Тематика относится к многомерному статистическому анализу. См. соответствующую главу в учебнике "Прикладная статистика"
http://orlovs.pp.ru/stat.php#k1 . Много разных постановок.
Цитата:
Нужно провести анализ данных о лавинных микроситуациях.
Каждая микроситуация характеризуется {х1,...хn} предикторами, всего измерений - m.
Нужно выделить наиболее существенные предикторы, влияющие на лавинную опасность...
Насколько я понимаю, нужно выделить независимые предикторы...
Есть ли информация о лавинной ситуации для каждой микроситуации?
Если лавинная ситуации описывается количественной переменной, то применяют многомерный регрессионный анализ (много методов - параметрические, непараметрические ...). Если лавинная ситуации описывается бинарной переменной (да - нет), то применяют дискриминантный анализ много методов - параметрические, непараметрические ...).
Если нет информации о лавинной ситуации для каждой микроситуации,
то речь идет о сжатии информации. Метод главных компонент, факторный анализ. Кластер-анализ. Многомерное шкалирование. В каждом классе - много методов.
Цитата:
Для этого нужно вычислить корреляционную матрицу(у меня получились по главной диагонали -1, остальные меньше -1Sad, какие есть формулы для ее вычислений еще?может я что-то напутала...), потом найти коэффициент Стьюдента для каждого эл-та корреляционной матрицы(можно ли его находить из какого-то выражения, а не из таблиц, так как число измерений заранее неизвестно), и используя какой-то предел, отбросить(как мы полагаем) зависимые предикторы?
Поскольку нет оснований предполагать, что распределения предикторов нормальны, то и применение распределения Стьюдента не является обоснованным. Лучше использовать непараметрические коэффициенты корреляции Спирмена и Кендалла.
Общая рекомендация проста - один раз потратить время на изучение теории анализа данных ("Прикладная статистика"
http://orlovs.pp.ru/stat.php#k1 ), а затем квалифицированно анализировать конкретные ситуации.