Введение в методы статистического анализа многомерных объектов

B

C

А

Индексы сходства

Кластерный анализ

ИНДЕКСЫ СХОДСТВА ДЛЯ КОЛИЧЕСТВЕННЫХ ДАННЫХ

АНАЛИЗ СХОДСТВА

СПОСОБЫ ОБЪЕДИНЕНИЯ ГРУПП ОБЪЕКТОВ

МЕТОД БЛИЖАЙШЕГО СОСЕДА

МЕТОД ДАЛЬНЕГО СОСЕДА

Внимание!
Далее будет по-настоящему многомерная статистика

МЕТОД ГЛАВНЫХ КОМПОНЕНТ (PRINCIPAL COMPONENT ANALYSIS, PCA)

МЕТОД ГЛАВНЫХ КОМПОНЕНТ (PRINCIPAL COMPONENT ANALYSIS)

Данные без структуры

Данные со скрытой структурой

МЕТОД ГЛАВНЫХ КОМПОНЕНТ (PRINCIPAL COMPONENT ANALYSIS)

МЕТОД ГЛАВНЫХ КОМПОНЕНТ (PRINCIPAL COMPONENT ANALYSIS)

ВТОРАЯ ОСЬ - НАПРАВЛЕНИЕ НАИБОЛЬШЕГО РАЗБРОСА ТОЧЕК,

ПРИМЕР: ОРДИНАЦИЯ СТАНЦИЙ ПО ФАКТОРАМ СРЕДЫ

РАСПОЛАГАЕТ ОБЪЕКТЫ ТАК, ЧТОБЫ РАССТОЯНИЯ МЕЖДУ НИМИ СООТВЕТСТВОВАЛИ ВЕЛИЧИНАМ НЕСХОДСТВА

ЗАДАЧИ:

ПРИМЕР МНОГОМЕРНОГО ШКАЛИРОВАНИЯ: ОРДИНАЦИЯ СТАНЦИЙ ПО ОБИЛИЮ ВИДОВ

ОРДИНАЦИЯ СТАНЦИЙ ПО ОБИЛИЮ ВИДОВ (МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ)

ВИДОВОЕ БОГАТСТВО: КАК ЕГО ОЦЕНИТЬ?

КАКАЯ ГРУППА БОГАЧЕ ВИДАМИ: ИНФУЗОРИИ ИЛИ

ВИДОВОЕ БОГАТСТВО ЗАВИСИТ ОТ МАСШТАБА

ЕГО НУЖНО НОРМИРОВАТЬ. КАК?

НА ПЛОЩАДЬ (НА

НАКОПЛЕНИЕ ВИДОВ («КРИВАЯ СБОРЩИКА»)

ВИДОВОЕ БОГАТСТВО

ЧИСЛО ВИДОВ:
на пробу: Ssample
на n

СРАВНЕНИЕ КРИВЫХ НАКОПЛЕНИЯ ВИДОВ

РАСЧЕТ ПО СТЕПЕННОЙ АППРОКСИМАЦИИ:
S = a Nb
log S