Autoři: Petr Hebák, Jiří Hustopecký, Iva Pecáková, Milan Průša, Hana Řezanková, Alžběta Svobodová, Petr Vlach

Obsah třetího dílu

Úvodem

Kapitola 17: Kategoriální proměnné
17.1 Dvourozměrné kontingenční tabulky
17.2 Výběrové míry asociace
17.3 Testy nezávislosti
17.4 Logaritmickolineární model
17.4.1 Konstrukce modelu
17.4.2 Odhad parametrů loglineárního modelu
17.4.3 Volba vhodného loglineámího modelu
17.4.4 Loglineární a logitový model
1 7.5 Logistická regrese
17.5.1 Alternativní vysvětlovaná proměnná
17.5.2 Vícekategoriální vysvětlovaná proměnná

Kapitola 18: Metoda hlavních komponent
18.1 Cíle metody hlavních komponent
18.2 Hlavní komponenty v populaci
18.3 Hlavní komponenty ve výběru
18.4 Geometrický význam hlavních komponent
18.5 Shrnutí metody hlavních komponent

Kapitola 19: Faktorová analýza
19. I Historie a názory na faktorovou analýzu
19.2 Model faktorové analýzy
19.3 Nejednoznačnost faktorového modelu
19.4 Odhad parametrů faktorového modelu
19.5 Řešení faktorových rovnic a počet faktorů
19.6 Jednoduchá struktura a rotace faktorů
19.7 Odhad faktorového skóre

Kapitola 20: Kanonická korelace
20.1 Kanonické veličiny
20.2 Podstata kanonické korelace
20.3 Kanonická korelační analýza
20.4 Skupinový korelační koeficient a testy hypotéz
20.5 Vztahy mezi původními a kanonickými veličinami

Kapitola 21: Shluková analýza
21.1 Cíle shlukové analýzy
21.2 Kritéria pro posouzení kvality rozkladu
21.3 Míry vzdálenosti a podobnosti
21.3.1 Podobnost proměnných
21.3.2 Míry pro alternativní data
21.3.3 Postupy pro jiné typy dat
21.4 Hierarchické shlukovani
21.4.1 Přehled aglomerativních postupů
21.4.2 Dvourozměrná shluková analýza
21.5 Optimalizační algoritmy
21.5.1 Metoda k-průměrů a její varianty
21.5.2 Fuzzy shluková analýza
21.5.3 Určení optimálního počtu shluků

Kapitola 22: Vícerozměrné škálování
22.1 Podstata metody
22.2 Data pro vícerozměrné škálování
22.2.1 Vzdálenost objektů
22.2.2 Podobnost objektů
22.3 Modely MDS
22.4 Metrické MDS
22.4.1 Klasické MDS
22.4.2 Odvození souřadnic z měr nepodobnosti
22.5 Nemetrické MDS
22.5.1 Ztrátová funkce
22.5.2 Výpočetní algoritmus
22.6 Modely individuálních diferencí
22.6.1 Vážený euklidovský model
22.6.2 Zobecněný euklidovský model

Kapitola 23: Korespondenční analýza
23.1 Podstata korespondenční analýzy
23.2 Elementární analýza kontingenčních tabulek
23.3 Jednoduchá korespondenční analýza
23.4 Míry vzdálenosti
23.5 Výpočetní algoritmus
23.6 Korespondenční mapa
23.7 Hodnocení a interpretace modelu
23.8 Vícenásobná korespondenční analýza

Kapitola 24: Vícerozměrné preference
24.1 Principy analýzy
24.2 Metoda plného profilu
24.3 Metoda výběru konceptu
24.4 Adaptivní metoda

Kapitola 25: Velké datové soubory
25.1 Specifika velkých datových souborů
25.1.1 Přístupy k redukci datového souboru
25.1.2 Indexování objektů
25.1.3 Požadavky kladené na metody shlukování
25.2 Nové přístupy ve shlukové analýze
25.2.1 Modifikace rozdělovacích metod
25.2.2 Modifikace hierarchických metod
25.2.3 Metody založené na hustotě, mřížce a modelu
25.2.4 Shlukování podprostorů
25.3 Použití dalších metod

Kapitola 26: Vícerozměrné grafy
Literatura

Dostupnost

Množství: