277716_de-DE

liliconcom

Verwendung multivariater Methoden zum Untersuchen von Daten

Erfahren Sie, wie Sie:

• Multivariate Methoden (PCA, Clustering und K-Means) verstehen und anwenden
• Erstellen und interpretieren Sie multivariate Streudiagramme und Korrelationen
• Gruppieren Sie Datensätze, die eine große Anzahl von Variablen enthalten, basierend auf gemeinsamen Merkmalen in kleinere Cluster neuer Variablen
• Gruppieren Sie Zeilen, die in einer Reihe von Variablen ähnliche Werte aufweisen
• Verwenden Sie hierarchisches Clustering, um ein Dendrogramm zu erstellen, bei dem es sich um ein dynamisches, ansprechendes Baumdiagramm für kleine Tabellen mit bis zu mehreren tausend Zeilen handelt
• Verwenden Sie k-Means-Clustering für Tabellen mit bis zu Hunderttausenden Zeilen
• Verwenden Sie selbstorganisierende Karten, um Cluster zu bilden und sie in einem bestimmten Layout auf einem zweidimensionalen Clusterraster zu formen, wobei die Nähe im Raster die Clusterähnlichkeit anzeigt
• Führen Sie eine Hauptkomponentenanalyse (PCA) für kontinuierliche Faktoren durch, wobei die erste Hauptkomponente die lineare Kombination der standardisierten Originalvariablen mit der größtmöglichen Varianz ist. und jede nachfolgende Hauptkomponente ist die Linearkombination der Variablen, die die größtmögliche Varianz aufweist und nicht mit allen zuvor definierten Komponenten korreliert
• Mehrfachkorrespondenz für kategoriale Daten analysieren (ähnlich wie PCA, aber für kategoriale Daten)
• Verwenden Sie die Faktorenanalyse, um latente Faktoren zu identifizieren

Ressourcen

• JMP® für grundlegende univariate und multivariate Statistiken: Methoden für Forscher und Sozialwissenschaftler, 2. Auflage von Ann Lehman, Norm O'Rourke, Larry Hatcher, Edward J. Stepanski
• Visual Six Sigma: Datenanalyse schlank machen, 2. Auflage von Ian Cox, Marie Gaudard, Mia L. Stephens

 

Erweiterte statistische Modellierung