Statistické zpracování vodohospodářských dat, 10. Klasifikace podzemních vod diskriminační analýzou

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F09%3A39881676" target="_blank" >RIV/00216275:25310/09:39881676 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Statistické zpracování vodohospodářských dat, 10. Klasifikace podzemních vod diskriminační analýzou

Popis výsledku v původním jazyce

Diskriminační analýza umožňuje hodnocení rozdílů mezi dvěma nebo více skupinami objektů charakterizovaných více znaky-diskriminátory. Jsou porovnávány diskriminátory každého objektu (například charakteristiky sloučenin, vlastnosti objektu, atd.) se znakyostatních objektů. Na základě podobností nebo rozdílů se pak provede klasifikace vzorků podzemních vod buď čistě subjektivně na základě zkušeností, nebo objektivními metodami. Na základě diagramů diskriminačního skóre jsou klasifikovány vzorky podzemních vod do tří tříd. Všechny diskriminátory naměřené chemickou analýzou nebyly shledány vhodné pro dostatečně přesné přiřazení objektů podzemních vod lineární diskriminační analýzou. Procento správně zařazených objektů v rámci třídy mělkých vrtů je dost nízké, pouze 58 %. Příčina může být jednak v tom, že monitorované ukazatele nemají dostatečnou diskriminační "sílu" a také v tom, že většina diskriminátorů vykazuje jiné než normální rozdělení.

Název v anglickém jazyce

Computer-Assisted Statistical Data Analysis. 10. Classification of underground water using a discriminant analysis

Popis výsledku anglicky

The linear discriminant analysis enables classification among two or more groups of objects being described with more variables. The investigator has one set of multivariate observations, the training set, for which group membership is known with certainty a priori, and a second set, the test set, consisting of observations for which group membership is unknown and which have to be assigned to one of the known groups as accurately as possible. The information used in deriving a suitable allocation ruleis the variable values of the training sample. Areas where this type of classification problem is of importance are numerous. To illustrate the application of Fisher's linear discriminant function the sample data of underground water was used to classifysamples into three various source classes. Percentage of truly classified samples, however, is not high, 58% only, because the measured variables have low disciminant power for an efficient classification and mostly exhibit non-normal di

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Vodní hospodářství

ISSN

1211-0760

e-ISSN

—

Svazek periodika

2009

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

6

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—