Miejska Biblioteka

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 opis

---

1. Wstęp
2. Rozdział 1. Wprowadzenie do analizy danych jakościowych i symbolicznych
3. 1.1. Macierz danych i tablica danych
4. 1.2. Miary odległości
5. 1.2.1. Dane porządkowe
6. 1.2.2. Dane symboliczne
7. 1.3. Dyskretyzacja zmiennych ilościowych
8. 1.4. Wybrane rozkłady prawdopodobieństwa zmiennych dyskretnych
9. 1.5. Wizualizacja danych
10. Rozdział 2. Analiza korespondencji
11. 2.1. Wprowadzenie
12. 2.2. Tablice kontyngencji
13. 2.3. Analiza zależności między zmiennymi
14. 2.4. Analiza korespondencji dwu i wielu zmiennych
15. 2.5. Wizualizacja wyników klasycznej i wielowymiarowej analizy korespondencji
16. 2.6. Zastosowania z wykorzystaniem programu R
17. Rozdział 3. Modele logarytmiczno-liniowe
18. 3.1. Wprowadzenie
19. 3.2. Klasyczny model logarytmiczno-liniowy
20. 3.3. Hierarchiczne modele logarytmiczno-liniowe
21. 3.4. Miary dopasowania modeli logarytmiczno-liniowych
22. 3.5. Zastosowania z wykorzystaniem programu R
23. Rozdział 4. Modelowanie i prognozowanie zmiennych dwumianowych
24. 4.1. Wprowadzenie
25. 4.2. Liniowy model prawdopodobieństwa (LMP)
26. 4.3. Modele logitowe i probitowe
27. 4.4. Prognozy na podstawie modeli dwumianowych
28. 4.5. Zastosowania z wykorzystaniem programu R
29. Rozdział 5. Modelowanie zmiennych wielomianowych
30. 5.1. Wprowadzenie
31. 5.2. Wielomianowy model logitowy
32. 5.3. Warunkowy model logitowy
33. 5.4. Analiza historii zdarzeń
34. 5.5. Zastosowania z wykorzystaniem programu R
35. Rozdział 6. Analiza wariancji
36. 6.1. Podstawy teoretyczne
37. 6.1.1. Jednoczynnikowa analiza wariancji
38. 6.1.2. Dwuczynnikowa analiza wariancji
39. 6.1.3. Założenia analizy wariancji
40. 6.1.4. Testyposthoc
41. 6.2. Podstawowe schematy badań
42. 6.3. Zastosowania z wykorzystaniem programu R
43. Rozdział 7. Analiza skupień i porządkowanie liniowe na podstawie danych porządkowych
44. 7.1. Wprowadzenie
45. 7.2. Analiza skupień na podstawie danych porządkowych
46. 7.3. Porządkowanie liniowe na podstawie danych porządkowych
47. 7.4. Zastosowania z wykorzystaniem programu R
48. Rozdział 8. Drzewa klasyfikacyjne i regresyjne dla jakościowych zmiennych objaśniających
49. 8.1. Podstawy teoretyczne
50. 8.2. Drzewa klasyfikacyjne i regresyjne
51. 8.3. Dobór jakościowych zmiennych objaśniających
52. 8.4. Określenie optymalnej postaci modelu
53. 8.5. Zastosowania z wykorzystaniem programu R
54. Rozdział 9. Modele klas ukrytych dla danych jakościowych
55. 9.1. Wprowadzenie
56. 9.2. Model klas ukrytych dla zmiennych binarnych i wielomianowych
57. 9.3. Model regresji klas ukrytych
58. 9.4. Zastosowania z wykorzystaniem programu R
59. Rozdział 10. Modele mieszanek dla danych jakościowych
60. 10.1. Wprowadzenie
61. 10.2. Model GLM
62. 10.3. Modele mieszanek – podstawy teoretyczne
63. 10.4. Modele mieszanek rozkładów dwumianowych
64. 10.5. Modele mieszanek rozkładów Poissona
65. 10.6. Zastosowania z wykorzystaniem programu R
66. Rozdział 11. Skalowanie wielowymiarowe na podstawie danych jakościowych i symbolicznych
67. 11.1. Procedury skalowania wielowymiarowego na podstawie danych jakościowych
68. 11.2. Analiza unfolding
69. 11.3. Skalowanie wielowymiarowe na podstawie danych symbolicznych
70. 11.4. Zastosowania z wykorzystaniem programu R
71. Rozdział 12. Analiza skupień na podstawie danych symbolicznych
72. 12.1. Wprowadzenie
73. 12.2. Podejścia i metody klasyfikacji danych symbolicznych
74. 12.3. Procedura klasyfikacji danych symbolicznych
75. 12.4. Zastosowania z wykorzystaniem programu R
76. Rozdział 13. Analiza dyskryminacyjna i drzewa klasyfikacyjne na podstawie danych symbolicznych
77. 13.1. Analiza dyskryminacyjna bazująca na estymatorach intensywności
78. 13.2. Drzewa klasyfikacyjne bazujące na optymalnym podziale
79. 13.3. Bayesowskie drzewa klasyfikacyjne
80. 13.4. Zastosowania z wykorzystaniem programu R
81. Dodatek A. Format danych symbolicznych
82. Bibliografia
83. Indeks

Zobacz spis treści

Dodaj komentarz do pozycji:

Swoją opinię można wyrazić po uprzednim zalogowaniu.