xDuLieu ⮞Dữ liệu đa biến ⮞Phân tích thành tố & yếu tố ⮞Một số khái niệm cơ bản

Một số khái niệm cơ bản

Trong xử lý dữ liệu đa biến, có một số phương pháp phân tích dựa trên sự giản lược bảng dữ liệu, làm số lượng biến giảm đi, nhưng vẫn đảm bảo dữ liệu thể hiện đúng thực tế. Khi số lượng biến giảm đi, cấu trúc của dữ liệu trở nên rõ ràng hơn, dễ hiểu hơn. Mặt khác quá trình khảo sát tiếp theo cũng trở nên dễ dàng hơn.

Trong dữ liệu đa biến, ta cần phân biệt hai khái niệm sau :

• thành tố (component) : được tạo nên bằng cách tổ hợp một số biến `X_i` của dữ liệu. Theo mô hình tuyến tính thì thành tố `Y` có thể được trình bày dưới dạng:

  `Y=c_1X_1+c_2X_2+...+c_nX_n=sum_(i=1)^n c_iX_i`

  (1)

  Ta có thể cấu trúc lại dữ liệu với một số ít thành tố thay vì từ `n` biến.
• yếu tố (factor) : mỗi biến của dữ liệu xem như được tạo ra từ sự tổ hợp một số các yếu tố `F_i`. Theo mô hình tuyến tính thì mỗi biến `X` có thể trình bày dưới dạng:

  `X=a_1F_1+a_2F_2+...+a_mF_m=sum_(j=1)^m a_iF_i `

  (2)

  Yếu tố được xem như một dạng biến ẩn của dữ liệu. Dữ liệu được xem như có cơ sở từ một số ít các yếu tố thay vì từ `n` biến.