Решение задачи:
Расчеты расстояний аналогичны предыдущему принципу.
1. Формулу: =КОРЕНЬ((B3-B3)^2+(B4-B4)^2) помещаем в ячейку В9 и рассчитываем расстояние р11, затем в ячейке В10 - расстояние р12 по формуле: =КОРЕНЬ((B3-C3)^2+(B4-C4)^2) и т.д., пока не будет произведен расчет расстояний между всеми шестью объектами (ячейки В9:В24):
p11=0; p12=2.83; p13=3.16; p14=10.20; p15=12.17;
p16=13.6; p23=3.16; p24=8.94; p25=10.77; p26=12.53;
p34=7.07; p35=9.06; p36=10.44; p45=2; p46=3.61; p56=2.24.
Полученные данные помещаем в таблицу (матрицу) -ячейки E11:K17 (табл.12). Из матрицы расстояний следует, что объекты 4 и 5 имеют наименьшее значение P45=2.00 и поэтому объединяются в один кластер. Для расчета расстояния используется формула: =МИН(G12:K12;H13:K13;I14:K14;J15:K15;K16) в ячейке F19.
После объединения имеем пять кластеров.
Номер кластера | |||||
Состав кластера | (1) | (2) | (3) | (4,5) | (6) |
2. Для решения задачи воспользуемся принципом “дальнего соседа”: искомое расстояние между кластерами S(4), S(5) p15=12.17, т. к. p15=12.17 больше p14=10.20, поэтому матрица расстояний примет вид (ячейки E22:J27):
⌐───── | ||||||||
№ п/п | 4,5 | |||||||
┌ | 2.83 | 3.16 | 12.17 | 13.60 | ||||
└ | 3.16 | 10.77 | 12.53 | ; | ||||
9.06 | 10.44 | |||||||
4,5 | 3.61 | |||||||
Для расчета расстояния применим формулу =МИН(G23;H23:H24;I23:I25;J23:J26), помещенную в ячейке F29, получив расстояние PMIN=P2,3=2.83.Объединяем кластеры 1и 2 в один.
Таблица 12
Исходные данные
После объединения имеем матрицу расстояний, отображенную в табл.13 и следующие кластеры: S(1,2), S(3), S(4,5), S(6).
3. Вновь находим матрицу расстояний, помещаем рассчитанные значения в ячейки E32 - I36 и объединяем объекты 1,2 и 3, имеющие расстояние PMIN=P1,2=3.16 (формула =МИН(G33:I33;H34:I34;I35) в ячейке F38). Расстояние между остальными кластерами остается без изменения. В результате имеем три кластера: S(1,2,3), S(4,5), S(6).
4. Объединим теперь объекты 4,5 и 6, расстояние между которыми равно: PMIN=P1,2,3=3.61 (формула =МИН(G42:H42;H43) в ячейке F46). Матрица расстояний размещается в ячейках E41-H44.
5. Таким образом, при проведении кластерного анализа по принципу “дальнего соседа” получили два кластера: S(1,2,3), S(4,5,6), расстояние между которыми равно:
P(1,2,3); (4,5,6) = 13,60.
Таблица 13
Расчетные значения
Результаты иерархической классификации объектов представлены на рис. 14 в виде дендрограммы.
Рис. 14. Дендрограмма
Варианты заданий
Провести разбиение объектов на основании данных, приведенных в таблице. Выбор метода решения провести самостоятельно, построить график зависимости данных.
Вариант 1.
Исходные данные
№ п/п | ||||||
х1 | ||||||
х2 |
где х1 - объем выпускаемой продукции;
х2 - среднегодовая стоимость основных промышленно-производственных фондов.
Вариант 2.
Исходные данные
№ п/п | ||||||
х1 | ||||||
х2 |
где х1 - рентабельность, %
х2 - производительность труда, тыс.руб\чел.
Вариант 3.
Исходные данные
№ п/п | ||||||
х1 | 23.4 | 17.5 | 9.7 | 18.2 | 6.6 | |
х2 | 9.2 | 5.2 | 5.5 | 9.4 | 7.6 | 5.7 |
где х1 - объем реализованной продукции;
х2 - затраты на рекламу
Вариант 4.
Исходные данные
№ п/п | ||||||
х1 | 2.49 | 1.5 | 1.15 | 1.62 | 2.74 | 3.15 |
х2 | 0.38 | 0.51 | 0.28 | 0.29 | 0.34 | 0.4 |
где х1 - объем выпускаемой продукции;
х2 - объем заемных средств
Вариант 5.
Исходные данные
№ п/п | ||||||
х1 | 34.8 | 31.2 | 32.1 | 35.7 | 30.3 | 34.2 |
х2 |
где х1 - объем продаж
х2 - капиталовложения
Вариант 6.
