Canonical analysis of categorical data with application in marketing

Abstract

Григорьева Ирина Владимировна. Канонический анализ категориальных данных с приложением в маркетинге. Научный руководитель: Алексеева Нина Петровна. Направление: прикладная математика и информатика, профиль: вычислительная стохастика и статистические модели. В работе рассматривается задача исследования зависимости между двумя множествами номинальных признаков. Производится поиск связей между множествами, где в качестве меры зависимости рассматривается коэффициент неопределенности. Для расширения исходных множеств используются алгебраические методы: алгоритм быстрого перечисления точек грассманиана. Отличие работы от других: поиск не только наибольших связей между множествами, но и самых устойчивых симптомов, в смысле уменьшения количества значимых связей и снижения уровней зависимости при их исключении из совокупностей , названных номинативными представителями. Были получены следующие результаты: Получены искомые подмножества признаков по алгоритму быстрого перечисления точек грассманиана и наилучшие связи между получившимися подмножествами. Реализованы два метода поиска номинативного представителя: частотный способ и метод, основанный на удалении признаков. Получены номинативные представители обоих множеств при помощи методов многомерной статистики. Количество использованных источников: 6 Григорьева, И.В. Канонический анализ категориальных данных с приложением в маркетинге: бакалаврская работа / Григорьева Ирина Владимировна. – Спб., 2016. – 60 с. – Библиогр.: с. 60.

Grigorieva Irina Vladimirovna. Canonical analysis of categorical data with application in marketing. Scientific Supervisor: Alekseeva Nina Petrovna. Field of study: Applied Mathematics and Computer Science. Profile: Computational Stochastics and Statistical Models. In work the dependence research problem between two sets of nominal attributes. Search of communications between sets where as a metrics used uncertainty coefficient. For expansion of initial sets used algebraic methods: algorithm of fast enumeration grassmanian points. Unlike other works: search not only the greatest communications between sets, but also the steadiest symptoms. Results: Received the desired subset by algorithm of fast enumeration grassmanian points and the best connections between subsets. Implemented two methods of search nominative representative: the frequency method and a method based on removing the attributes. Obtained nominative representatives of both sets using multivariate statistical methods. Number of reference links: 6 Grigorieva, I. V. Canonical analysis of categorical data with application in marketing / Grigorieva Irina Vladimirovna. – SPb., 2016. – 60 p. – Bibliography.: p. 60.