01 КАСЮК С. Т. ПЕРВИЧНЫЙ, КЛАСТЕРНЫЙ, РЕГРЕССИОННЫЙ И ДИСКРИМИНАНТНЫЙ АНАЛИЗ ДАННЫХ СПОРТИВНОЙ МЕДИЦИНЫ НА КОМПЬЮТЕРЕ
.pdfЗакрываем таблицу.
19 В окне Discriminant Function Analysis Results (Результаты анализа дискриминантных функций) во вкладке Classification (Классификация) (рису-
нок 4.13) и нажимаем кнопку Posterior probabilities (Апостериорные вероятно-
сти). На экране появится таблица с апостериорными вероятностями принадлежности наблюдений к определенному классу (рисунок 4.24).
Рисунок 4.24 – Таблица Posterior Probabilities
(Апостериорные вероятности)
Интерпретация таблицы следующая: в первом столбце указаны названия классов для каждого наблюдения; во втором, третьем, четвертом столбце даны апостериорные вероятности отнесения каждой спортсменки к определенному виду спорта. Спортсменку относят к группе с максимальной апостериорной вероятностью. Знаком * отмечаются неправильно классифицированные при использовании
131
данного правила наблюдения. Например, для 1-й спортсменки вид спорта BBall (баскетбол) наиболее вероятен, поскольку ему соответствует вероятность 98,97 %.
20 Произведем классификацию двух новых наблюдений с данными о результатах обследования женщин-спортсменок (таблица 4.4)
Таблица 4.4 – Таблица результатов обследования женщин-спортсменок
Спортсменка |
RCC |
WCC |
Hc |
Hg |
Ferr |
BMI |
SSF |
%Bfat |
LBM |
Ht |
Wt |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Спортсменка 1 |
4,56 |
|
13,3 |
42,2 |
13,6 |
20 |
19,16 |
49 |
11,29 |
53,14 |
176,8 |
59,9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Спортсменка 2 |
4,36 |
|
5,5 |
41,4 |
13,8 |
82 |
22,42 |
71,3 |
14,52 |
55,39 |
170 |
64,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Добавим в таблицу исходных данных |
|
|
|
|
|
|
|||||||
два наблюдения и введем значения пере- |
|
|
|
|
|
|
|||||||
менных из таблицы 4.4. Для этого осущест- |
|
|
|
|
|
|
|||||||
вляем щелчок правой кнопкой мыши по |
|
|
|
|
|
|
|||||||
номеру строки и в возникшем списке выби- |
|
|
|
|
|
|
|||||||
раем пункт Add cases (Добавить наблюде- |
|
|
|
|
|
|
|||||||
ния). В возникшем окне Add cases (Доба- |
Рисунок 4.25 – Окно Add cases |
||||||||||||
вить наблюдения) |
(рисунок 4.25) в |
поле |
|||||||||||
|
(Добавить наблюдения) |
|
|||||||||||
How many (Число наблюдений) записыва- |
|
|
|||||||||||
|
|
|
|
|
|
ем 2, в поле Insert after case (Вставить по-
сле) записываем 42 и нажимаем ОК. Столбец с принадлежностью к классу для новых наблюдений остается пустым, поскольку эти данные у нас отсутствуют.
Вновь произведем анализ, поскольку у нас добавились новые данные, также задаем пошаговый метод анализа. Для того чтобы понять, к какому классу отно-
сятся новые наблюдения, в окне Discriminant Function Analysis Results (Резуль-
таты анализа дискриминантных функций) во вкладке Classification (Класси-
фикация) (рисунок 4.13) и нажимаем кнопку Posterior probabilities (Апостери-
орные вероятности). На экране появится таблица с апостериорными вероятностями (рисунок 4.26), к которой будут добавлены две строки.
Таким образом, новый анализ показывает, что с вероятностью 73,54 % первую спортсменку можно классифицировать, как занимающуюся баскетболом, а вторую спортсменку с вероятностью 73,93 % можно классифицировать, как занимающуюся греблей.
Закроем таблицу.
132
Рисунок 4.26 – Таблица Posterior Probabilities
(Апостериорные вероятности)
В окно Discriminant Function Analysis Results (Результаты анализа дис-
криминантных функций) во вкладке Classification (Классификация) (рису-
нок 4.13) нажимаем кнопку Squared Mahalanobis distance (Квадрат расстояния Махаланобиса). На экране появится таблица с квадратами расстояний Махаланобиса от наблюдений до центров групп (рисунок 4.27), где в двух последних строках находятся расстояния новых наблюдений до групповых центров.
