.

0 (hodnocen0 x )

(1.5) Půjčeno:3x 

BK

Vyd. 2.

Praha : Academia, 2012

750 s. : il. ; 24 cm + 1 DVD

ISBN 978-80-200-2071-0 (váz.)

Gerstner ; sv. 7

Obsahuje bibliografii na s. [735]-740 a rejstřík

000240407

Předmluva // 1 Charakter vícerozměrných dat // 1.1 Nepřímá pozorování a korelace // 1.2 Zdrojová matice dat // 1.3 Druhy dat // 1.3.1 Nestrukturovaná data // 1.3.2 Strukturovaná data - jedna skupina závisle proměnných // 1.3.3 Strukturovaná data - více skupin závisle proměnných // 1.4 Odhady parametrů polohy, rozptýlení a tvaru // 1.5 Vybočující body // 2 Předúprava vícerozměrných dat // 2.1 Formy standardizace dat // 2.2 Užití statistických vah // 2.3 Průzkumová analýza vícerozměrných dat // 2.3.1 Zobrazení vícerozměrných dat // 2.3.2 Ověření normality // 3 Metody k odhaleni struktury ve znacích a objektech // 4 Analýza hlavních komponent (PCA) // 4.1 Zaměření metody PCA // 4.2 Podstata metody PCA // 4.3 Cíl metody hlavních komponent PCA // 4.4 Grafické pomůcky analýzy hlavních komponent // 4.4.1 Cattelův indexový graf úpatí vlastních čísel (Scree Plot) 4.4.2 Graf komponentních vah, zátěží (Plot Components Weights) // 4.4.3 Rozptylový diagram komponentního skóre (Scatterplot) // 4.4.4 Dvojný graf (Biplot) // 4.4.5 Graf reziduí jednotlivých objektů // 4.4.6 Graf celkového reziduálního rozptylu všech objektů // 4.5 Diagnostika metody hlavních komponent // 4.6 Řešení častých problémů v PCA // 5 Faktorová analýza (FA) 110 // 5.1 Zaměření metody FA 110 // 5.2 Podstata metody FA 114 // 5.3 Grafické pomůcky FA 118 // 5.4 Diagnostikováni metodou FA 118 // 5.4.1 Cíle faktorové analýzy 119 // 5.4.2 Formulace úlohy faktorové analýzy 120 // 5.4.3 Předpoklady faktorové analýzy 121 // 5.4.4 Nalezené řešeni a dosažená těsnost proložení 123 // 5.4.5 Interpretace výsledků 125 // 5.4.6 Ověření výsledků 129 // 5.4.7 Využití výsledků faktorové analýzy 130 // 5.4.8 Diagnostikování problémů faktorové analýzy 133 //

6 Kanonická korelační analýza (CCA) 161 // 6.1 Zaměření metody CCA 161 // 6.2 Podstata metody CCA 162 // 6.2.1. Test významnosti kanonických korelací 165 // 6.2.2. Vysvětlení kanonických proměnných 165 // 6.2.3. Analýza redundance 166 // 6.2.4. Grafické pomůcky 166 // 6.3 Postup diagnostikování CCA 166 // 6.3.1 Cíle kanonické korelační analýzy 166 // 6.3.2 Formulace úlohy kanonické korelační analýzy 167 // 6.3.3 Předpoklady kanonické korelační analýzy 167 // 6.3.4 Nalezené řešení a dosažená těsnost proložení 168 // 6.3.5 Interpretace výsledků 169 // 6.3.6 Ověření výsledků 170 // 6.3.7 Diagnostikování problémů kanonické korelační analýzy 170 // 7 Diskriminační analýza (DA) 200 // 7.1 Zaměření metody DA 203 // 7.2 Zařazovací pravidla DA 204 // 7.3 Lineární (LDA) a kvadratická (QDA) diskriminační funkce 206 // 7.3.1 Lineární diskriminační funkce LDA 206 // 7.3.2 Kvadratická diskriminační funkce QDA 212 // 7.4 Užití kanonické korelace v diskriminační’analýze 216 // 7.5 Úprava prahového bodu 218 // 7.6 Volba znaků, diskriminátorů 218 // 7.7 Kvalita zařazení objektů do tříd 223 // 7.8 Logistická diskriminace 224 // 7.9 Průběh diagnostikování DA 227 // 7.9.1 Cíle diskriminační analýzy 227 // 7.9.2 Formulace úlohy a volba diskriminátorů 228 // 7.9.3 Předpoklady diskriminační analýzy 230 // 7.9.4 Nalezené řešení a dosažená těsnost proložení 230 // 7.9.5 Interpretace výsledků 237 // 7.9.6 Ověření výsledků 241 // 8 Logistická regerese (LR) 258 // 8.1 Zaměření metody LR 258 // 8.2 Logistický regresní model 262 // 8.2.1 Odhady parametrů 264 // 8.2.2 Interpretace regresních koeficientů 265 // 8.2.3 Test významnosti regresních koeficientů 266 // 8.2.4 Parciální korelace 266 // 8.2.5 Kategorické proměnné 267 //

