Statistikada jamlash va guruhlash

Ikkilamchi guruhlash
. Guruhlashning xususiy turi bo’lib ikkilamchi guruhlash 
hisoblanadi. Ikkilamchi guruhlash deb oldingi tuzilgan guruhlar asosida yangi guruhlar 
tuzish operatsiyasiga aytiladi. Agarda birlamchi guruhlashda statistik kuzatishning 
boshlang’ich ma’lumotlari asosida guruhlar tuzilsa, ikkilamchi guruhlash dastlabki 
guruhlash oraliqlarini yiriklashtirish va oraliqlarning nisbatiga asoslanib yangi guruhlarni 
hosil qilish usullarida amalga oshiriladi.
Faraz qilaylik, Chilonzor tumanida 100 ta do’kon bor. Ular inkassatsiya qilish summalari
bo’yicha 10 guruhga ajratilgan: 100 ming so’mgacha; 100-200; 200-300;
300-400; 400-500; 500-600; 600-700; 700-800; 800-900; 900 va yuqori. Bu intervallar 
oralig’ini ikki baravarga yiriklashtirib quyidagi guruhlarni hosil qilish mumkin: 200 ming 
so’mgacha; 200-400; 400-600; 600-800; 800 va undan yuqori.
Ikkilamchi guruhlashning boshqa usullari ham qo’llanilishi mumkin. Bu qo’yilgan 
maqsad va vazifaga bog’liq.
Ko’p o’lchamli guruhlash (klaster-tahlil)
. Keyingi paytlarda guruhlash bir vaqtning 
o’zida bir necha belgi orqali amalga oshirilmoqda. Buning o’zi guruhlash metodini ko’p 

---

o’lchamli tahlilga aylanib borishidan darak beradi. Ma’lumki, ko’p o’lchamli guruhlashda 
yoki klaster – tahlilida kuzatish ob’ektlarini xohlangan belgilar soni bo’yicha bir jinsli 
guruhlarga birlashtirish mumkin. Shunisi qiziqki kuzatilayotgan ob’ekt sifatida iqtisodiy 
birliklar-korxonalar yoki belgilarning o’zi qatnashishi mumkin.
Klaster-tahlil algoritmlari ikki asos bo’ladigan paytni hisobga olgan holda ishlab 
chiqiladi:
1.
Bir turlilikni, yoki “o’xshamas” ob’ektlarni ifodalovchi belgilarning geometrik 
maydonda juda ko’p nuqtalarni tiqis to’plamini ko’rsatib berish sharoitlarini.
2.
Geometrik maydonda ikki turli ob’ektlar bir-biridan bir muncha uzoqlikda 
joylashgan va ular orasidagi masofa qancha uzoqlashsa, ular shuncha o’xshamas va 
qancha yaqinlashsa ularning o’xshashligi shunga ortadi; nollik variant hamma vaqt 
qandaydir bir ob’ektdan o’zigacha, bu erda to’liq o’xshashlik.
Aniq algoritmni tanlashga qaramasdan, klaster-tahlil quyidagi qadamlarni birin- ketinlik 
bilan bajarish sharoitida amalga oshiriladi:
a)
X boshlang’ich ma’lumotlarni nxm razmerdagi matritsalarini tuzish, bu erda n
–
kuzatish ob’ektlari soni; m – guruhlashtiruvchi belgilar soni;
b)
boshlang’ich ma’lumotlar matritsalaridan normalashtirilgan ma’lumotlar 
matritsalariga o’tish (z). Bu masalani echilishi bilan o’z tabiati bo’yicha turli bo’lgan 
belgilar bitta asosga keltiriladi. O’tish har bir qiymatni qayta hisoblash Xij va Zij quyidagi 
variantlar 
orqali 
amalga oshadi.
ij
ij
ij 
x 
j 
(max) 
x 
j 
(min) 
_ 
1. Z
= 
ij 
x 
j 
; 
x
x
2. Z =
ij 
;
3. Z = 
x
ij
;
ij 
4. Z =x
i 
(max);
x 
ij
j

j
x 
ij 
(
эталон
) 
_ 
5. Z = 
x
ij
 
x 
j
.

---

v) barcha juft ob’ektlar orasidagi masofani aniqlash (d
ij
) va dastlabki matritsalar 
masofasini tuzish (D
0
). Kuzatish ob’ektlari o’rtasidagi masofani hisoblash uchun bir 
qancha metriklar (i
1
- norma; Minkovskiy; Evklidovo masofa; Maxalanobis) 
mavjud. Ularni qaysi birini tekshiruvchining xohishiga bog’liq.
g) klaster-tahlilni aniq protsedurasi tanlanadi va matritsa (D
0
) ma’lumotlari bo’yicha 
birin-ketinlik bilan bir turli guruhlar ajratiladi. Eslatib qo’ymoqchimiz, hozirgi 
kunda klasterlashni 200 dan ortiq turli xil protseduralari mavjud. Ularniquyidagi 6
ta guruhga bo’lish mumkin: ierarxik klaster-tahlil; guruhlashning iterativ metodlari; 
zichlikning model qiymatini izlash metodlari; omiliy metodlar; quyuqlashishni 
izlash metodlari; graflar nazariyasini qo’llovchi metodlar.
Yuqorida keltirilgan qadamlar faqat miqdoriy o’lchovga ega bo’lgan belgilar tahlil 
qilingan paytda qo’llaniladi. Agarda tahlilda tartibli (ranglar) va boshqa sifat 
ko’rsatkichlar qatnashsa, keltirilgan algoritmdan oldin nomiqdoriy ma’lumotlarni 
oqifrovkalash etaplari birma-bir bajariladi.