Рисунок 4.27 – Таблица Squared Mahalanobis Distances
(Квадраты расстояния Махаланобиса)
Поскольку квадрат расстояния от первой спортсменки до центра классов минимален для класса BBall, то с высокой степенью вероятности она относится к классу BBall; квадрат расстояния Махаланобиса для второй спортсменки минимален для класса Tennis, однако, она относится к классу Tennis c вероятностью толь-
ко 25,48 %.
21 Для проверки произведем расчеты классификации данных таблицы 4.4. Нами были получены следующие формулы канонических КЛДФ:
D1 = 11,58854 + 0,03184·Ferr – 0,15080·Ht – 0,10716·Hg + 0,09658·LBM + 2,14712·RCC;
D2 = 2,36606 + 0,00233·Ferr – 0,10570·Ht – 1,53270·Hg – 0,17842·LBM + 2,18169·RCC.
133
Рассчитаем координаты спортсменок:
1Для первой спортсменки: D1 = –0,97; D2 = 0,72.
2Для второй спортсменки: D1 = 1,79; D2 = –0,99.
Нанеся координаты спортсменок на график положения объектов трѐх групп в координатах первой и второй канонических КЛДФ (рисунок 4.28), можно определить, что первая спортсменка относится к группе BBall, а вторая – к группе Row. Можно наблюдать также, что наблюдение № 2 находится к в местах перекрытия групп Row и Tennis.
Аналогичные результаты можно получить, сравнивая расстояния до центроидов по таблице средних канонических переменных (рисунок 4.19).
Рисунок 4.28 – График положения объектов трѐх групп в координатах первой и второй канонических КЛДФ
Использование классификационных функций ЛКФ также подтверждает полученный результат. Расчеты ЛКФ показывают следующие результаты:
1Для первой спортсменки: BBall = 442,504; Row = 441,473; Tennis = 436,731.
2Для второй спортсменки: BBall = 411,832; Row = 416,672; Tennis = 415,607.
Таким образом, первую спортсменку следует отнести к группе BBall, а вто-
рую – к группе Row.
134
Кросс-проверка. При использовании метода дискриминантного анализа главным показателем качества является точность классификации, и этот показатель можно легко определить, оценив долю правильно классифицированных при помощи прогностического уравнения наблюдений [3].
Кросс-проверка – процедура оценки точности прогнозирования с помощью данных из специальной тестовой выборки (используется также термин кросс-проверочная выборка) путем сравнения точности прогноза с той, что достигается на обучающей выборке, то есть на выборке, по которой построена модель. Модель строится по обучающей выборке, а точность прогноза на основании модели оценивают по тестовой выборке. Если исследователь работает с достаточно большой выборкой, применяют следующий подход: выполняют анализ по части данных (например, по половине), а затем прогностическое уравнение применяют для классификации наблюдений во второй половине данных. Точность прогноза оценивают путем перекрестной верификации. Если на тестовой выборке модель дает результаты того же качества, что и на обучающей выборке, то говорят, что модель хорошо прошла кросс-проверку [3].
4.6 Варианты заданий для проведения дискриминантного анализа в пакете STATISTICA 10
Для всех вариантов заданий провести следующий анализ:
1 Проверить гипотезу о нормальности распределения входных переменных по критерию Колмогорова–Смирнова. В случае необходимости осуществить предобразование переменных.
2 Осуществить дискриминационный анализ данных. Построить линейные классификационные функции. Проверить качество дискриминации по F- критерию. Определить значение лямбда Λ-Уилкса. Определить расстояния между группами. Оценить информативность переменных, не включенных в модель. Построить матрицу классификации.
3 Осуществить дискриминационный анализ данных. Построить канонические линейные дискриминационные функции. Оценить значимость КЛДФ по величинам лямбда Λ-Уилкса и собственным значениям КЛДФ. Построить матрицу факторной структуры. Определить координаты центроидов. Построить диаграмму рассеяния для канонических значений. Определить расстояния Махаланобиса от наблюдений до центров групп. Определить апостериорную вероятность принадлежности наблюдений к определенной группе.
