Пивняка Г.Г. Толковый словарь по информатике. Страница 415

© (Социол.) Этап эмпирического социологического исследования, в ходе которого при помощи содержательных соображений и математико-статистических методов на основе первичной информации раскрываются связи исследуемых переменных.

Анализ дисперсионный (Analysis of variance)

Статистический метод установления структуры связи между результативным и факторными признаками. Разложение полной вариации зависимой переменной (полная вариация определяется как сумма квадратов отклонений от среднего) в пропорции, определяемой изменениями отдельных казуальных переменных или их групп плюс необъяснимые или остаточные изменения. Этот метод может быть основой для проверки гипотез относительно существенности отдельных переменных или их групп в регрессионном анализе.

Анализ и синтез (Analysis & Synthesis)

Способы изучения действительности. Анализ состоит в том, что знание об объекте получается путём мысленного расчленения его на образующие элементы (не расчленяемые в данном процессе исследования) и изучении свойств последних. Синтез состоит в том, что знание об объекте изучается путём мысленного соединения его элементов и изучения их связи.

Анализ кластерный (Cluster analysis) (Син. Таксономия (от греч. taxis - расположение по порядку + nomos - закон) - Taxonomy)

О Совокупность математических методов, предназначенных для формирования информации о расстояниях или связях между объектами. Этот метод называют также таксономией. Цель классификации - разделение рассматриваемой совокупности на однородные группы объектов (признаков), близкие между собой по определенному критерию и отличающиеся от объектов в других группах. Классификация объектов производится одновременно по ряду признаков на основе определенной меры суммарной близости по всем признакам классификации. Классификация признаков осуществляется на основе различных коэффициентов парной корреляции. При группировке объектов эта процедура используется в качестве предварительного этапа для отбора и построения признаков классификации. Выделение тесно связанных групп признаков позволяет отсеять дублирующие признаки, выявить общие «скрытые» факторы, обусловливающие связь признаков в группах. Большое значение при использовании кластерного анализа имеет выбор адекватной меры близости между классифицируемыми объектами и алгоритмами классификации. Среди алгоритмов выделяются следующие основные типы: а) иерархические алгоритмы, подразделяющиеся на агломеративные (последовательно объединяющие объекты во все более крупные группы) и дивизионные (последовательно разделяющие объекты на все более мелкие и однородные группы); б) алгоритмы, оптимизирующие заданный критерий качества классификации; в) алгоритмы поиска «сгущения» объектов.