| المستخلص: |
يعتبر التحليل التميزي واحد من أهم وأشهر الطرق المستخدمة في التمييز بين المجموعات المعرفة مسبقا وذلك باستخدامه العديد من المتغيرات أو المقاييس، وباستخدام تركيبات خطية أو غير خطية و هناك عدة مقاييس معملية إحصائية وغير معملية كبحوث العمليات تستخدم لإيجاد دالة التمييز. في هذا البحث تم تطبيق و تقييم و مقارنة بين كلا الأسلوبين من خلال استخدام مجموعة بيانات مأخوذة من احدي اكبر شركات البترول الموجودة في المملكة العربية السعودية في مجال البترول و الغاز و هو مجال جديد لم يسبق التطبيق فيه حيث كان المعيار المستخدم للمقارنة بين الطرق المختلفة و هو دقة التصنيف التي تم حسابها بطريقتين مختلفتين تقدير معدل أخطاء التصنيف Leave-one-out cross validation تم اقتراح استخدام كلا من دالة فيشر للتحليل التميزي، الدالة التربيعية للتحليل التميزي، و الدالة اللوجستية للتحليل التميزي من الطرق الإحصائية المعروفة أيضا تم استخدام اثنان من القيم الشاذة من مجموعتين ذات متوسطات غير متساوية مأخوذة بالتساوي من كل مجموعة (50 = N) و(40= N) (60 = N) تم استخدام العديد من البرامج الإحصائية علي بيانات العينات الصخرية المحسوبة من باطن الأرض من عدة حقول نفطية. عند مقارنة دقة التصنيف باستخدام leave-one-out cross validation للخمس طرق على البيانات وجدنا إن طريقة التمييز اللوجستية حققت افصل نتائج من باقي الطرق الإحصائية للعينات (40 = N) ، ( 60 = N). بينما حققت الطريقة التربيعية للتمييز نتائج أفضل بالنسبة للعينة الثانية (50 = N ) ، أما طرق بحوث العمليات فكان لها نفس الأداء في التصنيف بتفوق بسيط لصالح minimize sums of deviation method
Discriminant analysis is one of the most classical classification procedure used to discriminate and differentiate groups as possible by using one or more attributes. It also assigns observations to one of the pre-defined and separated groups. There are many parametric discriminant statistical methods such Fisher’s FDA, quadratic QDA, and logistic LoDA methods, and non-parametric operations research methods such as maximize minimum of deviations MMD, and minimize sums of deviation MSD methods to discriminate the difference between groups and classify new observations to the suitable group. Operations research methods are fixable and do not require any assumptions as statistical methods. This study introduces a comparison between three statistical methods and two linear programming models for solving recover and non¬recover oil problems. Section (1) includes an introduction of the study. Section (2) provides a suitable review of statistical and operations research methods. Section (3) introduces an application of some discrimination methods for solving recovery and non-recovery Oil data problems. Section .(4) includes the analysis and recommendation of the study. Finally, at the end of the study, there is the references section in section The discrimination analysis is the suitable tool that classify objects into one of two, or more mutually exclusive groups on the bases of measurements.[5] This multivariate analysis techniques focus on the association between multiple independent variables, and a categorical dependent variable by forming a composite of independent variables. It can be used to discriminate between two or more pre-existing separated groups of subjects as possible, and can predict the new group membership to its suitable group. The simplest type of discriminant analysis has only two groups The basic statistical methods assumed normality of the measurements, and also equality variances-covariances
|
