średniokwadratowego błędu między wartościami: estymowanym &lt;gap&gt; i rzeczywistym &lt;gap&gt;<br><br>&lt;tit&gt;5.3. ANALIZA DYSKRYMINANCJI FISHERA&lt;/&gt;<br>&lt;tit&gt;5.3.1. Wprowadzenie&lt;/&gt;<br><br>Stosowanie analizy dyskryminancji jako bazy tworzenia reguł klasyfikacji modeli diagnostycznych ma sens w przypadku, gdy badane (diagnozowane) populacje obiektów mają stany (klasy) opisane przez wielowymiarowe rozkłady normalne o różnych wartościach średnich wektorów &lt;gap&gt; i wspólnej macierzy kowariancji &lt;gap&gt; (4.50). Jeśli parametry x są wyznaczalne, to reguły klasyfikacji i diagnozy są w pewnym sensie optymalne. Analiza dyskryminancji pozwala na estymację funkcji rozdzielających populację stanów obiektów na poszczególne klasy stanów. W przypadku dwóch klas, np.: "pacjent ma zdrową krtań" oraz "pacjent jest poważnie chory" funkcja dyskryminancji będzie ilorazem