.

0 (hodnocen0 x )

(9.3) Půjčeno:28x 

BK

Vyd. 1.

Praha : Informatorium, 2002

171 s. : il.

ISBN 80-7333-001-6 (brož.)

Obsahuje rejstřík, slovníček pojmů, obrázky

Gynekologie - učebnice středošk.

000035922

Obsah třetího dílu // Úvodem ke druhému vydání 9 // Kapitola 17: Kategoriální proměnné 11 // 17.1 Dvourozmčmé kontingenční tabulky 12 // 17.2 Výběrové míry asociace 14 // 17.3 Testy nezávislosti 21 // 17.4 Logaritmickolineámí model 25 // 17.4.1 Konstrukce modelu 27 // 17.4.2 Odhad parametrů loglineámího modelu 33 // 17.4.3 Volba vhodného loglineámího modelu 34 // 17.4.4 Loglineámí a logitový model 37 // 17.5 Logistická regrese 38 // 17.5.1 Alternativní vysvětlovaná promčnná 39 // 17.5.2 Vícekategoriální vysvětlovaná promčnná 48 // Kapitola 18: Metoda hlavních komponent 53 // 18.1 Cíle metody hlavních komponent 53 // 18.2 Hlavní komponenty v populaci 56 // 18.3 Hlavní komponenty ve výběru 62 // 18.4 Geometrický význam hlavních komponent 70 // 18.5 Shrnutí metody hlavních komponent 71 // Kapitola 19: Faktorová analýza 81 // 19.1 Historie a názory na faktorovou analýzu 81 // 19.2 Model faktorové analýzy 83 // 19.3 Nejednoznačnost faktorového modelu 86 // 19.4 Odhad parametrů faktorového modelu 87 // 19.5 Řešení faktorových rovnic a počet faktorů 93 // 19.6 Jednoduchá struktura a rotace faktorů 97 // 19.7 Odhad faktorového skóre 102 // Kapitola 20: Kanonická korelace 110 // 20.1 Kanonické veličiny 110 // 20.2 Podstata kanonické korelace 113 // 20.3 Kanonická korelační analýza 114 // 20.4 Skupinový korelační koeficient a testy hypotéz 115 // 20.5 Vztahy mezi původními a kanonickými veličinami 117

// Kapitola 21: Shluková analýza 120 // 21.1 Cíle shlukové analýzy 120 // 21.2 Kritéria pro posouzení kvality rozkladu 121 // 21.3 Míry vzdálenosti a podobnosti 122 // 21.3.1 Podobnost proměnných 127 // 21.3.2 Míry pro alternativní data 127 // 21.3.3 Postupy pro jiné typy dat 128 // 21.4 Hierarchické shlukování 130 // 21.4.1 Přehled aglomerativních postupů 134 // 21.4.2 Dvourozměrná shluková analýza 138 // 21.5 Optimalizační algoritmy 140 // 21.5.1 Metoda k-průměrů a její varianty 140 // 21.5.2 Fuzzy shluková analýza 142 // 21.5.3 Určení optimálního počtu shluků 144 // 3 // Kapitola 22: Vícerozměrné škálování 145 // 22.1 Podstata metody 145 // 22.2 Data pro vícerozměrné škálování 145 // 22.2.1 Vzdálenost objektu 146 // 22.2.2 Podobnost objektu 147 // 22.3 Modely MDS 147 // 22.4 Metrické MDS 148 // 22.4.1 Klasické MDS 148 // 22.4.2 Odvození souřadnic z měr nepodobnosti 150 // 22.5 Nemetrické MDS 154 // 22.5.1 Ztrátová funkce 154 // 22.5.2 Výpočetní algoritmus 158 // 22.6 Modely individuálních diferencí 163 // 22.6.1 Vážený euklidovský model 164 // 22.6.2 Zobecněný euklidovský model 167 // Kapitola 23: Korespondenční analýza 169 // 23.1 Podstata korespondenční analýzy 169 // 23.2 Elementárni analýza kontingenčních tabulek 170 // 23.3 Jednoduchá korespondenční analýza 171 // 23.4 Míry vzdálenosti 174 // 23.5 Výpočetní algoritmus 177 // 23.6 Korespondenční mapa 181 // 23.7 Hodnocení a interpretace

