Носач, Iрина Дмитрiвна2024-01-292024-01-292023Носач, І. Д. Зменшення розмірності ранжованих даних в багатовимірних економічних моделях : дипломна робота магістра / І. Д. Носач. – Одеса, 2023. – 26 с.https://dspace.onu.edu.ua/handle/123456789/37400Однiєю з «точок зростання» прикладної статистики є методи зниження розмiрностi простору статистичних даних. Вони все частiше використовуються при аналiзi даних у конкретних прикладних дослiдженнях, наприклад, соцiологiчних. Розглянемо найперспективнiшi методи зниження розмiрностi. Наприклад застосування iмовiрнiсно-статистичного моделювання та результатiв статистики нечислових даних обґрунтуємо валiднiсть оцiнки розмiрностi простору. Крiм прагнення до наочностi, є й iншi мотиви зниження розмiрностi. Тi фактори, вiд яких iнтересуюча дослiдника змiнна не залежить, лише заважають статистичному аналiзу. По-перше, на збiр iнформацiї про них витрачаються фiнансовi, часовi, кадровi ресурси. По-друге, як можна довести, їх включення до аналiзу погiршує властивостi статистичних процедур, зокрема, збiльшує дисперсiю оцiнок параметрiв та характеристик розподiлiв. Тому бажано позбутися таких чинникiв.uk111 математиказменшення розмірностіметод головних компонентфакторний аналiзекономiчний аналiзфакторний простірматриця вiдмiнностейDiplomas