Graphical Exploratory Data Analysis

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: DuToit S.H.C.,  Steyn A.G.W.,  Stumpf R.H.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 322 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 مگابایت 

قیمت کتاب (تومان) : 56,000

Springer, 1986. - 321 p. — ISBN: 1461293715، 9781461293712، e-ISBN: 9781461249504.
با 180 نمایش گرافیکی.
بنابراین، این کتاب تلاش می‌کند تا مروری دقیق و اجمالی از بسیاری از روش‌های به‌کاررفته در زمینه انتقال و تحلیل به‌وسیله ارائه دهد. نمودار داده به صورت در سراسر کتاب تاکید بر تکنیک های اکتشافی است. با درک بیهودگی ارائه این روش ها بدون برنامه های رایانه ای لازم برای اجرای واقعی آنها، تقریباً در هر موردی سعی کردیم برنامه های رایانه ای کارآمد را ارائه دهیم. نمایش های گرافیکی در سراسر با استفاده از داده های واقعی نشان داده شده است. دو مجموعه داده از این دست اغلب در سراسر متن استفاده می شود. در تحقق اهداف ذکر شده در بالا، از اشتقاقات و توضیحات نظری پیچیده اجتناب کردیم، اما با این وجود متقاعد شده ایم که این کتاب حتی برای یک آماردان آموزش دیده نیز ارزشی غیرقابل ارزیابی خواهد داشت. مطالب :
پیشگفتار.
نقش گرافیک در اکتشاف داده.
مقدمه.
پیشینه تاریخی.
محتوای کتاب.
مجموعه داده های مرکزی.
انواع مختلف داده.
برنامه های کامپیوتری.
گرافیک برای داده های تک متغیره و دو متغیره.
مقدمه.
گرافیک برای داده های تک متغیره.
نقشه های ساقه و برگ.
گرافیک برای داده های دو متغیره.
ادراک گرافیکی.
گرافیک برای انتخاب مدل احتمال.
مقدمه.
مدلهای گسسته.
مدلهای پیوسته.
عمومی.
نمایش تصویری دادههای چند متغیره.
مقدمه.< br/> \"Scatterplots\" در بیش از دو بعد.
پروفایل.
نمایش ستاره.
گلیف.
جعبه s.
منحنی‌های اندروز.
چهره‌های چرنوف.
عمومی.
تحلیل خوشه‌ای.
مقدمه.
رویکرد احتمال .
اندازه گیری های فاصله و تشابه.
تحلیل خوشه سلسله مراتبی.
برنامه های کامپیوتری برای تجزیه و تحلیل خوشه سلسله مراتبی.
نمودارها.
درختان پوشا.
تحلیل خوشه ای از متغیرها.
کاربرد تجزیه و تحلیل خوشه‌ای در داده‌های تناسب اندام/کلسترول.
سایر تکنیک‌های گرافیکی تجزیه و تحلیل خوشه‌ای.
عمومی.
مقیاس‌گذاری چند بعدی.
مقدمه.
دو طرح مقیاس‌گذاری چند بعدی راه (INDSCAL).
تکنیک‌های گاتمن.
نظریه وجهی.
تحلیل اسکالوگرام مرتبه جزئی.
عمومی.
نمایش‌های گرافیکی در تحلیل رگرسیون</ قوی>.
مقدمه.
طرح پراکندگی.
نقشه های باقیمانده.
آمار Ck Mallows.
اطمینان و برای نوارهای ecast.
The Ridge Trace.
عمومی.
CHAID و XAID: تکنیک های اکتشافی برای تجزیه و تحلیل مجموعه داده های گسترده.
مقدمه.
CHAID-یک تکنیک اکتشافی برای تجزیه و تحلیل داده های طبقه بندی شده.
به کارگیری یک تحلیل CHAID.
XAID-یک تکنیک اکتشافی برای تجزیه و تحلیل کمی.
متغیر وابسته با پیش بینی کننده های طبقه بندی شده.
کاربرد تحلیل XAID .
عمومی.
نمودارهای کنترل.
مقدمه.
قابلیت فرآیند.
نمودارهای کنترل موارد با ویژگی های کمی.
نمودارهای کنترلی برای اندازه‌گیری‌های دوگانه (نمودار P).
نمودارهای جمع تجمعی.
نمودارهای سینوسی تجمعی.
عمومی.
نمایش‌های سری زمانی.
نمایش‌ها در دامنه زمان.
نمایش‌ها در دامنه فرکانس.
گرافیک‌های مفید بیشتر.
گرافیک برای مسئله دو نمونه.
گرافیک تکنیک‌هایی در تحلیل واریانس.
نمایش دایره‌ای چهار برابری 2 x 2 جداول احتمالی.
منابع.
شاخص.