135
Таблица 4.5 – Вариант 1
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
75 |
71 |
169 |
34 |
Уровень 1 |
31 |
80 |
53 |
195 |
27 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
105 |
65 |
184 |
31 |
Уровень 1 |
32 |
80 |
50 |
218 |
26 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
88 |
67 |
189 |
29 |
Уровень 2 |
33 |
86 |
75 |
217 |
34 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
78 |
70 |
188 |
32 |
Уровень 2 |
34 |
97 |
57 |
219 |
27 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
98 |
46 |
230 |
36 |
Уровень 1 |
35 |
73 |
59 |
180 |
36 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
60 |
56 |
207 |
33 |
Уровень 2 |
36 |
61 |
54 |
227 |
26 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
61 |
52 |
193 |
22 |
Уровень 3 |
37 |
69 |
72 |
204 |
29 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
83 |
44 |
224 |
32 |
Уровень 2 |
38 |
91 |
66 |
198 |
28 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
75 |
57 |
208 |
34 |
Уровень 2 |
39 |
68 |
56 |
184 |
32 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
102 |
39 |
206 |
30 |
Уровень 1 |
40 |
75 |
66 |
185 |
30 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
93 |
44 |
195 |
28 |
Уровень 1 |
41 |
88 |
63 |
152 |
34 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
74 |
44 |
177 |
29 |
Уровень 2 |
42 |
89 |
72 |
250 |
35 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
82 |
64 |
176 |
26 |
Уровень 2 |
43 |
101 |
66 |
141 |
32 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
95 |
72 |
203 |
33 |
Уровень 1 |
44 |
88 |
70 |
223 |
37 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
15 |
73 |
70 |
186 |
29 |
Уровень 2 |
45 |
83 |
55 |
168 |
30 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
79 |
65 |
184 |
38 |
Уровень 1 |
46 |
97 |
63 |
210 |
38 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
17 |
85 |
57 |
191 |
25 |
Уровень 2 |
47 |
67 |
46 |
171 |
33 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
104 |
45 |
186 |
30 |
Уровень 1 |
48 |
74 |
39 |
194 |
27 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
19 |
71 |
62 |
205 |
25 |
Уровень 3 |
49 |
80 |
60 |
219 |
35 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
20 |
86 |
49 |
204 |
35 |
Уровень 1 |
50 |
99 |
62 |
175 |
28 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
21 |
97 |
63 |
184 |
31 |
Уровень 1 |
51 |
73 |
56 |
204 |
31 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
22 |
94 |
70 |
163 |
29 |
Уровень 1 |
52 |
83 |
49 |
206 |
28 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
23 |
85 |
50 |
202 |
34 |
Уровень 1 |
53 |
90 |
64 |
181 |
27 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
24 |
51 |
57 |
211 |
25 |
Уровень 3 |
54 |
76 |
54 |
212 |
28 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
25 |
84 |
59 |
197 |
30 |
Уровень 2 |
55 |
70 |
55 |
199 |
29 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
26 |
90 |
57 |
171 |
29 |
Уровень 1 |
56 |
91 |
70 |
237 |
27 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
27 |
68 |
71 |
241 |
20 |
Уровень 3 |
57 |
82 |
74 |
208 |
33 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
28 |
79 |
67 |
223 |
22 |
Уровень 3 |
58 |
95 |
68 |
198 |
35 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
29 |
70 |
58 |
186 |
24 |
Уровень 3 |
59 |
80 |
71 |
170 |
31 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
30 |
73 |
48 |
188 |
22 |
Уровень 3 |
60 |
100 |
85 |
184 |
32 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
136 |
|
|
|
|
|
Таблица 4.6 – Вариант 2
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
132 |
60 |
72 |
66 |
Уровень 1 |
31 |
63 |
32 |
90 |
62 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
83 |
41 |
104 |
53 |
Уровень 2 |
32 |
87 |
38 |
114 |
72 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
122 |
45 |
95 |
108 |
Уровень 1 |
33 |
119 |
46 |
73 |
91 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
98 |
55 |
95 |
102 |
Уровень 3 |
34 |
83 |
29 |
106 |
