Willkommen, schön sind Sie da!
Logo Ex Libris

Datenanalyse mit Modellen für Cluster linearer Regression
Christian Hennig

Inhaltsangabe:Einleitung: In dieser Arbeit geht es um die Analyse von Daten, in denen Cluster linearer Regression erwartet werden ... Weiterlesen
E-Books eignen sich auch für mobile Geräte (sehen Sie dazu die Anleitungen).
E-Books von Ex Libris sind mit Adobe DRM kopiergeschützt: Erfahren Sie mehr.
Weitere Informationen finden Sie hier.
PDF, 186 Seiten  Weitere Informationen
E-Books ganz einfach mit der kostenlosen Ex Libris-Reader-App lesen. Hier erhalten Sie Ihren Download-Link.
CHF 40.90
Download steht sofort bereit

Beschreibung

Inhaltsangabe:Einleitung: In dieser Arbeit geht es um die Analyse von Daten, in denen Cluster linearer Regression erwartet werden können. Ein 'Cluster linearer Regression' ist ein Teildatensatz, der sich von den übrigen Daten unterscheidet in Hinsicht auf den Zusammenhang zwischen einer oder mehreren Einflußgrößen und einer abhängigen Variablen. Dieser Zusammenhang wird pro Gruppe als linear vorausgesetzt ('lineare Regression'). Es werden mehrere Verfahren analysiert, um solche Gruppen zu finden. Mit der 'Fixpunktcluster-Analyse' wird ein neues Verfahren vorgestellt und mit Hilfe von statistischer Theorie und Simulations-Studien untersucht. Es hat gegenüber den 'klassischen' Verfahren den Vorteil, dass Fixpunktcluster unempfindlich gegenüber Veränderungen in 'entfernten' Teilen der Daten (z.B. Ausreißer) sind. Das Verfahren lässt sich auch auf andere Probleme der Clusteranalyse übertragen. Inhaltsverzeichnis:Inhaltsverzeichnis: Inhaltsverzeichnis4 English abstract 3 1.Einführung7 1.1Das Problem 7 1.2Modelle für die Clusteranalyse (Teil I) 9 1.3Exkurs: Angemessenheit von Modellen 10 1.4Fixpunktcluster (Teil II und III) 12 1.5Vergleich der Verfahren (Teil IV) 13 1.6Formale und stilistische Bemerkungen 14 1.7Bezeichnungen 15 I.Mischungen linearer Regressionen17 2.Modellierung17 3.Ansätze zur Analyse der Modelle22 3.1Wechselpunktprobleme 22 3.2Kleinste Quadrate 23 3.3Parameterschätzung im Mischmodell 24 3.4Parameterschätzung im Fixed Partition Model 28 3.5Alternative Ansätze 30 3.5.1Robuste Regression 30 3.5.2Schwache Hierarchien 33 4.Einführung: Identifizierbarkeit 34 5.Beispiele für Nicht-Identfizierbarkeit 38 6.Identifizierbarkeitsresultate 43 II.Fixpunktcluster 54 7.Einführung: Fixpunktcluster 54 7.1Cluster und Ausreißer: Die allgemeine Fixpunktcluster-Idee 54 7.2Beispiel: Fixpunktcluster für 0-1-Vektoren 60 7.3Fixpunktcluster und die Selbstorganisation der Wahrnehmung 62 8.Fixpunktcluster im Regressionsfall63 8.1Regressions-Fixpunktclusterindikatoren 63 8.2Regressions-Fixpunktclustervektoren 65 9.Berechnung von KQ-Fixpunktclustervektoren67 10.Analyse von Beispieldatensätzen73 10.1Telefondaten 74 10.2Artifizieller Datensatz 76 III.Fixpunktclusterindikatoren in speziellen Modellen81 11.Hilfsresultate81 11.1Eigenschaften der Fixpunktcluster-Parameterfunktion 81 11.2Abgeschnittene Normalverteilungen 84 12.Fixpunktclusterindikatoren in homogenen Modellen91 13.Fixpunktclusterindikatoren in [...]

Zusammenfassung
Inhaltsangabe:Einleitung:In dieser Arbeit geht es um die Analyse von Daten, in denen Cluster linearer Regression erwartet werden können. Ein "Cluster linearer Regression" ist ein Teildatensatz, der sich von den übrigen Daten unterscheidet in Hinsicht auf den Zusammenhang zwischen einer oder mehreren Einflußgrößen und einer abhängigen Variablen. Dieser Zusammenhang wird pro Gruppe als linear vorausgesetzt ("lineare Regression").Es werden mehrere Verfahren analysiert, um solche Gruppen zu finden. Mit der "Fixpunktcluster-Analyse" wird ein neues Verfahren vorgestellt und mit Hilfe von statistischer Theorie und Simulations-Studien untersucht. Es hat gegenüber den "klassischen" Verfahren den Vorteil, dass Fixpunktcluster unempfindlich gegenüber Veränderungen in "entfernten" Teilen der Daten (z.B. Ausreißer) sind. Das Verfahren lässt sich auch auf andere Probleme der Clusteranalyse übertragen.Inhaltsverzeichnis:Inhaltsverzeichnis:Inhaltsverzeichnis4English abstract 31.Einführung71.1Das Problem 71.2Modelle für die Clusteranalyse (Teil I) 91.3Exkurs: Angemessenheit von Modellen 101.4Fixpunktcluster (Teil II und III) 121.5Vergleich der Verfahren (Teil IV) 131.6Formale und stilistische Bemerkungen 141.7Bezeichnungen 15I.Mischungen linearer Regressionen172.Modellierung173.Ansätze zur Analyse der Modelle223.1Wechselpunktprobleme 223.2Kleinste Quadrate 233.3Parameterschätzung im Mischmodell 243.4Parameterschätzung im Fixed Partition Model 283.5Alternative Ansätze 303.5.1Robuste Regression 303.5.2Schwache Hierarchien 334.Einführung: Identifizierbarkeit 345.Beispiele für Nicht-Identfizierbarkeit 386.Identifizierbarkeitsresultate 43II.Fixpunktcluster 547.Einführung: Fixpunktcluster 547.1Cluster und Ausreißer: Die allgemeine Fixpunktcluster-Idee 547.2Beispiel: Fixpunktcluster für 0-1-Vektoren 607.3Fixpunktcluster und die Selbstorganisation der Wahrnehmung 628.Fixpunktcluster im Regressionsfall638.1Regressions-Fixpunktclusterindikatoren 638.2Regressions-Fixpunktclustervektoren 659.Berechnung von KQ-Fixpunktclustervektoren6710.Analyse von Beispieldatensätzen7310.1Telefondaten 7410.2Artifizieller Datensatz 76III.Fixpunktclusterindikatoren in speziellen Modellen8111.Hilfsresultate8111.1Eigenschaften der Fixpunktcluster-Parameterfunktion 8111.2Abgeschnittene Normalverteilungen 8412.Fixpunktclusterindikatoren in homogenen Modellen9113.Fixpunktclusterindikatoren in []

Produktinformationen

Titel: Datenanalyse mit Modellen für Cluster linearer Regression
Autor: Christian Hennig
EAN: 9783832421571
ISBN: 978-3-8324-2157-1
Format: PDF
Herausgeber: Diplom.de
Genre: Wahrscheinlichkeitstheorie, Stochastik, Mathematische Statistik
Anzahl Seiten: 186
Veröffentlichung: 19.02.2000
Jahr: 2000
Dateigrösse: 1.4 MB