- About
-
The Global ETD Search service is a free service for researchers
to find electronic theses and dissertations. This service is
provided by the
Networked Digital Library of Theses and Dissertations.
Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
Search results
Showing 1 to 1 of 1 (0.016 seconds)| 1 |
分群技術之研究溫蘊雯, YAO, YUN-WEN Unknown Date (has links)
判別分析是考慮到如何對於一個個體，根據一些特徵值，而將之歸類到二個或多個母
體中去的問題。我們在判別分析中最常用的二種模型是：（一）母體間共變異矩陣相
等的常態模型；（二）母體間共變異矩陣不等的常態模型。在一般情況下，母體的母
數為未知，因此要由樣本統計量代入判別函數中。然而在共變異矩陣不等的情況下，
特徵變數太多，而樣本之取得又受到限制時，則會影響判別函數的穩定性。因此，本
文是研究如何做變數的選擇工作，使得變數個數能儘量小，以增進二次判別之效率。
本文共一冊，約八千字，共分六章，茲分述如下：第一章為緒論；第二章為判別分析
的基本理論；第三章是討論概度比檢定統計量的分解及組合方式；第四章是判別模型
變數的逐步選擇；第五章是做變數選擇的電腦模擬實驗；第六章是結論。本文討論到
一個變數的引入，Step－down概度比檢定統計量是如何地可以被分解成三個統計量，
分別用來衡量此變數在（一）殘差的變異數不等（二）條件分配的平行（三）homo－
sceuastic 位置的散布對於判別的貢獻。此分割不僅在共變異矩陣不等時變數的選擇
有用，也可以用在當我們執行一個共變異矩陣相等的判別分析時，來防止那些會導至
任何形式的極端變異數不等的變數之選入。
|
Page generated in 0.0218 seconds