Publikace detail

Statistické zpracování vodohospodářských dat 8. Analýza říční vody vícerozměrným škálováním MDS

Autoři: Meloun Milan

Rok: 2008

Druh publikace: článek v odborném periodiku

Název zdroje: Vodní hospodářství

Název nakladatele: Vodní hospodářství, spol. s r.o.,

Místo vydání: Praha

Strana od-do: 1-6

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Statistické zpracování vodohospodářských dat 8. Analýza říční vody vícerozměrným škálováním MDS	Subjektivní mapa relativního umístění objektů a znaků v rovině se tvoří na základě podobnosti či vzdáleností mezi objekty, tzv. matice proximity. Kritériem je těsnost proložení daty modelem MDS a Kruskalovo kritérium stress nebo Shepardův diagram. Analýza shluků patří mezi metody, které se zabývají vyšetřováním podobnosti vícerozměrných objektů, objektů, u nichž je změřeno větší množství znaků a jejich klasifikací do tříd čili shluků. Hodí se zejména tam, kde objekty projevují přirozenou tendenci se seskupovat. Taková klasifikace se nazývá numerická taxonomie. Umožňuje identifikaci vztahu, kdy po nalezení shluků objektů, a tím i určení struktury mezi objekty je snadnější.	Vícerozměrné škálování, CMDS, NNMDS, Stress, Shepardův graf, Dendrogram znaků, Dendrogram objektů, Říční voda, Graf komponentního skóre, Indexový graf vlastních čísel, Graf komponentních vah.
eng	Computer-Assisted Statistical Data Analysis. 8. Analysis of the river water using multidimensional scaling MDS	Data matrix contains objects in n rows and m columns. Before data treatment the data are scaled. Similarity of objects and variables is considered on base on Mahalonobis distance or Euclidean distance in the m-dimensional space. Multidimensional scaling MDS is a generic term for a class of techniques that attempt to construct a low-dimensional geometrical representation of a proximity matrix for a set of stimuli, with the aim of making any structure in the data as transparent as possible. The aim of all such techniques is to find a low-dimensional space in which points in the space represent the stimuli, one point representing one stimulus, such that the distances between the points in the space match as well as possible in some sense the original dissimilarities or similarities. In a very general sense this simply means that the larger the observed dissimilarity value between two stimuli, the further apart should be the points representing them in the derived spatial solution. The principal components analysis reduces dimensionality and presents objects in two or three dimensions. The plot of components weight shows hidden structure among variables while the scatterplot shows the hidden structure of objects. The cluster analysis leads to clusters which may be plotted in dendrogram. There are two dendrograms available, the dendrogram of variables and the dendrogram of objects. Both statistical techniques are demonstrated on the analysis and classification of various sources of a river water.	Multidimensional Scaling Analysis, Classical scaling, Nonmetric scaling, MDS, Dendrogram, River Water, Water analysis, Scatterplot, Scree Plot, Factor analysis, Principal Components analysis, Components Weight Plot.

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Ústavy a pracoviště

Jak nás najdete?

Služby

Často hledáte