. на соиск. уч. степ. канд. техн. наук. — Л.: ЛИАН, 1981.

Дэйвисон М. Многомерное шкалирование. Методы наглядного представления данных. — М.: Финансы и статистика, 1988.

Дюк В. А. Компьютерная психодиагностика. — СПб: Питер, 1994.

Загоруйко Н. Г., Елкина В. Н., Лбов Г. С. Алгоритмы обнаружения эмпирических закономерностей. — Новосибирск: Наука, 1985.

Классификация и кластер/Под ред. Дж. Вэн Райзин. — М.: Мир, 1980.

Лоули Д., Максвелл А. Факторный анализ как статистический метод. — М.: Мир, 1967.

Миркин Б. Г. Анализ качественных признаков и структур. — М.: Статистика, 1980.

Налимов В. В. Теория эксперимента. — М.: Наука, 1971.

Попечителев Е. П., Романов С. В. Анализ числовых таблиц в биотехнических системах обработки экспериментальных данных. — Л.: Наука, 1985.

Терехина А. Ю. Анализ данных методами многомерного шкалирования. — М.: Наука, 1986.

Ту Дж., Гонсалес Р. Принципы распознавания образов. — М.: Мир, 1978.

Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ. — М.: Мир, 1981.

Morrison D. F. Multivariate Statistical Methods. — New York: McGraw‑Hill, 1990.

Sammon J. W. A nonlinear mapping for Data Structure Analysis//IEEE Trans. Comput. — v. C—18, № 5, 1969. — P. 401—409.

Torgerson W. S. Multidimensional Scaling. Theory and Method//Psychometrika,v. 17, № 4, 1952.

 




Поиск по сайту:

©2015-2020 studopedya.ru Все права принадлежат авторам размещенных материалов.