Publication detail

Výhody a přednosti vícerozměrné analýzy dat

Year: 2008

Type of publication: ostatní - přednáška nebo poster

Name of source: Sborník Celostátního semináře a workshopu v Lázních Bohdaneč, 18. - 21. 11. 2008

Publisher name: TriloByte Statistical Software, Pardubice ? St. Hradiště CQR - Výzkumné centrum pro jakost a spolehlivost ČR, Editor: Karel Kupka

Page from-to: nestránkováno

Titles:

Language	Name	Abstract	Keywords
cze	Výhody a přednosti vícerozměrné analýzy dat	Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných. Zdrojová matice dat obsahuje proměnné ve sloupcích a objekty v řádcích. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. K rychlému posouzení podobnosti slouží grafy exploratorní analýzy vícerozměrných dat: profily, polygony, sluníčka a hvězdičky. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými, kde krátká vzdálenost značí silnou korelaci. Objekty lze seskupovat do shluků hierarchicky dle předem zvoleného způsobu metriky a ne hierarchicky dle uživatelem vybraných objektů-představitelů. Výsledkem je dendrogram.	Exploratorní analýza; PCA; FA; shluky; sluníčka; hvězdy; obličeje; graf komponentních vah; graf komponentního skóre, dendrogram proměnných, dendrogram objektů;
eng	Advantages and Strength of Multivariate Statistical Data Analysis	Principal component analysis, factor analysis and cluster analysis are applied after exploratory data analysis to find internal bounds among multivariate data.	Exploratory data analysis; PCA; FA; Cluster analysis; stars; suns; faces;

Search

Login for students

Login for employees

Publication detail

Departments

Other Parts

Map

Services

Popular Links