Васильєва Л.В. [vasileva.dgma@gmail.com]
Донбаська державна машинобудівна академія, Україна
Download in PDF: http://fmo-journal.fizmatsspu.sumy.ua/journals/2017-v3-13/2017_3-13-Vasilyeva_Scientific_journal_FMO.pdf

МЕТОДИКА РОЗВ’ЯЗАННЯ ЗАДАЧІ ГРУПУВАННЯ БАГАТОМІРНИХ ОБ’ЄКТІВ
ЗА ДОПОМОГОЮ КЛАСТЕРНОГО АНАЛІЗУ

Анотація. У статті розглянуто питання використання інформаційних технологій у вивченні курсу «Багатомірний статистичний аналіз». Обґрунтована важливість  навчання студентів вміння застосовувати математичний апарат та спеціальні програмні засоби для аналізу статистичних даних у майбутній професійній діяльності. У статті наведений алгоритм розв’язання задачі кластерного аналізу та розроблена методика проведення лабораторного заняття для студентів економічного напрямку навчання. Приведені основні відомості про найбільш поширені алгоритми кластерізації: критерій ближнього сусіда, критерій далекого сусіда, критерій центроїда у двох модифікаціях – критерій, розрахований без урахування статистичного ваги поєднуваних груп та критерій середнього сусіда, розрахований з урахуванням числа об'єктів поєднуваних груп. Показані засоби візуалізації процесу вирішення задачі, такі, як діаграма дерева класифікації, таблиця та графік послідовності агломерації. Багатомірне групування статистичних даних виконане на даних з предметної області.

Ключові слова: кластерний аналіз,групування багатомірних об’єктів, методика викладання, статистичні дані.

THE METHOD OF SOLVING THE PROBLEM OF GROUPING MULTIDIMENSIONAL OBJECTS 
BY CLUSTER ANALYSIS
Lyudmila Vasilyeva
Donbass State Engineering Academy

Abstract. In the article the questions of using information technologies in the study of the course "Multivariate statistical analysis". Explains the importance of teaching students the ability  Provides basic information about the most common clustering algorithms: nearest-neighbor criterion, the criterion of farthest neighbor, the centroid criterion in two versions - criterion, calculated without taking into account the statistical weight of the merged groups and the criterion of the average neighbor, calculated based on the number of objects in the merged groups. Shows a visualization of the process of solving the problem, such as a chart of a classification tree, the table and sequence chart of agglomeration. Multidimensional group statistics performed on the data from the subject area. Тo apply mathematical tools and special software for analysis of statistics in their future professional activities. The article presents the algorithm for solving the cluster analysis and developed methodology for conducting laboratory classes for students of economic fields of study.
Key words: cluster analysis, grouping of multidimensional objects, teaching methods, statistical data.

Список використаних джерел

1. Дюран Б. Кластерный анализ / Б. Дюран, П. Одел [пер. с англ. Е. З. Демиденко. Под ред. А. Я. Боярского]. – М. : Статистика, 1977. – 64 с.
2. Соколенко С. І. Кластери в глобальній економіці / С. І. Соколенко. – К. : Логос, 2004. – 848 с.
3. Айвазян С.А. Классификация многомерных наблюдений / С. А. Айвазян, З.И. Бежаева, О.В. Староверов/. – М. : Статистика, 1974. – 240 с.
4. Боровиков В.П. STAТISTICA/ В.П. Боровиков, И.П. Боровиков  – М.: Информационно-издательский дом “Филинъ”, 1997. – 592 с.
5. Топтунова Л. М. Дослідження однофакторної і багатофакторної регресії, аналіз часових рядів у системі STATISTICA 6 : навч. посіб. [для студ. екон. спец. вищ. навч. закл.] / Л. М. Топтунова, Л. В. Васильєва, О. А. Кльованік. – Краматорськ : ДДМА, 2008. – 122 с.