30 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
116 |
52 |
102 |
101 |
Уровень 1 |
35 |
118 |
30 |
98 |
61 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
105 |
44 |
82 |
76 |
Уровень 1 |
36 |
71 |
42 |
43 |
105 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
96 |
26 |
57 |
99 |
Уровень 3 |
37 |
92 |
32 |
118 |
80 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
102 |
52 |
65 |
78 |
Уровень 1 |
38 |
118 |
58 |
93 |
93 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
103 |
43 |
99 |
54 |
Уровень 1 |
39 |
69 |
31 |
87 |
54 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
134 |
56 |
93 |
78 |
Уровень 1 |
40 |
109 |
49 |
87 |
56 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
94 |
32 |
46 |
63 |
Уровень 2 |
41 |
81 |
31 |
55 |
81 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
87 |
51 |
75 |
74 |
Уровень 2 |
42 |
112 |
58 |
107 |
68 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
83 |
29 |
89 |
78 |
Уровень 3 |
43 |
105 |
47 |
81 |
74 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
78 |
41 |
63 |
94 |
Уровень 3 |
44 |
78 |
44 |
75 |
36 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
15 |
132 |
52 |
76 |
55 |
Уровень 1 |
45 |
108 |
48 |
91 |
107 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
91 |
46 |
94 |
89 |
Уровень 3 |
46 |
95 |
55 |
58 |
76 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
17 |
68 |
49 |
57 |
65 |
Уровень 3 |
47 |
65 |
31 |
103 |
61 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
84 |
40 |
84 |
48 |
Уровень 2 |
48 |
82 |
46 |
66 |
69 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
19 |
109 |
47 |
42 |
44 |
Уровень 1 |
49 |
78 |
37 |
65 |
83 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
20 |
119 |
47 |
97 |
54 |
Уровень 1 |
50 |
120 |
40 |
61 |
84 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
21 |
113 |
53 |
90 |
64 |
Уровень 1 |
51 |
98 |
59 |
75 |
84 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
22 |
123 |
44 |
89 |
60 |
Уровень 1 |
52 |
57 |
54 |
105 |
30 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
23 |
79 |
44 |
73 |
65 |
Уровень 3 |
53 |
102 |
30 |
96 |
83 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
24 |
101 |
51 |
78 |
84 |
Уровень 2 |
54 |
54 |
28 |
61 |
65 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
25 |
54 |
34 |
81 |
57 |
Уровень 3 |
55 |
49 |
43 |
71 |
60 |
Уровень 3 |
|
|
|
|
|
|
|
|
|
|
|
|
26 |
85 |
46 |
26 |
70 |
Уровень 3 |
56 |
109 |
46 |
109 |
73 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
27 |
98 |
35 |
63 |
49 |
Уровень 1 |
57 |
110 |
53 |
79 |
69 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
28 |
94 |
35 |
81 |
25 |
Уровень 1 |
58 |
101 |
41 |
103 |
97 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
29 |
80 |
24 |
65 |
106 |
Уровень 3 |
59 |
96 |
53 |
64 |
87 |
Уровень 2 |
|
|
|
|
|
|
|
|
|
|
|
|
30 |
85 |
44 |
71 |
16 |
Уровень 1 |
60 |
133 |
53 |
80 |
90 |
Уровень 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
137 |
|
|
|
|
|
Таблица 4.7 – Вариант 3
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
152 |
145 |
111 |
172 |
Класс 2 |
26 |
149 |
151 |
83 |
188 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
103 |
126 |
101 |
183 |
Класс 2 |
27 |
102 |
183 |
98 |
169 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
105 |
112 |
124 |
166 |
Класс 3 |
28 |
122 |
153 |
86 |
174 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
118 |
151 |
88 |
201 |
Класс 1 |
29 |
145 |
143 |
117 |
193 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
88 |
144 |
107 |
164 |
Класс 3 |
30 |
121 |
136 |
137 |
178 |
Класс 3 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
234 |
164 |
132 |
201 |
Класс 1 |
31 |
129 |
140 |
88 |
189 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
194 |
130 |
70 |
172 |
Класс 1 |
32 |
161 |
166 |
108 |
161 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
170 |
158 |
90 |
162 |
Класс 2 |
33 |
219 |
187 |
97 |
171 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
