![book](Okladki/ISBN/8325/m832552636X.jpg)
![book](Okladki/ISBN/8325/m832552636X.jpg)
Analiza danych jakościowych i symbolicznych z wykorzystaniem programu R
Książka jest monografią poświęcona metodom statystycznej analizy danych jakościowych, nazywanych bardziej precyzyjnie danymi niemetrycznymi, oraz danych symbolicznych o bardziej złożonej strukturze. Ma charakter teoretyczno-empiryczny - poza wyczerpującym omówieniem takich metod, jak: analiza korespondencji, modele logitowe i probitowe, analiza wariancji, modele klas ukrytych itd., zawiera przykłady ich wykorzystania do rozwiązania
rzeczywistych problemów występujących w analizie danych. Rozwiązania tych problemów zostały przygotowane w postaci procedur w języku R, których działanie Czytelnik może samodzielnie zweryfikować.Publikacja może być przydatna dla badaczy i praktyków, którzy zajmują się problematyką analizy danych niemetrycznych, nieprecyzyjnych i nieostrych. Na stronach internetowych http://keii.ue.wroc.pl znajdują się pliki zawierające wszystkie wykorzystywane dane oraz procedury realizujące zastosowania zamieszczone w książce.
Zobacz pełny opisOdpowiedzialność: | red. nauk. Eugeniusz Gatnar, Marek Walesiak; [aut. Andrzej Bąk et al.]. |
Seria: | Metody ilościowe / C. H. Beck |
Hasła: | Statystyka matematyczna Programy komputerowe Podręczniki akademickie |
Adres wydawniczy: | Warszawa : C. H. Beck, 2011. |
Opis fizyczny: | 307, [1] s. : il. ; 24 cm. |
Uwagi: | Bibliogr. s. 294-303. Indeks. |
Twórcy: | Bąk, Andrzej. (1961- ). Gatnar, Eugeniusz. Red. Walesiak, Marek. (1957- ). Red. |
Przeznaczenie: | Pozycja zainteresuje ekonomistów, psychologów, socjologów, biologów, botaników, archeologów, lekarzy i innych badaczy i praktyków. Polecamy ją studentom takich kierunków, jak: informatyka i ekonometria, analityka gospodarcza, informatyka, matematyka, ekonomia. |
Skocz do: | Dodaj recenzje, komentarz |
- Wstęp
- Rozdział 1. Wprowadzenie do analizy danych jakościowych i symbolicznych
- 1.1. Macierz danych i tablica danych
- 1.2. Miary odległości
- 1.2.1. Dane porządkowe
- 1.2.2. Dane symboliczne
- 1.3. Dyskretyzacja zmiennych ilościowych
- 1.4. Wybrane rozkłady prawdopodobieństwa zmiennych dyskretnych
- 1.5. Wizualizacja danych
- Rozdział 2. Analiza korespondencji
- 2.1. Wprowadzenie
- 2.2. Tablice kontyngencji
- 2.3. Analiza zależności między zmiennymi
- 2.4. Analiza korespondencji dwu i wielu zmiennych
- 2.5. Wizualizacja wyników klasycznej i wielowymiarowej analizy korespondencji
- 2.6. Zastosowania z wykorzystaniem programu R
- Rozdział 3. Modele logarytmiczno-liniowe
- 3.1. Wprowadzenie
- 3.2. Klasyczny model logarytmiczno-liniowy
- 3.3. Hierarchiczne modele logarytmiczno-liniowe
- 3.4. Miary dopasowania modeli logarytmiczno-liniowych
- 3.5. Zastosowania z wykorzystaniem programu R
- Rozdział 4. Modelowanie i prognozowanie zmiennych dwumianowych
- 4.1. Wprowadzenie
- 4.2. Liniowy model prawdopodobieństwa (LMP)
- 4.3. Modele logitowe i probitowe
- 4.4. Prognozy na podstawie modeli dwumianowych
- 4.5. Zastosowania z wykorzystaniem programu R
- Rozdział 5. Modelowanie zmiennych wielomianowych
- 5.1. Wprowadzenie
- 5.2. Wielomianowy model logitowy
- 5.3. Warunkowy model logitowy
- 5.4. Analiza historii zdarzeń
- 5.5. Zastosowania z wykorzystaniem programu R
- Rozdział 6. Analiza wariancji
- 6.1. Podstawy teoretyczne
- 6.1.1. Jednoczynnikowa analiza wariancji
- 6.1.2. Dwuczynnikowa analiza wariancji
- 6.1.3. Założenia analizy wariancji
- 6.1.4. Testyposthoc
- 6.2. Podstawowe schematy badań
- 6.3. Zastosowania z wykorzystaniem programu R
- Rozdział 7. Analiza skupień i porządkowanie liniowe na podstawie danych porządkowych
- 7.1. Wprowadzenie
- 7.2. Analiza skupień na podstawie danych porządkowych
- 7.3. Porządkowanie liniowe na podstawie danych porządkowych
- 7.4. Zastosowania z wykorzystaniem programu R
- Rozdział 8. Drzewa klasyfikacyjne i regresyjne dla jakościowych zmiennych objaśniających
- 8.1. Podstawy teoretyczne
- 8.2. Drzewa klasyfikacyjne i regresyjne
- 8.3. Dobór jakościowych zmiennych objaśniających
- 8.4. Określenie optymalnej postaci modelu
- 8.5. Zastosowania z wykorzystaniem programu R
- Rozdział 9. Modele klas ukrytych dla danych jakościowych
- 9.1. Wprowadzenie
- 9.2. Model klas ukrytych dla zmiennych binarnych i wielomianowych
- 9.3. Model regresji klas ukrytych
- 9.4. Zastosowania z wykorzystaniem programu R
- Rozdział 10. Modele mieszanek dla danych jakościowych
- 10.1. Wprowadzenie
- 10.2. Model GLM
- 10.3. Modele mieszanek – podstawy teoretyczne
- 10.4. Modele mieszanek rozkładów dwumianowych
- 10.5. Modele mieszanek rozkładów Poissona
- 10.6. Zastosowania z wykorzystaniem programu R
- Rozdział 11. Skalowanie wielowymiarowe na podstawie danych jakościowych i symbolicznych
- 11.1. Procedury skalowania wielowymiarowego na podstawie danych jakościowych
- 11.2. Analiza unfolding
- 11.3. Skalowanie wielowymiarowe na podstawie danych symbolicznych
- 11.4. Zastosowania z wykorzystaniem programu R
- Rozdział 12. Analiza skupień na podstawie danych symbolicznych
- 12.1. Wprowadzenie
- 12.2. Podejścia i metody klasyfikacji danych symbolicznych
- 12.3. Procedura klasyfikacji danych symbolicznych
- 12.4. Zastosowania z wykorzystaniem programu R
- Rozdział 13. Analiza dyskryminacyjna i drzewa klasyfikacyjne na podstawie danych symbolicznych
- 13.1. Analiza dyskryminacyjna bazująca na estymatorach intensywności
- 13.2. Drzewa klasyfikacyjne bazujące na optymalnym podziale
- 13.3. Bayesowskie drzewa klasyfikacyjne
- 13.4. Zastosowania z wykorzystaniem programu R
- Dodatek A. Format danych symbolicznych
- Bibliografia
- Indeks
Zobacz spis treści
Sprawdź dostępność, zarezerwuj (zamów):
(kliknij w nazwę placówki - więcej informacji)