Исходные данные
№ п/п | ||||||
х1 | 8.22 | 4.33 | 6.45 | 6.39 | 4.92 | 6.5 |
х2 | 0.25 | 0.49 | 0.51 | 0.27 | 0.32 | 0.43 |
где х1 - урожайность зерновых
х2 - доля внесения удобрений
Вариант 7.
Исходные данные
№ п/п | ||||||
х1 | 8.22 | 4.33 | 6.45 | 6.39 | 4.92 | 6.5 |
х2 | 0..42 | 0.39 | 0.51 | 0.42 | 0.53 | 0.49 |
где х1 - объем выпускаемой продукции;
х2 - затраты на электроэнергию
Вариант 8.
Исходные данные
№ п/п | ||||||
х1 | 9.42 | 6.33 | 7.45 | 10.0 | 6.6 | 9.1 |
х2 | 0.15 | 0.48 | 0.62 | 0.32 | 0.5 | 0.9 |
где х1 - число автостоянок на 1000 автомашин
х2 - число сервисных предприятий по ремонту
Вариант 9.
Исходные данные
№ п/п | ||||||
х1 | 9.42 | 6.33 | 7.45 | 10.0 | 6.6 | 9.1 |
х2 | 1.9 | 0.88 | 1.09 | 2.62 | 1.35 | 1.89 |
где х1 - объем выпускаемой продукции;
х2 - производительность труда
Вариант 10.
Исходные данные
№ п/п | ||||||
х1 | 9.42 | 6.33 | 7.45 | 10.0 | 6.6 | 9.1 |
х2 | 1.9 | 0.88 | 1.09 | 2.62 | 1.35 | 1.89 |
где х1 - объем выпускаемой продукции;
х2 - доля высокотехнологичного обрудования в производстве
Учебно-методическое обеспечение курса
1. Афоничкин А.И. и др. Системы поддержки в теории и практике оценки управленческих решений. Саранск: Изд-во Мордов ун-та, 1995. - 224с.
2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики: Учеб.для Вузов. М.: ЮНИТИ, 1998. - 122с.
3. Айвазян С.А., и др. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985. - 488с.
4. Андерсон Т. Введение в многомерный статистический анализ: Пер.с англ. М.: ГИФМЛ, 1963. - 500 с.
5. Афифи А., Эйзен С. Статистический анализ. Пер.с англ. М.: Мир, 1985. - 488с.
6. Венецкий И.Г., Венецкая В.Н. Основные математико-статистические формулы в экономическом анализе. Справочник. -М.: Статистика (математическая статистика для экономистов).
7. Глинский В.В., Ионин В.Г. Статистический анализ. Учебное пособие.- М.: Информационно-издательский дом “Фелинъ”,1998.
8. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. - 214с.
9. Джонстон Дж. Эконометрические методы. М: Статистика, 1980. - 444 с.
10. Дубров А.М., Мхитрян В.С., Прошин Л.И., Маслеченко И.В. Математико-статистический анализ на программируемых микрокалькуляторах.- М.: Финансы и статистика, 1991.
11. Дубров А.М., Мхитрян В.С., Трошин Л.И. Многомерные статистические методы: Учеб. пособие. М.: Финансы и статистика, 1998. - 352с.
12. Елисеева И.И., Рукавишников О.В. Группировка, корреляция, распознование образов. – М: Статистика, 1977. (Математическая статистика для экономистов).
13. Жамбю М. Иерархический кластер-анализ и соответствия: Пер.с франц. М.: Финансы и статисика, 1983. - 342с.
14. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. – М.: Инфра-М., 1998.
15. Ионин В.Г. Экономико-статистические методы анализа. Программно-методическое обеспечение для ЭВМ ЕС. Учебное пособие. – Новосибирск: Изд-во Новосибирского университета, 1988.
16. Ионин В.Г. Методы общей теории статистики в экономическом анализе. Учебное пособие – Новосибирск: Изд-во Новосибирского государственного университета, 1992.
17. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. - 302с.
18. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. - 176с.
19. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности. /Под редакцией А.А.Спирина, О.Э.Башиной. – М.: Финансы и статистика, 1994.
20. Практикум по статистике: Учебное пособие. /Под редакцией проф. В.М.Семчеры. – М.: “Финстатинформ”, 1999.
21. Практикум по теории статистики: Учебное пособие. /под редакцией проф. Ф.А.Шмайловой. – М.: Финансы и статистика, 1999.
22. Сиськов В.И. Корреляционный анализ в экономических исследованиях. – М.: Статистика, 1975.
23. Статистический анализ в экономике./Под редакцией Г.Л. Громыко. – Изд-во МГУ, 1992.
24. Фестер Э., Ренц В. Методы корреляционного и регрессионного анализа. – М.: Финансы и статистика, 1983.