A Monte Carlo Investigation of Two Distance Measures Between Statistical Populations and Their Application to Cluster Analysis

• Autorzy: Agnieszka Rossa
• Języki publikacji: EN

Abstrakty

EN

The paper deals with a simulation study of one of the well-known hierarchical cluster analysis methods applied to classifying the statistical populations. In particular, the problem of clustering the univariate normal populations is studied. Two measures of the distance between statistical populations are considered: the Mahalanobis distance measure which is defined for normally distributed populations under assumption that the covariance matrices are equal and the Kullback-Leibler divergence (the so called Generalized Mahalanobis Distance) the use of which is extended on populations of any distribution. (short original abstract)

W artykule przedstawiono wyniki symulacji badania jednej z metod hierarchicznego grupowania populacji statystycznych, tj. metody najbliższego sąsiedztwa. Autorka chciała zbadać odporność tej metody aglomeracyjnej na odejście od założeń warunkujących zastosowanie określonej miary odległości. W badaniu uwzględnione zostały dwie miary odległości: odległość Mahalanobisa, zdefiniowana dla populacji normalnych o jednakowych macierzach kowariancji oraz odległość Kullbacka-Leiblera, będąca uogólnieniem odległości Mahalanobisa na przypadek populacji dowolnych rozkładach. Jako miarę stopnia różnic pomiędzy otrzymanymi rodzinami skupień wykorzystano odległość Marczewskiego-Steinhausa.

Słowa kluczowe

EN

Cluster analysis; Monte Carlo method; Neighbor joining distance method

PL

Analiza skupień; Metoda Monte Carlo; Metoda najbliższego sąsiedztwa

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 1997
• Tom: 141 Selected Problems of Multivariate Statistical Analysis
• Strony: 119--127

Twórcy

autor

Agnieszka Rossa