x jako należący do klasy pierwszej, gdy &lt;gap&gt;,<br>2) w przypadku, gdy &lt;gap&gt; zaliczyć go do klasy drugiej.<br><br>&lt;tit&gt;5.3.2. Analiza dyskryminancji Fishera dla wielu klas&lt;/&gt;<br><br>Podstawowym założeniem modelu analizy dyskryminancji jest to, że obserwowane (mierzone) wektory losowe mają wielowymiarowe rozkłady normalne o wartościach oczekiwanych (dla uproszczenia przyjmujemy ich estymatory - wartości średnie) &lt;gap&gt; i wspólne średnie macierzy kowariancji &lt;gap&gt; gdzie &lt;gap&gt; - macierz kowariancji wewnątrzklasowa dla m-tej klasy stanów.<br>Wartości liniowych funkcji dyskryminancyjnych &lt;gap&gt; dla nieznanego obrazu klasy x wyznaczamy z zależności &lt;gap&gt;.<br>W tym przypadku reguła diagnostyczna jest następująca: obserwację x klasyfikujemy do m-tej klasy niesprawności obiektu, jeśli &lt;gap&gt;. Można zauważyć, że &lt;gap&gt; oraz to, że M1