Dispersion tahlil asoslari. Dispersiya lotincha «dispersio»

Statistica, SPSS, Excel; ularning afzalliklari va kamchiliklari
SPSS statistikasi (qisqartirish eng. "Ijtimoiy fanlar uchun statistik to'plam" - "Ijtimoiy fanlar uchun statistik to'plam" - bu ijtimoiy fanlar bo'yicha amaliy tadqiqotlar uchun mo'ljallangan statistik ma'lumotlarni ishlab chiqarish sohasidagi bozor peshqadamlaridan biri.SPSS - keng qamrovli ma'lumotlarni tahlil qilish tizimi. SPSS deyarli har qanday turdagi fayllardan ma'lumotlardan foydalanishi va jadval hisobotlarini, grafikalarni, taqsimot naqshlari va tendentsiyalarini, tavsiflovchi statistikalarni va murakkab statistik tahlil turlarini yaratishi mumkin.
Dastur tavsiflangan statistikadan tortib, murakkab tahlil turlariga (o'zgaruvchanlik, omil, spektral va boshqalar) qadar bo'lgan ma'lumotlarni tahlil qilish usullarining to'liq to'plamini taqdim etadi. Natijalarning taqdimoti har xil turdagi jadvallar va gistogrammalar yordamida amalga oshiriladi. Shu bilan birga, foydalanuvchiga diagramma shablonlarini o'zlari yaratish imkoniyati beriladi. Ammo SPSS-ning asosiy xususiyati uning ko'p sonli tashqi dasturlar (MS Excel, dBASE, Lotus, SQL, SYSTAT va boshqalar) va formatlari (XML, HTML, PC, SAS va boshqalar) bilan integratsiyalashidir. Dasturning yana bir muhim xususiyati zamonaviy dasturiy echimlarni qo'llab-quvvatlashdir. Shunday qilib, SPSS dasturlarining so'nggi versiyasi mijoz-server arxitekturasiga asoslangan, dasturning yangi versiyasi Windows Vista-ga to'liq mos kelishi e'lon qilindi.
Klasterizatsiya.Klasterizatsiya-bu berilgan obyektlar toplamini xususiyatlari bo’yicha bir-biriga yaqin guruhlarga ajratishdir. Bunda bir biriga o’xshash obyektlar bir guruhga yig’ilishi va bu guruhlar iloji boricha bir biriga o’xshamasligi kerak. Bu guruhlar klasterlar deb ham yuritiladi. Misol uchun, quidagi rasmda berilgan obyektlar to’plamini 4 ta klasterga ajratish mumkin. 1-rasm. Obyektlar va ularni klasterlarga ajratilishi. Bugungi kunda klasterizatsiya masalasini yechish uchun ko’plab uslublar va ular asosida birnechta algoritmlar ishlab chiqilgan. Lekin bu algoritmlarni hech biri optimal hisoblanmaydi. Ba’zi algoritmlar bir xil masalalarda to’g’ri klasterlarga ajratsa, shu algoritm boshqa masala uchun to’g’ri yechim qabul qila olmasligi mumkin. Mavjud algoritmlarni ishlash uslubiga qarab quidagi sinflarga ajratish mumkin:  Exclusive  Ketma-ketlikka asoslangan(Overlapping)  Daraxtsimon(Hierarchical)  Extimollik bo’yicha(Probabilistic) Eksklusiv klasterlash algoritmlariga misol qilib k-means algoritmini, ketma-ketlikka asoslangan fuzzy c-means, ierarxik uchun CobWeb, extimollik bo’yicha qidiruvchi algorimlarga esa misol qilib EM algoritmini aytishimiz mumkin.