Springer, 1986. — 321 p. — ISBN: 1461293715, 9781461293712, e-ISBN: 9781461249504.
With 180 Graphical Representations.
This book, therefore, attempts to give a sound overview of most of the wellknown and widely used methods of analyzing and portraying data graph ically. Throughout the book the emphasis is on exploratory techniques. Realizing the futility of presenting these methods without the necessary computer programs to actually perform them, we endeavored to provide working computer programs in almost every case. Graphic representations are illustrated throughout by making use of reallife data. Two such data sets are frequently used throughout the text. In realizing the aims set out above we avoided intricate theoretical derivations and explanations but we nevertheless are convinced that this book will be of inestimable value even to a trained statistician. Contents:
Preface.
The Role of Graphics in Data Exploration.
Introduction.
Historical Background.
Content of the Book.
Central Data Sets.
Different Types of Data.
Computer Programs.
Graphics for Univariate and Bivariate Data.
Introduction.
Graphics for Univariate Data.
Stem-and-Leaf Plots.
Graphics for Bivariate Data.
Graphical Perception.
Graphics for Selecting a Probability Model.
Introduction.
Discrete Models.
Continuous Models.
General.
Visual Representation of Multivariate Data.
Introduction.
"Scatterplots" in More Than Two Dimensions.
Profiles.
Star Representations.
Glyphs.
Boxes.
Andrews' Curves.
Chernoff Faces.
General.
Cluster Analysis.
Introduction.
The Probability Approach.
Measures of Distance and Similarity.
Hierarchical Cluster Analysis.
Computer Programs for Hierarchical Cluster Analysis.
Digraphs.
Spanning Trees.
Cluster Analysis of Variables.
Application of Cluster Analysis to Fitness/Cholesterol Data.
Other Graphical Techniques of Cluster Analysis.
General.
Multidimensional Scaling.
Introduction.
The Biplot.
Principal Component Analysis.
Correspondence Analysis.
Classical (Metric) Scaling.
Non-Metric Scaling.
Three-Way Multidimensional Scaling (INDSCAL).
Guttman's Techniques.
Facet Theory.
Partial Order Scalogram Analysis.
General.
Graphical Representations in Regression Analysis.
Introduction.
The Scatterplot.
Residual Plots.
Mallows' Ck-Statistic.
Confidence and Forecast Bands.
The Ridge Trace.
General.
CHAID and XAID: Exploratory Techniques for Analyzing Extensive Data Sets.
Introduction.
CHAID-An Exploratory Technique for Analyzing Categorical Data.
Applying a CHAID Analysis.
XAID-An Exploratory Technique for Analyzing a Quantitative.
Dependent Variable with Categorical Predictors.
Application ofXAID Analysis.
General.
Control Charts.
Introduction.
Process Capability.
Control Charts for Items with Quantitative Characteristics.
Control Charts for Dichotomous Measurements (P-Chart).
Cumulative Sum Charts.
Cumulative Sine Charts.
General.
Time Series Representations.
Representations in the Time Domain.
Representations in the Frequency Domain.
Further Useful Graphics.
Graphics for the Two-Sample Problem.
Graphical Techniques in Analysis of Variance.
Four-Fold Circular Display of 2 x 2 Contingency Tables.
References.
Index.