modelu 184 // 23.8 Vícenásobná korespondenční analýza 188 // Kapitola 24: Vícerozměrné preference 194 // 24.1 Principy analýzy 194 // 24.2 Metoda plného profilu 203 // 24.3 Metoda výběru konceptu 207 // 24.4 Adaptivní metoda 209 // Kapitola 25: Velké datové soubory 210 // 25.1 Specifika velkých datových souborů 210 // 25.1.1 Přístupy ? redukci datového souboru 211 // 25.1.2 Indexování objektů 212 // 25.1.3 Požadavky kladené na metody shlukování 214 // 25.2 Nové přístupy ve shlukové analýze 215 // 25.2.1 Modifikace rozdělovačích metod 217 // 25.2.2 Modifikace hierarchických metod 217 // 25.2.3 Metody založené na hustotě, mřížce a modelu 223 // 25.2.4 Shlukování podprostorů 225 // 25.3 Použití dalších metod 226 // Kapitola 26: Grafy a vizualizace dat 230 // 26.1 Grafy ve vícerozměrných metodách 230 // 26.2 Vizualizace vícerozměrných dat 247 // 26.2.1 Cíle vizualizace 248 // 26.2.2 Metody vizualizace 249 // 26.2.3 Grafický software a dynamická grafická analýza 261 // Literatura 262 // 4 // r // Úvodem // Obsah prvního dílu // 3 // Kapitola 1 : Modely a modelování 5 // 1.1 Model // 1.2 Jedna z možných klasifikací modelu // 1.3 Matematické modely // 1.4 Nčktcrč typy matematických modelů // 1.5 Přístupy ? modelování // Kapitola 2: Vícerozměrná rozdělení 11 // 2.1 Náhodný vektor a jeho rozdčlení // 2.2 Charakteristiky náhodného vektoru // 2.3 Vícerozmčmé normální rozdělení // 2.4 Lineární

a kvadratické formy normálního vektoru // Kapitola 3: Vícerozměrná pozorování 21 // 3.1 Datová matice, objekty a proměnné // 3.2 Typy proměnných // 3.3 Časový prvek v datech // 3.4 Členění datové matice // Kapitola 4: Výběrová rozdělení 30 // 4.1 Základní soubor a náhodný výběr // 4.2 Sdružené rozdělení datové matice // 4.3 Věrohodnostní funkce // 4.4 Výběrové charakteristiky (statistiky) // 4.5 Vektor výběrových průměrů a Wishartova matice // 4.6 Kovarianční matice a odvozené statistiky // 4.7 Lineární transformace proměnných ve výběru // 4.8 Vzdálenost objektů // 4.9 Výběrová rozdělení - obecné poznatky // 4.10 Výběr z vícerozměrného normálního rozdělení // 4.11 Wishartovo rozdělení // 4.12 Hotellingovo rozdělení // Kapitola 5: Odhady a testy hypotéz 50 // 5.1 Bodový odhad // 5.2 Metoda maximální věrohodnosti // 5.3 Intervaly spolehlivosti // 5.4 Intervalový odhad ve vícerozměrných úlohách // 5.5 Simultánní úsudky o složkách vektoru parametrů // 5.6 Testování hypotéz // 5.7 Test věrohodnostním poměrem // Kapitola 6: Průzkumová analýza dat 65 // 6.1 Důvody zkoumání dat // 6.2 Vyhledávání odlehlých pozorování // 6.3 Náhrada chybějících hodnot // 6.4 Třídění do intervalů // 6.5 Další změny typu proměnných // 6.6 Problémy ověřování normality // 5 // 6.7 Chĺ-kvadrát test dobré shody // 6.8 Výbčrová distribuční funkce a Kolmogorův test // 6.9 Další

