.

0 (hodnocen0 x )

(2) Půjčeno:8x 

BK

Vyd. 1.

Praha : Academia, 2005

449 s. : il. ; 24 cm + 1 CD-ROM

ISBN 80-200-1335-0 (váz.)

Obsahuje bibliografii na s. [437]-440 a rejstřík

000079227

Předmluva 13 // 1 Charakter vícerozměrných dat 15 // 1.1 Nepřímá pozorování a korelace 15 // 1.2 Zdrojová matice dat 16 // 1.3 Druhy dat 17 // 1.3.1 Nestrukturovaná data 17 // 1.3.2 Strukturovaná data - jedna skupina závisle proměnných 18 // 1.3.3 Strukturovaná data - více skupin závisle proměnných 19 // 1.4 Odhady parametrů polohy, rozptýlení a tvaru 19 // 1.5 Vybočující body 21 // 2 Předúprava vícerozměrných dat 31 // 2.1 Formy standardizace dat 31 // 2.2 Užití statistických vah 35 // 2.3 Průzkumová analýza vícerozměrných dat 36 // 2.3.1 Zobrazení vícerozměrných dat 36 // 2.3.2 Ověření normality 42 // 3 Metody k odhalení struktury ve znacích a objektech 47 // 4 Analýza hlavních komponent (PCA) 59 // 4.1 Zaměření metody PCA 59 // 4.2 Podstata metody PCA 60 // 4.3 Cíl metody hlavních komponent PCA 60 // 4.4 Grafické pomůcky analýzy hlavních komponent 65 // 4.4.1 Cattelův indexový graf úpatí vlastních čísel (Scree Plot) 65 // 4.4.2 Graf komponentních vah, zátěží (Plot Components Weights) 66 // 4.4.3 Rozptylový diagram komponentního skóre (Scatterplot) 66 // 4.4.4 Dvojný graf (Biplot) 67 // 4.4.5 Graf reziduí jednotlivých objektů 68 // 4.4.6 Graf celkového reziduálního rozptylu všech objektů 68 // 4.5 Diagnostika metody hlavních komponent 69 // 4.6 Řešení častých problémů v PCA 69 // 5 Faktorová analýza (FA) 94 // 5.1 Zaměření metody FA 94 // 5.2 Podstata metody FA 97 // 5.3 Grafické pomůcky FA 100 // 5.4 Diagnostikování metodou FA 101 // 5.4.1 Cíle faktorové analýzy 101 // 5.4.2 Formulace úlohy faktorové analýzy 102 // 5.4.3 Předpoklady faktorové analýzy 102 // 5.4.4 Nalezené řešení a dosažená tčsnost proložení 104 // 5.4.5 Interpretace výsledků 106 // 5.4.6 Ověření výsledků 109 // 5.4.7 Využití výsledků faktorové analýzy 109 //

