Diszkriminancia analízis

Slides:



Advertisements
Hasonló előadás
Nevezetes eloszlások, normál eloszlás
Advertisements

I. előadás.
Kvantitatív Módszerek
IBM SPSS Statistics Regressziós elemzések Informatikai Tudományok Doktori Iskola.
Kvantitatív módszerek
Rangszám statisztikák
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Földrajzi összefüggések elemzése
Összefüggés vizsgálatok
Becsléselméleti ismétlés
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Regresszió és korreláció
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Faktor = „jellemző”, „háttérváltozó” A faktoranalízis (FA) alapjában a változók csoportosítására, redukciójára.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
III. előadás.
Lineáris korreláció és lineáris regresszió. A probléma felvetése y = 1,138x + 80,778r = 0,8962.
SPSS leíró statisztika és kereszttábla elemzés (1-2. fejezet)
SPSS többváltozós (lineáris) regresszió (4. fejezet)
Diszkriminancia analízis
SPSS többváltozós regresszió
K-közepű és kétlépéses klaszteranalízis (3. fejezet)
Főkomponens és faktor analízis
Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Készítette: Kosztyán Zsolt Tibor
Kvantitatív módszerek
Térkép. Mi az adat? Minden információ, amit tárolni kell. Minden információ, amit tárolni kell.  szám  szöveg  dátum  hang  kép, stb.
Egytényezős variancia-analízis
Kvantitatív Módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Hipotézis vizsgálat (2)
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Lineáris regresszió.
Folytonos eloszlások.
t A kétoldalú statisztikai próba alapfogalmai
Két kvantitatív változó kapcsolatának vizsgálata
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
Petrovics Petra Doktorandusz
Bevezetés a Korreláció & Regressziószámításba
A szóráselemzés gondolatmenete
Vargha András KRE és ELTE, Pszichológiai Intézet
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Parciális korreláció Petrovics Petra Doktorandusz.
Korreláció-számítás.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
Lineáris regressziós modellek

Minőségbiztosítás II_3. előadás
Többváltozós lineáris regresszió
III. előadás.
Dr. Varga Beatrix egyetemi docens
Bevezetés a kvantitatív kutatásba
Az Európai Unió tagországainak, a csatlakozásra váró országoknak
Valószínűségi változók együttes eloszlása
Acf, pacf, arima, arfima.
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

Diszkriminancia analízis 2017.04.04. Diszkriminancia analízis

Diszkriminancia analízis Cél: Kategóriás változó értékének magyarázata magyarázó változók segítségével Előre adott csoportosítás magyarázata Csoportosítást leginkább „okozó” változók megkeresése Saját csoportból „kilógó” egyedek azonosítása Feltevések: A magyarázó változók nem korrelálnak egymással túl erősen A csoportok közötti átlagok és szórások nem korrelálhatnak egymással A korreláció csoportonként megegyezik A magyarázó változók normális eloszlást követnek

Diszkriminancia analízis A módszer érzékeny az outlier értékekre, ügyeljünk rájuk. Ábrázoljuk a változóinkat páronként, lehetőleg lineáris összefüggés legyen csak a független változók között A standardizálatlan paraméterek előjele tetszőleges, csak egymáshoz képest fontos. Structure matrix: a változók és a diszkriminancia score-ok közötti korrelációs együttható, a változók fontossága. Több kimenetel esetén „térkép” rajzolható. Fontos a helyesen besorolt megfigyelések aránya. Leave-one out klasszifikáció. A csoportok előzetes valószínűsége beállítható.

SPSS példa car_sales.sav Grouping variable: type Independents: engine_size-fuel capacity bankloan.sav Grouping variable: default Independents: employ, address, debtinc, creddebt telco.sav Grouping variable: custcat Independents: age-reside Summary table, territorial map