Unser Leben ist geprägt von Entscheidungen, deren Ausgang oftmals davon abhängt, in welche Kategorie wir den vorliegenden Fall einordnen. Je weniger wir über die Eigenschaften der in Frage kommenden Kategorien wissen und je kleiner die Unterschiede zwischen den Kategorien sind, umso schwerer fällt uns die Zuordnung. Die Diskriminanzanalyse bietet uns eine Reihe von statistischen Verfahren zur Identifizierung von Merkmalen, die zur Trennung mehrerer Gruppen beitragen, und die Möglichkeit, neue Objekte anhand einer aufgestellten Regel den Gruppen zuzuordnen. In dieser Arbeit betrachten wir Funktionen der statistischen Software R zur Durchführung von drei Diskriminanzanalyseverfahren: der linearen Diskriminanzanalyse nach Fisher, der quadratischen und der regularisierten Diskriminanzanalyse. Wir wollen festhalten, wie sie programmiert sind, was ihre Besonderheiten und Eigenarten sind und wann sie keine oder keine zuverlässigen Ergebnisse mehr liefern. Es wird untersucht, ob eines der Verfahren aufgrund seiner Programmierung bessere Ergebnisse in Bezug auf die Vorhersagefähigkeit liefert und inwieweit diese Erkenntnis der Verbesserung der anderen Funktionen dienen kann.