Statistische Methoden II: Mehrvariable Methoden und by E. Walter (auth.), E. Walter (eds.)

By E. Walter (auth.), E. Walter (eds.)

Show description

Read Online or Download Statistische Methoden II: Mehrvariable Methoden und Datenverarbeitung PDF

Similar german_8 books

Expressive Ungleichheit: Zur Soziologie der Lebensstile

Mit diesem Bueh versuehe ieh die Diskussion uber eine teils verges sene, teils erst wie der in Ansatzen neu entdeekte measurement sozialer Ungleichheit zu beleben. Sie er streekt sich teilweise "quer" zur vertikal fixierten Sehichtungstheorie und verbindet so ziologisehe Mikro- und Makrotheorie, Sozialpsyehologie und Soziologie sowie ver sehiedene "Bindestrichsoziologien.

Auf den ersten Blick: Wie Medieninhalte wahrgenommen und rezipiert werden

​Die nachwachsenden Generationen lernen Mediennutzung heute vorrangig im Umgang mit Internetangeboten. Sind sie deshalb für die Printmedien - zumal die Zeitung - verloren? Umgekehrt gefragt: Wie sollte sich das Zeitungsangebot verändern, damit es für künftige Generationen attraktiv wird? Von den Antworten auf solche Fragen hängt es im Wesentlichen ab, ob die Zeitungen die nächsten Jahrzehnte überleben werden.

Extra info for Statistische Methoden II: Mehrvariable Methoden und Datenverarbeitung

Sample text

Die x k werden wir gelegentlieh aueh als Punkte im RP deuten. § Ahnliehkeiten und Distanzen bei guantitativen Merkmalen Wenn fUr die Werte der x ki im Prinzip aIle reellen Zahlen aus einem (endliehen oder unendliehen) Intervall zugelassen sind, spreehen wir von "quantitatiyen" Merkmalen und Versuehsergebnissen. B. Korpergro13e, Gewieht oder Blutdruek; von der dureh die Me13genauigkeit bedingten Diskretisierung (Abrundung auf ganze Ma13einheiten) sehen wir ab. i. der euklidische Abstand der Punkte x k und x j ' welche die Objekte Ok' OJ reprasentieren.

Ersetzt,man in (1) den euklidischen Abstand durch den verallgemeinerten Mahalanobis-Abstand (mit W statt mit L; vgl. II. • n. 1 'M ~ (iA. -iA ) 'W- (iA. -iA ) - 4 i= 1 J= 1 1. J 1. ) ::: gel ten solI, daS also das Verhaltnis der Varianzen zwischen und innerhalb der Gruppen maximiert werden solI. Weitere Optimalitatskriterien erhalt man, indem man in (1) oder (2) andere DistanzmaSe dkl bzw. DA. A . B. bei qualita1. a. die Schwierigkeit der numerischen Behandlung. § 2. Praktische Verfahren zur Bestimmung optimaler Gruppierungen: Allgemeines Zu keinem der genannten Optimalitatskriterien gibt es ein allgemeines Verfahren mit zumutbarem Rechenaufwand, das eine optimale Gruppierung der Objekte in m Klassen exakt bestimmt.

Man fUhre das vorstehende Verfahren fUr a=a 1 , a=a 2 , ••• usw. aus. a. die Anzahl der Gruppen r=1,2, ••• weil sich dabei jeweils eine Anzahl der bereits konstruierten Gruppen zu einer neuen Klasse vereinigen (bis auf etwaige Ausnahmepunkte). 3. Man fahre fort, bis bei einem groBten a r schlieBlich aIle N Objekte in einer einzigen Klasse vereint sind. a. (1965). •• ON mit ihrer Distanzmatrix 59 (d ij ). Gesucht ist eine Aufteilung der Objekte in eine minimale Anzahl von Gruppen A1 ,A 2 , ••• derart, daB aIle Objekte einer belieb~h Gruppe Ar von allen Objekten einer beliebigen anderen Gruppe As mindestens den Abstand d haben (d eine vorgegebene Distanz); formal: = Minimum 0i EAr OJ fAs , {dij } ;.

Download PDF sample

Rated 4.86 of 5 – based on 27 votes