分析布尔数据的能力和叠加颜色的应用扩展了TDA作为假设生成方法的实用性。更具体地说，对于手头的MICS数据，将项目叠加在Mapper图的顶部，并对其进行相应的分类，可以帮助指导哪些项目或设施应该优先用于可能的项目20 JUN RU ANDERSON、FAHRUDIN MEMI\'C和ISMAR VOLI\'C，这些项目或设施将提供给个人。我们的“基本”物品的定义是，收入有限的家庭选择购买这些物品，而不是购买中产阶级的便利设施和奢侈品。这种购买模式表明，这些物品的单位成本边际效用更高，而在资源有限的情况下，向家庭提供这些基本物品可能会有效地提高整个人口的效用。类似地，家庭分类也可用于确定获得某些类型援助的资格。政府或组织可以使用我们的Mapper方法对家庭进行更细微的分类，而不仅仅是基于收入或资产进行分层。这种分类有助于将特定的（例如，为家庭提供电力或桌子）定向到最能从中受益的家庭。这是有价值的，因为更有针对性的援助可能更便宜（因为它是提供给家庭的），而且在政治上更可行。7.未来的工作7。1.其他多指标类集调查数据。MICS研究收集的数据比我们分析时使用的34个问题多得多。还有一些与生活水平有关的问题没有得到双重答案（例如，关于屋顶组成和主要水源的问题）。除此之外，还有教育水平、疫苗接种、医疗保健、童工等问题。这些问题可并入制图器图表中，或按照第5.1节的要求叠加在其上。

例如，这可以揭示哪些家庭或多或少有可能为其子女接种疫苗，并指导制定有针对性的政策，以提高疫苗接种率。然而，为了将基于概率的度量应用于两个以上答案的数据，我们必须扩展两个家庭就给定项目达成一致意味着什么的概念。一种直截了当的方法可以很好地处理无序的分类数据，即两个家庭同意他们给出相同的答案，而不同意他们给出不同的答案。我们可以预先计算每个回答的频率，然后使用两个家庭就给定项目达成一致的概率（即pi），或两个家庭都给出回答的概率（即p+p+·pn）。然而，这种方法不适用于连续数据，可能不适用于离散有序数据。在这种情况下，最好创建对给定问题的回答分布，并使用随机选择的两个家庭给出的回答与所讨论的两个家庭相近或相近的概率。我们还可以使用隔离林为我们的数据构建一个镜头。隔离林量化数据点的“不寻常”程度。例如，如果异常家庭主要是高财富家庭，那就意味着财富分布中存在一条高尾巴，而财富分数可能无法捕捉到这条尾巴。如果非异常家庭形成多个集群，这可能表明下层、中层和上层阶级之间存在有意义的差距。如果他们形成一个单一的集群，那就意味着在整个社会经济地位范围内都有家庭。7.2. 其他国家。正如引言中提到的，我们选择使用塞尔维亚数据，因为其中一位作者参与了MICS调查。

然而，联合国儿童基金会在许多不同的国家进行多指标类集调查。通过对来自不同国家的数据进行分析，oneto可以得出特定地区的见解，研究不同国家或地区的人们如何优先考虑他们的支出，并评估财富评分在决策中的有效性和重要性。如果世界各地都出现同样的模式，它还将允许对全球人口的一些见解进行概括。TDA和MICS 217.3。其他TDA方法。Mapper算法是两种主要的拓扑数据分析工具之一。另一种是持久同源[1,2]，它将数据云视为一个拓扑空间，然后试图理解其拓扑上重要的特征，即那些通过连续变形保持不变的特征。这些包括连通性和各种尺寸的孔洞或“空洞”的存在。首先赋予数据云一个度量（欧几里德、相关性或其他任何东西），将数据云转化为一个空间，然后应用同调（拓扑学中的标准代数工具）来研究它。同源性是在不同的尺度上计算的，在不同层次上“持续存在”的特征被认为具有拓扑学意义，并提供了对数据云的洞察。持久同源性已被用于各种设置（有关概述，请参见[6]），并适用于MICS数据的设置。例如，如果该分析将数据云显示为多个分离的组成部分，这可能会根据通常统计方法不易识别的条件或参数反映财富差异。如果数据显示存在孔，这可能表示数据中未表示的财产组合。

感谢分享

感谢分享