Advertisement

Diskriminanzanalyse

  • Andreas Handl
Chapter
  • 11k Downloads
Part of the Statistik und ihre Anwendungen book series (STATIST)

Zusammenfassung

In diesem Kapitel gehen wir wie bei der Varianzanalyse davon aus, dass die Gruppen bekannt sind. Im Gegensatz zur Varianzanalyse ist aber nicht bekannt, zu welcher Gruppe ein Objekt gehört. Gesucht ist eine Entscheidungsregel, die es erlaubt, ein Objekt einer der Gruppen zuzuordnen. Man spricht in diesem Fall von Diskriminanzanalyse. Ein klassisches Beispiel ist die Einschätzung der Kreditwürdigkeit eines Kunden. Bei der Vergabe des Kredites ist nicht bekannt, ob der Kunde die Verpflichtungen einhalten wird. Man kennt aber eine Reihe von Merkmalen wie das Alter, das Einkommen und das Vermögen. Auf Basis dieser Informationen ordnet man die Person entweder der Gruppe der Kunden zu, die kreditwürdig sind, oder der Gruppe der Kunden, die nicht kreditwürdig sind. Auch Ärzte klassifizieren Patienten anhand einer Reihe von Symptomen als krank oder gesund.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. McLachlan, G. J. (1992): Discriminant analysis and statistical pattern recognition. Wiley, New YorkCrossRefGoogle Scholar
  2. Hand, D. J. (1997): Construction and assessment of classification rules. Wiley, ChichesterzbMATHGoogle Scholar
  3. Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J. (1984): Classification and regression trees. Wadsworth, BelmontzbMATHGoogle Scholar
  4. Huberty, C. J. (1994): Applied discriminant analysis. Wiley, New YorkzbMATHGoogle Scholar
  5. Fahrmeir, L., Hamerle, A., Tutz, G. (1996): Multivariate statistische Verfahren. de Gruyter, Berlin, 2nd editionzbMATHGoogle Scholar
  6. Clark, L. A., Pregibon, D. (1992): Tree-based models. In Chambers, J. M., Hastie, T. J. (eds.) Statistical models in S, Pacific GroveGoogle Scholar
  7. Kleinbaum, D. G. (1994): Logistic regression: a self-learning text. Springer, New YorkzbMATHGoogle Scholar
  8. Ripley, B. D. (1996): Pattern recognition and neural networks. Cambridge Univ. Press, CambridgezbMATHGoogle Scholar
  9. Smith, M. (1993): Neural networks for statistical modelling. Van Nostrand Reinhold, New YorkGoogle Scholar
  10. Lachenbruch, P. A., Mickey, M. R. (1968): Estimation of error rates in discriminant analysis. Technometrics, 10, 1–11CrossRefMathSciNetGoogle Scholar
  11. Krzanowski, W. J. (2000): Principles of multivariate analysis: a user’s perspective. Oxford University Press, Oxford, rev. editionGoogle Scholar
  12. Hastie, T. J., Tibshirani, R. J., Friedman, J. H. (2001): The elements of statistical learning : data mining, inference, and prediction. Springer, New YorkzbMATHGoogle Scholar
  13. Loh, W. Y., Shih, Y. S. (1997): Split selection methods for classification trees. Statistica Sinica, 7, 815–840zbMATHMathSciNetGoogle Scholar
  14. Hosmer, D. W., Lemeshow, S. (1989): Applied logistic regression. Wiley, New YorkGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2010

Authors and Affiliations

  • Andreas Handl
    • 1
  1. 1.   

Personalised recommendations