testy normality // 6.10 Grafické posouzení jednorozmčmé normality // 6.11 Grafické posouzení vícerozmémé normality // 6.12 Transformace dat // 6.13 Systém transformací Boxe a Coxe // 6.14 Plošná transformace // Kapitola 7: Vektor středních hodnot // 7.1 Úvod a poznámky ? používaným statistikám // 7.2 Oblast spolehlivosti pro vektor ? // 7.3 Test hypotézy o vektoru p // 7.4 Simultánní úsudky o složkách vektoru p // 7.5 Struktura vektoru středních hodnot p // Kapitola 8: Dva vektory středních hodnot // 8.1 Porovnání výběrů z několika populací // 8.2 Jednorozměrné srovnání dvou výběrů // 8.3 Vícerozměrné srovnání dvou výběrů // 8.4 Test obecné hypotézy p, = p2 // 8.5 Simultánní úsudky o shodě složek vektorů p, a p2 // 8.6 Neshoda kovariančních matic při testování p, = p2 // 8.7 Ověření p, = p2 pro závislé výběry // Kapitola 9: Kovarianční a korelační matice // 9.1 Úsudky o kovarianční matici // 9.2 Srovnání rozptylů ? normálních rozdělení // 9.3 Testování shody několika kovariančních matic // 9.4 Ověření úplné nezávislosti proměnných // 9.5 Ověření nezávislosti mezi skupinami proměnných // Kapitola 10: Analýza rozptylu // 10.1 Cíl analýzy rozptylu // 10.2 Jednorozměrné úlohy s jedním faktorem // 10.3 Jednorozměrné úlohy s více faktory // 10.4 Vícerozměmé úlohy s jedním faktorem // 10.5 Vícerozměrné úlohy s více faktory // Kapitola 11: Diskriminační analýza

// 11.1 Podstata a cíl diskriminační analýzy // 11.2 Kanonická diskriminační analýza // 11.3 Diskriminační funkce a klasifikace // Maticový dodatek // 1 Vektory // 2 Maticová symbolika a některé základní věty // 3 Některá rozšíření maticového počtu // 4 Pravidla pro derivování funkcí vektorů a matic // Literatura // w // Úvodem // Obsah druhého dílu // 7 // Kapitola 12: Lineární regrese 9 // 12.1 Statistické modelování závislosti // 12.1.1 Mčření závislosti a regrese není totéž // 12.1.2 Heuristický úvod a skrytá korelace // 12.2 Regrese a korelace // 12.2.1 Úkoly regresní a korelační analýzy // 12.2.2 Regresní modely a jejich klasifikace // 12.2.3 Vyrovnávací kritéria // 12.3 Lineární regresní model // 12.3.1 Klasický lineární regresní model // 12.3.2 Odhad parametrů regresní funkce // 12.3.3 Metoda maximální věrohodnosti v regresi // 12.3.4 Bodové odhady v lineárním regresnínm modelu // 12.3.5 Odhad lineární funkce regresních koeficientů // 12.4 Intervaly spolehlivosti a testy hypotéz v KLM // 12.4.1 Intervaly spolehlivosti v KLM // 12.4.2 Test obecné lineární hypotézy // 12.4.3 Testy hypotéz v KLM // 12.5 Hodnocení kvality regresního modelu // 12.5.1 Rozklady různých součtů čtverců // 12.5.2 Analýza reziduí a vlivná pozorování // 12.5.2.1 Projekční matice H // 12.5.2.2 Různé typy reziduí a jejich vlastnosti // 12.5.2.3 Vlivná pozorování // 12.5.3 Vysvětlující proměnné

a kvalita modelu // 12.5.3.1 Chybná specifikace proměnných // 12.5.3.2 Výběr vysvětlujících proměnných // 12.5.3.3 Kritéria výběru proměnných // 12.5.3.4 Metody výběru podmnožiny proměnných // 12.6 Nesplněné podmínky KLM // 12.6.1 Zobecněný lineární model // 12.6.1.1 Heteroskedasticita // 12.6.1.2 Autokorelace // 12.6.2 Náhodné vysvětlující proměnné // 12.6.3 Multikolinearita // 12.7 Transformace dat a modelu // Kapitola 13: Korelační koeficienty 153 // 13.1 Korelace náhodných veličin // 13.2 Úsudky o korelačních koeficientech // 13.3 Důsledky vztahů mezi korelačními koeficienty // 13.4 Pořadová korelace // Kapitola 14: Analýza kovariance 174 // 14.1 Společné působení anebo smíchání vlivů // 14.2 Potřeba kontroly a modifikace nepřímých vlivů // 7 // 14.3 Typy promčnných v analýze kovariance // 14.4 Předpoklady v analýze kovariance // 14.5 Jednoduché úlohy v analýze kovariance // 14.6 Úlohy s včtším počtem promčnných // 14.7 Vícerozmčmá analýza kovariance // 14.8 Přednosti a slabiny analýzy kovariance // Kapitola 15: Obecný lineární model 196 // 15.1 Spojení lineární regrese s analýzou rozptylu // 15.2 Umčlé proměnné v obecném lineárním modelu // 15.3 Úlohy obecného lineárního modelu // Kapitola 16: Nelineární regrese 211 // Literatura 234 // fi