113 |
151 |
101 |
187 |
Класс 2 |
34 |
114 |
165 |
85 |
155 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
125 |
158 |
130 |
168 |
Класс 3 |
35 |
188 |
163 |
86 |
205 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
87 |
194 |
70 |
164 |
Класс 2 |
36 |
155 |
154 |
155 |
178 |
Класс 3 |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
158 |
128 |
86 |
186 |
Класс 1 |
37 |
145 |
159 |
92 |
162 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
147 |
146 |
130 |
181 |
Класс 2 |
38 |
191 |
175 |
134 |
174 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
183 |
156 |
106 |
172 |
Класс 1 |
39 |
129 |
161 |
118 |
168 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
15 |
123 |
152 |
80 |
160 |
Класс 2 |
40 |
134 |
148 |
115 |
172 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
132 |
150 |
80 |
168 |
Класс 1 |
41 |
157 |
155 |
104 |
163 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
17 |
144 |
131 |
112 |
242 |
Класс 1 |
42 |
247 |
187 |
134 |
202 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
167 |
110 |
113 |
185 |
Класс 2 |
43 |
125 |
172 |
70 |
179 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
19 |
113 |
173 |
125 |
178 |
Класс 3 |
44 |
121 |
160 |
103 |
178 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
20 |
140 |
163 |
75 |
159 |
Класс 2 |
45 |
138 |
181 |
118 |
166 |
Класс 3 |
|
|
|
|
|
|
|
|
|
|
|
|
21 |
284 |
165 |
145 |
201 |
Класс 1 |
46 |
121 |
200 |
108 |
167 |
Класс 3 |
|
|
|
|
|
|
|
|
|
|
|
|
22 |
243 |
182 |
98 |
170 |
Класс 1 |
47 |
119 |
202 |
110 |
232 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
23 |
144 |
171 |
78 |
165 |
Класс 1 |
48 |
157 |
168 |
94 |
174 |
Класс 1 |
|
|
|
|
|
|
|
|
|
|
|
|
24 |
113 |
141 |
111 |
173 |
Класс 3 |
49 |
132 |
142 |
125 |
202 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
25 |
113 |
169 |
122 |
202 |
Класс 2 |
50 |
126 |
139 |
65 |
147 |
Класс 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
138 |
|
|
|
|
|
Таблица 4.8 – Вариант 4
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
44 |
52 |
52 |
55 |
Средний |
26 |
38 |
41 |
54 |
81 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
40 |
49 |
49 |
43 |
Низкий |
27 |
41 |
54 |
39 |
65 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
30 |
45 |
48 |
212 |
Низкий |
28 |
41 |
46 |
61 |
87 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
39 |
48 |
34 |
90 |
Низкий |
29 |
43 |
49 |
51 |
289 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
40 |
49 |
58 |
309 |
Средний |
30 |
46 |
44 |
38 |
181 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
41 |
52 |
42 |
281 |
Средний |
31 |
40 |
43 |
47 |
63 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
34 |
74 |
57 |
171 |
Высокий |
32 |
47 |
43 |
53 |
188 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
51 |
55 |
43 |
271 |
Средний |
33 |
40 |
36 |
53 |
218 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
40 |
43 |
34 |
166 |
Низкий |
34 |
46 |
51 |
32 |
56 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
39 |
44 |
49 |
45 |
Низкий |
35 |
44 |
53 |
38 |
219 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
38 |
60 |
51 |
152 |
Средний |
36 |
42 |
48 |
44 |
258 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
45 |
48 |
55 |
241 |
Средний |
37 |
40 |
58 |
38 |
67 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
47 |
47 |
40 |
56 |
Средний |
38 |
44 |
44 |
59 |
33 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
41 |
66 |
43 |
113 |
Высокий |
39 |
43 |
41 |
50 |
178 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
15 |
37 |
53 |
36 |
94 |
Средний |
40 |
31 |
42 |
37 |
269 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
38 |
62 |
40 |
125 |
Средний |
41 |
39 |
46 |
28 |
53 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
17 |
36 |
56 |
45 |
321 |
Средний |
42 |
37 |
51 |
33 |
84 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
44 |
41 |
43 |
80 |
Низкий |
43 |
44 |
49 |
57 |
498 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
