An Introduction to Applied Multivariate Analysis with R

اکثر مجموعه داده‌های جمع‌آوری‌شده توسط محققان در همه رشته‌ها چند متغیره هستند، به این معنی که چندین اندازه‌گیری، مشاهده یا ضبط روی هر یک از واحدهای مجموعه داده انجام می‌شود. این واحدها ممکن است سوژه های انسانی، مصنوعات باستان شناسی، کشورها یا طیف وسیعی از چیزهای دیگر باشند. در موارد معدودی، جداسازی هر متغیر و مطالعه جداگانه آن ممکن است معقول باشد، اما در بیشتر موارد برای درک کامل ساختار و ویژگی‌های کلیدی داده‌ها، همه متغیرها باید به طور همزمان بررسی شوند. برای این منظور، این یا روش دیگری از تحلیل چند متغیره ممکن است مفید باشد، و این کتاب تا حد زیادی به چنین روش هایی می پردازد. تجزیه و تحلیل چند متغیره شامل روش هایی برای توصیف و کاوش چنین داده هایی و استنتاج رسمی در مورد آنها است. هدف همه تکنیک‌ها، به طور کلی، نمایش یا استخراج سیگنال در داده‌ها در حضور نویز و یافتن چیزی است که داده‌ها در میان آشفتگی ظاهری آن‌ها به ما نشان می‌دهند.

مقدمه ای بر تحلیل چند متغیره کاربردی با R کاربرد صحیح این روش ها را بررسی می کند تا حداکثر اطلاعات ممکن را از داده های در دست استخراج کند، به ویژه به عنوان نوعی نمایش گرافیکی، از طریق نرم افزار R. در سرتاسر کتاب، نویسندگان مثال‌های زیادی از کد R که برای اعمال تکنیک‌های چند متغیره برای داده‌های چند متغیره استفاده می‌شود، آورده‌اند.

The majority of data sets collected by researchers in all disciplines are multivariate, meaning that several measurements, observations, or recordings are taken on each of the units in the data set. These units might be human subjects, archaeological artifacts, countries, or a vast variety of other things. In a few cases, it may be sensible to isolate each variable and study it separately, but in most instances all the variables need to be examined simultaneously in order to fully grasp the structure and key features of the data. For this purpose, one or another method of multivariate analysis might be helpful, and it is with such methods that this book is largely concerned. Multivariate analysis includes methods both for describing and exploring such data and for making formal inferences about them. The aim of all the techniques is, in general sense, to display or extract the signal in the data in the presence of noise and to find out what the data show us in the midst of their apparent chaos.

An Introduction to Applied Multivariate Analysis with R explores the correct application of these methods so as to extract as much information as possible from the data at hand, particularly as some type of graphical representation, via the R software. Throughout the book, the authors give many examples of R code used to apply the multivariate techniques to multivariate data.