İkili değişkenlerden oluşan gözlem vektörlerinin çözümlenmesinde yoğunlaşan çalışmalar yanlış sınıflandırma olasılıklarının minimuma indirgenmesini esas almaktadır. İkili değişkenlerden oluşan gözlem vektörlerinin en az iki grup arasında sınıflandırılması, Kesikli Diskriminant çözümlemesinde birinci derece-ikinci derece-üçüncü derece Bahadur Modellerinin konusunu oluşturmakta ve aynı düşünce etrafında farklı modeller kullanılsa bile hata oranını en aza indirgeyen model tercih edilmektedir. Bu doğrultuda çalışmanın amacı minimum yanlış sınıflandırma olasılığını ve iki grup arasında en iyi ayırım veya sınıflandırmaya imkan veren, Kesikli Diskriminant çözümlemesinde birinci derece-ikinci derece-üçüncü derece Bahadur Modellerini belirlerken, bireylerin uyum ve uyumsuzluğunu etkileyen faktörlere karşı gelen ikili değişkenlerin oluşturduğu gözlem vektörlerinin gruplara sınıflandırılmasını bir uygulama yardımıyla göstermektir.  

Intensive studies focusing on the analysis of observational vectors containing binary variables are based on reducing the probabilities of misclassification to the minimum. The classification of observational vectors containing binary variables into at least two groups provides a topic for first degree, second degree and third degree Bahadur Models in Discrete Discriminant Analysis and, from this point of view, the model which reduces the error rate to the minimum is preferred although many different models can be used. The aim of studies in this domain is to demonstrate a classification of observational vectors containing binary variables, which include factors affecting social compatibility of individuals, by the help of an application that provides the minimum misclassification probabilities and the best classification or discrimination between two groups, while stating first degree, second degree and third degree bahadur models in Discrete Discriminant Analysis.