809945_it-IT

liliconcom

Utilizzo di metodi multivariati per esplorare i dati

Scopri come:

• Comprendere e utilizzare metodi multivariati (PCA, Clustering e K-Means)
• Creare e interpretare grafici di dispersione e correlazioni multivariati
• Raggruppare i record che hanno un gran numero di variabili in cluster più piccoli di nuove variabili in base a caratteristiche comuni
• Righe di cluster che condividono valori simili in un certo numero di variabili
• Utilizzare il clustering gerarchico per creare un dendrogramma, ovvero un grafico ad albero dinamico e reattivo per piccole tabelle fino a diverse migliaia di righe
• Utilizzare il clustering k-Means per tabelle fino a centinaia di migliaia di righe
• Utilizzare mappe auto-organizzative per creare cluster e disporli in un layout particolare su una griglia di cluster bidimensionale in cui la prossimità nella griglia indica la somiglianza dei cluster
• Eseguire l'analisi delle componenti principali (PCA) per fattori continui, dove la prima componente principale è la combinazione lineare delle variabili originali standardizzate che ha la massima varianza possibile e ogni componente principale successiva è la combinazione lineare delle variabili che ha la massima varianza possibile e non è correlata con tutte le componenti definite in precedenza
• Analizza la corrispondenza multipla per dati categoriali (simile a PCA, ma per dati categoriali)
• Utilizzare l'analisi fattoriale per identificare i fattori latenti

Risorse

• JMP® per statistiche univariate e multivariate di base: metodi per ricercatori e scienziati sociali, seconda edizione di Ann Lehman, Norm O'Rourke, Larry Hatcher, Edward J. Stepanski
• Visual Six Sigma: rendere snella l'analisi dei dati, seconda edizione di Ian Cox, Marie Gaudard, Mia L. Stephens

Modellazione statistica avanzata