На  графике видно, что кластерный анализ дал такие же результаты как и  факторный. В результате проведенного анализа выделились две группы людей. Первая группа – спокойные, уравновешенные безконфликтные люди. Вторая – импульсивные и агрессивные личности. Такие же результаты показал и факторный анализ.

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Приложение

1. Анкета, с помощью  которой я смогу  провести факторный  анализ

1. Я бы предпочел жить в доме, который находится:

1) в  обжитом городе 2) нечто среднее  3) одиноко в глухих лесах 

2. Я бы вполне мог жить один, вдали от людей.

1) да 2) иногда 3) нет 

3. Когда я ложусь спать, я:

1) засыпаю  быстро 2) нечто среднее 2) засыпаю  с трудом

4.  Если бы я вел машину по дороге, где много других автомобилей, я предпочел бы:

1) пропустить  вперед большинство машин  2) не  знаю 3) обогнать все идущие впереди  машины

5. Я воздерживаюсь  от критики людей  и их высказываний:

1) да 2) иногда 3) нет 

6. При общении с людьми я:

1) с  готовностью вступаю в разговор 2) нечто среднее 3) предпочитаю  спокойно оставаться в стороне

7. Я говорю о своих чувствах:

1) только  если это необходимо 2) нечто среднее  3) охотно, когда представится возможность 

8. После того как  меня что-то сильно рассердит, я довольно быстро успокаиваюсь:

1) да 2) нечто среднее 3) нет. 

9. Мне трудно говорить  или декламировать  перед большой  группой людей:

1) да 2) нечто среднее 3) нет

10. Если кто-нибудь  рассердится на  меня, то я:

1) постараюсь его успокоить 2) нечто среднее 3) раздражаюсь

11. Встречаясь с несправедливостью,  я скорее склонен  забыть об этом, чем реагировать:

1) верно 2) не уверен 3) неверно

12. Бывают времена,  когда у меня  нет настроения  видеть кого бы  то ни было:

1) очень  редко 2) нечто среднее 3) довольно часто

13. Мне важно, чтобы  во всем, что меня  окружает, не было  беспорядка

1) верно 2) трудно сказать 3) неверно

14. Я бы скорее  занимался (лась):

1) фехтованием  и танцами 2) затрудняюсь сказать  3) борьбой и баскетболом 

15. Меня раздражают люди, которые не могут быстро принимать решения.

1) верно 2) не знаю 3) неверно

16. Мои друзья чаще:

1) советуются  со мной 2) дают мне советы 3) делают  то и другое поровну 

17. Мне бывает трудно  признать, что я  неправ.

1) да 2) иногда 3) нет

18. Худшее наказание  для меня:

1) тяжелая работа 2) не знаю 3) быть запертым в одиночестве

19. Я принимаю решения:

1) быстрее, чем многие люди 2) не знаю 3) медленнее большинства людей

20. На меня большее  впечатление производят:

1) мастерство и изящество 2) трудно сказать 3) сила и мощь  

    В этой таблице сведены все ответы интервьюеров, опрошенных мною.

2. Матрица, которая  получилась после  набивки анкеты

 

Заключение 

    Наступивший XXI век стал этапным для проникновения новых информационных технологий и создаваемых на их основе высокопроизводительных компьютерных систем во все сферы человеческой деятельности - управление, производство, науку, образование и т.д.

    Кластерный  анализ параллельно развивался в  нескольких направлениях, таких как  биология, психология, др., поэтому у  большинства методов существует по два и более названий. Это  существенно затрудняет работу при  использовании кластерного анализа. Кластеризация служит для объединения больших объемов данных в группы (кластеры), которые характеризуются тем, что элементы внутри каждой группы имеют больше «сходства» между собой, чем между элементами соседних кластеров. В целом, все методы кластеризации можно подразделить на иерархические и неиерархические. Последние чаще всего используются при анализе больших объемов данных, т.к. они обладают большей скоростью. [12. http://www.intuit.ru/department/database/datamining/13/].¹

    Кластерный  анализ не требует априорных предположений о наборе данных, не накладывает ограничения на представление исследуемых объектов, позволяет анализировать показатели различных типов данных (интервальным данным, частотам, бинарным данным). При этом нужно помнить, что переменные должны измеряться в сравнимых шкалах.

    В ходе курсового проекта я подробно рассмотрела метод кластерный анализ.

    Я доказала актуальность своей темы с  помощью проведенного анкетирования.

    В своем курсовом проекте я подробно рассмотрела алгоритм кластерного  анализа, его виды.

    Вначале своей работы я ставила ряд  задач, которые в ходе работы, по моему мнению, были выполнены.

    Кластерный  анализ – один из наиболее интересных и действенных способов обработки  информации. 
 

Список  используемых источников 

    1. Статья в Интернет. Пакет статистической обработки. Кластерный анализ при большом количестве наблюдений. http://www.sati.archaeology.nsc.ru/stat/methods_info.php  

    2. Итеративная кластеризация в SPSS. http://www.forekc.ru/nr2/index-iterativnaya_klasterizaciya_v_spss_2.htm 

    3. Методы кластерного анализа. http://www.intuit.ru/department/database/datamining/13/ 

    4.Статья из журнала http://www.springerlink.com/content/qj16212n7537n6p3/fulltext.pdf 

    5. Алгоритмы кластерного анализа. Статья в Интернет. «Анализ методов автоматического извлечения знаний из реляционных баз данных». Кошелева В. А. http://www.dea-analysis.ru/clustering-5.htm 
 

    6.www.allbect.ru

    7. Гаврилова Т.А.. Хорошевский В.Ф. - Базы знаний интеллектуальных систем (2000)

 

    8. http://www.learnspss.ru/handbooks.htm Учебник по работе с SPSS. Камалов Н. К. 

    9. http://ru.wikipedia.org/wiki/Inf.htm. Извлечение информации 

    10. http://www.basegroup.ru/library/analysis/clusterization/datamining/ Корчин А. П. Методы кластеризации