5.4.8 Diagnostikování problémů faktorové analýzy 112 // 6 Kanonická korelační analýza (CCA) 137 // 6.1 Zaměření metody CCA 137 // 6.2 Podstata metody CCA 137 // 6.2.1. Test významnosti kanonických korelací 140 // 6.2.2. Vysvětlení kanonických proměnných 140 // 6.2.3. Analýza redundance 141 // 6.2.4. Grafické pomůcky 141 // 6.3 Postup diagnostikování CCA 141 // 6.3.1 Cíle kanonické korelační analýzy 141 // 6.3.2 Formulace úlohy kanonické korelační analýzy 142 // 6.3.3 Předpoklady kanonické korelační analýzy 142 // 6.3.4 Nalezené řešení a dosažená tčsnost proložení 142 // 6.3.5 Interpretace výsledků 143 // 6.3.6 Ověření výsledků 144 // 6.3.7 Diagnostikování problémů kanonické korelační analýzy 144 // 7 Diskriminační analýza (DA) 171 // 7.1 Zaměření metody DA 173 // 7.2 Zařazovací pravidla DA 174 // 7.3 Lineární (LDA) a kvadratická (QDA) diskriminační funkce 175 // 7.3.1 Lineární diskriminační funkce LDA 176 // 7.3.2 Kvadratická diskriminační funkce QDA 181 // 7.4 Užití kanonické korelace v diskriminační analýze 184 // 7.5 Úprava prahového bodu 185 // 7.6 Volba znaků, diskriminátorů 186 // 7.7 Kvalita zařazení objektů do tříd 190 // 7.8 Logistická diskriminace 190 // 7.9 Průběh diagnostikování DA 193 // 7.9.1 Cíle diskriminační analýzy 193 // 7.9.2 Formulace úlohy a volba diskriminátorů 194 // 7.9.3 Předpoklady diskriminační analýzy 195 // 7.9.4 Nalezené řešení a dosažená těsnost proložení 195 // 7.9.5 Interpretace výsledků 201 // 7.9.6 Ověření výsledků 204 // 8 Logistická regerese (LR) 219 // 8.1 Zaměření metody LR 219 // 8.2 Logistický regresní model 222 // 8.2.1 Odhady parametrů 224 // 8.2.2 Interpretace regresních koeficientů 224 // 8.2.3 Test významnosti regresních koeficientů 225 // 8.2.4 Parciální korelace 225 //

8.2.5 Kategorické proměnné 226 // 8.2.6 Interpretace spojité a smíšené proměnné 227 // 8.3 Volba proměnných 228 // 8.4 Těsnost proložení logistickým modelem 229 // 8.5 Kvalita vyhodnocení logistickou regresí 231 // 8.6 Aplikace logistické regrese 233 // 9 Analýza shluků (CLU) 268 // 9.1 Dendrogramy hierarchického shlukování 283 // 9.2 Shlukování metodou nejbližších těžišť (K-Means) 294 // 9.3 Shlukování metodou optimálních středů čili medoidů 303 // 9.4 Fuzzy shlukování 308 // 9.5 Postup analýzy shluků 315 // 9.5.1 Cíle analýzy shluků 315 // 9.5.2 Formulace úlohy analýzy shluků 316 // 9.5.3 Předpoklady analýzy shluků 316 // 9.5.4 Výstavba shluků a celková těsnost proložení 317 // 9.5.5 Interpretace shluků 320 // 9.5.6 Ověřování a profilování shluků 320 // 10 Mapování objektů vícerozměrným škálováním (MDS) 340 // 10.1 Zaměření metody MDS 340 // 10.2 Podstata metody MDS 341 // 10.3 Postup subjektivního mapování objektů 346 // 10.3.1 Cíle vícerozměrného škálování objektů 347 // 10.3.2 Formulace úlohy vícerozměrného škálování objektů 349 // 10.3.3 Předpoklady vícerozměrného škálování objektů 352 // 10.3.4 Nalezené řešení a dosažená těsnost proložení 353 // 10.3.5 Interpretace výsledků 357 // 10.3.6 Ověření výsledků 358 // 11 Korespondenční analýza (CA) 379 // 11.1 Zamčření metody CA 379 // 11.2 Podstata metody CA 380 // 11.3 Postup korespondenční analýzy 382 // 11.3.1 Cíle korespondenční analýzy 382 // 11.3.2 Formulace úlohy korespondenční analýzy 383 // 11.3.3 Předpoklady korespondenční analýzy 383 // 11.3.4 Nalezené řešení a dosažená tčsnost proložení 383 // 11.3.5 Interpretace výsledků 384 // 11.3.6 Ovčření výsledků 384 // Dodatky 409 // A Systém STATISTICA (StatSoft) 409 //

A.1 Představení systému a ilustrační příklad 409 // A.2 Příslušné moduly STATISTICA 417 // K Statistický systém QC-Experl (TriloByte) 429 // B.l Základní popis 429 // B.2 Statistické moduly systému QC-Experl Professional 430 // Literatura 437 // Komentář k CD 441 // Rejstřík 445

(OCoLC)85155802

cnb001571377