8.2.6 Interpretace spojité a smíšené proměnné 268 // 8.3 Volba proměnných 270 // 8.4 Těsnost proloženi logistickým modelem 271 // 8.5 Kvalita vyhodnocení logistickou regresí 274 // 8.6 Aplikace logistické regrese 276 // 9 Analýza shluků (CLU) 315 // 9.1 Dendrogramy hierarchického shlukování 332 // 9.2 Shlukování metodou nejbližších těžišť (K-Means) 344 // 9.3 Shlukování metodou optimálních středů čili medoidů 355 // 9.4 Fuzzy shlukování 361 // 9.5 Postup analýzy shluků 369 // 9.5.1 Cíle analýzy shluků 370 // 9.5.2 Formulace úlohy analýzy shluků 370 // 9.5.3 Předpoklady analýzy shluků 371 // 9.5.4 Výstavba shluků a celková těsnost proložení 372 // 9.5.5 Interpretace shluků 375 // 9.5.6 Ověřování a profilování shluků 376 // 10 Mapováni objektů vícerozměrným škálováním (MDS) 398 // 10.1 Zaměření metody MDS 398 // 10.2 Podstata metody MDS 399 // 10.3 Postup subjektivního mapování objektů 405 // 10.3.1 Cíle vícerozměrného škálování objektů 406 // 10.3.2 Formulace úlohy vícerozměrného škálování objektů 408 // 10.3.3 Předpoklady vícerozměrného škálování objektů 413 // 10.3.4 Nalezené řešení a dosažená těsnost proložení 413 // 10.3.5 Interpretace výsledků 418 // 10.3.6 Ověření výsledků 419 // 11 Korespondenční analýza (CA) 443 // 11.1 Zaměření metody CA 443 // 11.2 Podstata metody CA 444 // 10 I Obsah // 11.3 Postup korespondenční analýzy 447 // 11.3.1 Cíle korespondenční analýzy 447 // 11.3.2 Formulace úlohy korespondenční analýzy 448 // 11.3.3 Předpoklady korespondenční analýzy 448 // 11.3.4 Nalezené řešení a dosažená těsnost proložení 448 // 11.3.5 Interpretace výsledků 449 // 11.3.6 Ověření výsledků 449 // 12 Úlohy 478 // 12.1 Analýza farmakologických a biochemických dat 479 //

12.2 Analýza chemických a fyzikálních dat 548 // 12.3 Analýza enviromeniálních, potravinářských a zemědělských dat 577 // 12.4 Analýza hutnických a mineralogických dat 624 // 12.5 Analýza ekonomických a sociologických dat 629 // 13 Kontrolní otázky 666 // Dodatek 682 // O programu STATISTIC A (StatSoft) 682 // Základní moduly a produkty STATISTICA 682 // Práce se systémem STATISTICA 687 // Ukázka příkladů 692 // Úprava dat 700 // Grafy 703 // Automatizace rutinních analýz 721 // Co navíc umí STA TISTICA 722 // STATISTICA Enterprise - systém pro celý podnik nebo firmu 731 // Přehled architektury STATISTICA Enterpríce 733 // Doplňkový nástroj STATISTICA Monitoring and Alerting Server 734 // Literatura 735 // Komentář k DVD 741 // Rejstřík 745