Содержание
- 2. Задачи Сокращение числа переменных. Измерение неизмеримого. Построение новых обобщенных показателей. Наглядное представление многомерных наблюдений (проецирование данных).
- 3. Сокращение переменных исходные переменные (не все) заменяют на меньшее число новых искусственных переменных новые переменные -
- 4. Сокращение числа переменных пример: портной при массовом пошиве одежды используются размер, полнота рост
- 5. Сокращение числа переменных пример : портной Например, по одной из формул полнота = (длина окружности груди
- 6. Сокращение числа переменных пример : портной Размер, полнота и рост – факторы, искусственные переменные. Найдены эмпирически,
- 7. Сокращение числа переменных пример Б. Шоу Начало прошлого века Зависимость Носит цилиндр – шире грудная клетка
- 8. Сокращение числа переменных Пример: влияние пищевых добавок на рост. Две переменные: рост ста людей в дюймах
- 9. Сокращение числа переменных Пример: влияние пищевых добавок на рост. значения одной переменной вычисляются по значениям другой
- 10. Сокращение числа переменных Несколько переменных В каждой паре коэффициент корреляции близок к 1 => Переменные линейно
- 11. Сокращение числа переменных Отбрасываем все переменные Вместо них новую - «представитель» содержит всю «общую» информацию измеряет
- 12. 2. Измерение неизмеримого Как измерить любовь? Отношение пациента к своему доктору? Удовлетворенность сортом кофе? Как определить
- 13. 2. Измерение неизмеримого Искусственные переменные - факторы. Может оказаться, что они измеряют исследуемую характеристику. Исходные переменные
- 14. Семантический дифференциал «оценка»: хороший - плохой «сила»: сильный − слабый «активность»: активный − пассивный
- 15. Семантический дифференциал Осгуд (1952) эволюционная значимость?
- 16. Измерение неизмеримого Интроверт – экстраверт Как измерить? Юнг, Айзенк
- 17. выявления структуры зависимости в данных методе корреляционных плеяд факторный анализ обычно представляет более краткую, выразительную и
- 18. Наглядное представление многомерных наблюдений (проецирование данных).
- 19. проецирование данных возможно
- 20. Проекции - интересные и скучные
- 21. Посмотрим картинку…
- 22. Проецирование данных Есть специализированные методы Projection pursuit Многомерное шкалирование Карты Sommer’a
- 23. Математическая модель Анализ главных компонент Факторный анализ
- 27. Задачи Сокращение числа переменных. Измерение неизмеримого. Построение новых обобщенных показателей. Наглядное представление многомерных наблюдений (проецирование данных).
- 28. Анализ главных компонент. Математическая модель
- 29. Определение числа факторов Анализ главных компонент, анализируется корреляционная матрица Собственные числа == дисперсии главных компонент (Eugenvalues)
- 30. Определение числа факторов Сколько собственных чисел больше 1? Сколько собственных чисел больше 0.8? График каменистая осыпь
- 31. Нахождение факторов Факторный анализ, анализируется корреляционная матрица Вращение варимакс
- 32. Нахождение факторов Оценка качества модели Общности (communalities) Какой % дисперсии переменной объяснен фактором Разность корреляционных матриц
- 33. Нахождение факторов Оценка качества модели Главный критерий качества Интерпретируемость факторов
- 34. Loadings – коэффициенты уравнения Scores – значения факторов для каждого наблюдения
- 36. Рассматриваемая выборка - 47 франко-говорящих провинций Швейцарии в 1888 году. В набор данных вошли показатели социального
- 37. Мостеллер и Тьюки следующим образом комментируют данные. Швейцария в 1888 году находилась в том периоде своего
- 38. Имеется 47 наблюдений и 6 переменных. Все переменные кроме ‘Fertility’ измеряют процент населения. Значения переменных Examination
- 40. Скачать презентацию