Яндекс.Метрика Многомерные методы биометрики

Многомерные методы биометрики

Появление ЭВМ позволило математикам перейти от теоретических основ многомерных методов статистики к их реализации в виде вычислительных алгоритмов. В общем случае под многомерными методами принято подразумевать такие методы, когда используются одновременно более двух признаков. При этом не столь важно какова природа этих признаков, т.е. все три или более признаков могут измеряться в так называемой интервальной шкале (количественные признаки), либо часть из них есть количественные признаки, а другие признаки - качественные, дискретные. В наиболее популярных статистических пакетах стало уже стандартом наличие программ реализующих такие методы, как кластерный, дискриминантный и факторный анализ, метод главных компонент и регрессионный анализ. К сожалению хорошей литературы по этим методам очень мало. Постепенно в Рунете появляется отдельные публикации посвященные этим методам. Ниже мы приводим несколько новых ссылок с источниками посвященными этим методам. Уровень изложения материала с этих источниках различный. Основная цель этой подборки ссылок двояка. С одной стороны это материалы для знакомства с тем или иным методом, а с другой стороны такое знакомство позволит читателям лучше представить реальные трудности и сложности этих методов.
        Надеюсь что знакомство с этими источниками будет полезно нашим читателям.

Редактор БИОМЕТРИКИ
В.Леонов.



ОБЗОР МЕТОДОВ ПРИНЯТИЯ РЕШЕНИЙ ТРЕЙДЕРОМ  НА ОСНОВАНИИ СТАТИСТИЧЕСКИХ МЕТОДОВ ОБРАБОТКИ  ИНФОРМАЦИИ

В данной статье приведен обзор статистических методов анализа информации, которые могут быть в частности применены для анализа финансовой информации трейдером. Статья представляет интерес для специалистов, использующих методы статистического анализа, поскольку содержит обзор методов прогнозирования временных рядов и классификации ситуаций, кластерного и дискриминантного анализа, а также список источников информации по статистике в  Internet, содержащих в свою очередь много полезных ссылок и информации по статистике и статистическим программам.
     ВВЕДЕНИЕ
     1. Модель исследуемого процесса
     2. Экстраполяция временных рядов
     3. Mодели авторегрессии - скользящего среднего. Применение для прогнозирования
     4. Множественная линейная регрессия
     5. Кластерный анализ, дискриминантный анализ и процедура классификации
     6. Оценка статистических характеристик рядов
     7. Обзор программных продуктов
     8. СПИСОК ЛИТЕРАТУРЫ

 ДИСКРИМИНАНТНЫЙ АНАЛИЗ.   Методические указания  к выполнению лабораторной работы по курсу “Обработка экспериментальной информации”  для студентов специальности 220200

МЕТОД ГЛАВНЫХ КОМПОНЕНТ.  Методические указания к выполнению лабораторной работы по курсу “Обработка экспериментальной информации”  для студентов специальности 220200

ИЗУЧЕНИЕ МЕТОДОВ РОБАСТНОГО ОЦЕНИВАНИЯ РЕГРЕССИИ Методические указания  к выполнению лабораторной работы по курсу "Обработка экспериментальной информации" для студентов специальности 220200.

ФАКТОРНЫЙ АНАЛИЗ.

Статистические методы.    Корреляция и  регрессия.   Кластерный анализ. Паттерн-анализ. ИКИ РАН, 1999.

Азбука многомерного анализа  (в картинках). А.В. Бершадский, К.В. Новик, Д.В. Новицкий, Л. Н. Столяров, П.А. Томашевский.

Возврат на главную страницу.

Возврат в КУНСТКАМЕРУ.
Rambler's Top100