19 |
43 |
59 |
44 |
77 |
Средний |
44 |
41 |
46 |
47 |
84 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
20 |
39 |
48 |
48 |
348 |
Низкий |
45 |
41 |
42 |
38 |
59 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
21 |
42 |
66 |
48 |
117 |
Высокий |
46 |
36 |
54 |
55 |
122 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
22 |
41 |
46 |
61 |
210 |
Низкий |
47 |
43 |
58 |
45 |
56 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
23 |
38 |
46 |
52 |
47 |
Низкий |
48 |
43 |
42 |
29 |
96 |
Низкий |
|
|
|
|
|
|
|
|
|
|
|
|
24 |
45 |
67 |
56 |
150 |
Высокий |
49 |
38 |
58 |
43 |
227 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
25 |
41 |
39 |
63 |
77 |
Низкий |
50 |
47 |
51 |
50 |
101 |
Средний |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
139 |
|
|
|
|
|
Таблица 4.9 – Вариант 5
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
№ |
X1 |
X2 |
X3 |
X4 |
Уровень |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2,9 |
9,4 |
5,2 |
6,8 |
средний |
26 |
5,2 |
12,1 |
4,8 |
10,6 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
7,9 |
8,5 |
8,3 |
8,4 |
высокий |
27 |
8,3 |
9,1 |
2,9 |
8,5 |
высокий |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
3,6 |
11,2 |
3,0 |
7,3 |
средний |
28 |
4,9 |
10,4 |
3,5 |
8,1 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
7,1 |
11,7 |
5,3 |
7,6 |
хороший |
29 |
7,2 |
13,4 |
4,0 |
7,8 |
высокий |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
3,8 |
10,5 |
1,6 |
7,1 |
средний |
30 |
3,7 |
12,1 |
6,8 |
9,1 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
9,0 |
13,0 |
5,9 |
26,3 |
средний |
31 |
5,2 |
9,3 |
5,4 |
8,8 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
6,3 |
12,8 |
1,9 |
8,9 |
хороший |
32 |
5,4 |
7,3 |
6,1 |
9,3 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
6,9 |
11,6 |
5,4 |
3,6 |
высокий |
33 |
3,4 |
12,4 |
5,2 |
0 |
высокий |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
5,5 |
9,9 |
4,1 |
7,8 |
хороший |
34 |
5,5 |
7,9 |
6,9 |
8,0 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
5,7 |
5,2 |
3,4 |
8,1 |
хороший |
35 |
3,7 |
6,2 |
4,1 |
9,4 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
6,2 |
7,1 |
5,4 |
9,9 |
средний |
36 |
5,3 |
5,6 |
3,3 |
8,4 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
7,5 |
12,8 |
6,6 |
2,4 |
высокий |
37 |
4,3 |
6,5 |
4,1 |
7,0 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
8,2 |
13,7 |
8,6 |
12,7 |
высокий |
38 |
3,3 |
11,3 |
7,6 |
8,0 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
11,6 |
14,6 |
3,9 |
9,4 |
высокий |
39 |
4,6 |
8,1 |
8,2 |
8,1 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
15 |
6,8 |
10,4 |
3,9 |
5,4 |
высокий |
40 |
6,3 |
9,0 |
4,9 |
5,1 |
высокий |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
5,8 |
12,3 |
4,8 |
5,0 |
высокий |
41 |
5,8 |
10,3 |
4,0 |
6,5 |
высокий |
|
|
|
|
|
|
|
|
|
|
|
|
17 |
8,8 |
11,8 |
4,6 |
10,7 |
высокий |
42 |
5,9 |
11,4 |
2,9 |
8,5 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
6,1 |
12,7 |
8,4 |
4,6 |
высокий |
43 |
3,9 |
3,1 |
5,9 |
4,8 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
19 |
6,5 |
5,9 |
5,2 |
8,6 |
хороший |
44 |
6,0 |
10,3 |
5,5 |
7,7 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
20 |
7,2 |
6,9 |
5,7 |
19,9 |
средний |
45 |
5,4 |
12,1 |
5,2 |
12,8 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
21 |
4,1 |
12,2 |
4,2 |
5,6 |
средний |
46 |
6,0 |
7,7 |
4,5 |
10,4 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
22 |
5,2 |
6,2 |
5,2 |
14,0 |
средний |
47 |
4,2 |
12,4 |
2,5 |
31,7 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
23 |
5,3 |
10,0 |
5,5 |
8,7 |
хороший |
48 |
4,8 |
7,9 |
11,5 |
8,9 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
24 |
3,4 |
10,1 |
4,4 |
5,7 |
средний |
49 |
3,1 |
13,0 |
4,5 |
4,0 |
средний |
|
|
|
|
|
|
|
|
|
|
|
|
25 |
4,7 |
9,9 |
5,1 |
5,8 |
хороший |
50 |
6,2 |
10,6 |
4,0 |
8,2 |
хороший |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
140 |
|
|
|
|
|