Imaginez un ensemble de données réparties de manière aléatoire dans une zone carrée. (Les coordonnées x et y sont des variables aléatoires uniformes.) Le seul regroupement ou regroupement est dû au caractère aléatoire. Maintenant, imaginons que l'hypothèse alternative Ha est que les données se regroupent au fil du temps. Les mêmes données par semaine semblent être plus regroupées, au moins visuellement. Comment puis-je mesurer le degré de regroupement, où zéro ne correspond à aucun regroupement autre que le caractère aléatoire et 1 correspond à tous les points de données déplacés vers le même emplacement? Quelque part dans l'intervalle, il y a des grappes plus petites où les données ont tendance à errer et à se regrouper en plusieurs grappes.
Je peux créer un cluster K Means en utilisant une gamme de clusters pour chaque ensemble de données et choisir le NCluster (nombre de clusters) avec le meilleur critère de clustering cubique (CCC), où des valeurs plus grandes de CCC indiquent un meilleur ajustement. Je peux ensuite comparer le nombre de grappes, en notant que les données aléatoires ont plus de grappes, mais plus petites. Il semble qu'il existe une approche plus statistiquement valide pour comparer le degré de regroupement. C'est pourquoi je m'adresse à cette communauté remplie de gens beaucoup plus intelligents que moi!
