Fakulta chemicko technologická Katedra analytické chemie
|
|
- Silvie Dušková
- před 7 lety
- Počet zobrazení:
Transkript
1 Fakulta chemicko technologická Katedra analytické chemie Licenční studium statistické zpracování dat Analýza vícerozměrných dat Ing. Pavel Valášek Školní rok
2 OBSAH ÚVOD DATA EDA EXPLORATORÍ AALÝZA 4 PCA AALÝZA HLAVÍCH KOMPOET 8 4. Určení počtu hlavních komponent Porovnání metod SVD a IPALS 4.. Tabulka hodnot hlavních komponent (SVD) 4. Závěr 5 FA FAKTOROVÁ AALÝZA 4 5. Tabulka Komunalit pro zvolený počet faktorů 4 5. Závěr Tabulka komponentních vah pro dva faktory Tabulka komponentních vah pro tři faktory 5 6 AALÝZA SHLUKŮ 5 6. Tabulka rozhodčích kritérií 8 6. Závěr 8
3 Úvod PRECHEZA a.s. je výrobcem termických železitých pigmentů, které se vyrábí přímou kalcinací monohydrátu síranu železnatého. Ve výstupní analytické kontrole se sleduje a analyticky stanovuje celá řada vlastností (proměnných), jejichž stanovení může být časově a pravděpodobně i ekonomicky a finančně náročné. Statistickou analýzou vícerozměrných dat je možné posoudit, které sledované vlastnosti jsou si podobné či které spolu korelují a na základě těchto závěrů lze počet měřených vlastností snížit. Pro statistickou analýzu byla použita metoda PCA (hlavních komponent) a FA (faktorová analýza), které jsou dominantními metodami této analýzy. Pro provedení této statistické analýzy byly požity programy: MIITAB., SCA, CSS, OPGM. Data Vzhledem k rozsáhlosti hodnot (-proměnných a 9 objektů) zde nejsou uvedeny, ale soubor s těmito daty je součástí této práce. Pro vlastní zpracování dat bylo použito pouze proměnných, protože proměnná (sytost pigmentu) je matematickou kombinací odstínových parametrů a* a b*. EDA Exploratorní analýza Exploratorní analýza těchto vícerozměrných dat provedena nebyla, protože výběr je příliš rozsáhlý, a obrázkové grafy (hvězdičky) se pro proměnných stávají nepřehledné. Pro základní pohled na zpracovávané hodnoty byly pro jednotlivé proměnné vyčísleny základní parametry jako jsou průměr, medián, příslušné intervaly, atd. Descriptive Statistics Variable: [%] st Quartile rd Quartile E Obr. - (MIITAB) Základní statistika pro (%)
4 Descriptive Statistics Variable: vod. soli [% st Quartile rd Quartile E Obr. - (MIITAB) Základní statistika pro vodosoli (%) Descriptive Statistics Variable: st Quartile rd Quartile Obr. - (MIITAB) Základní statistika pro (µs/cm)
5 Descriptive Statistics Variable: ph st Quartile rd Quartile E- -.9E Obr. -4 (MIITAB) Základní statistika pro ph Descriptive Statistics Variable: zbytek A st Quartile rd Quartile.5E- 8.E-.E-.6E- 9.E- 8.E E- 9.E-.4E-.E- 4.E-.74E- 9.97E-.5E- Obr. -5 (MIITAB) Základní statistika pro Zbytek A (%) 4
6 Descriptive Statistics Variable: spot. ol st Quartile rd Quartile Obr. -6 (MIITAB) Základní statistika pro spotřeba oleje (g/g) Descriptive Statistics Variable: disperg st Quartile rd Quartile E- -6.E Obr. -7 (MIITAB) Základní statistika pro dispergaci (RD 6 µm) 5
7 Descriptive Statistics Variable: st Quartile rd Quartile E Obr. -8 (MIITAB) Základní statistika pro velkost částic pod µm(%) Descriptive Statistics Variable: L* st Quartile rd Quartile E- -.5E Obr. -9 (MIITAB) Základní statistika pro L* - jasová složka 6
8 Descriptive Statistics Variable: st Quartile rd Quartile Obr. - (MIITAB) Základní statistika pro celková barevná diference Descriptive Statistics Variable: st Quartile rd Quartile Obr. - (MIITAB) Základní statistika pro sytost pigmentu 7
9 Z diagnostik pro, a Spotř.oleje je možné vypozorovat, že pigment, který byl vyráběn termickým způsobem na kalcinační lince není zcela stejných vlastností. 4 PCA Analýza hlavních komponent 4. Určení počtu hlavních komponent Pomocí grafických znázornění lze určit ty proměnné, které je třeba vyšetřovat. Tyto grafy také ukazují tzv. redundantní (nadbytečné) proměnné,které by bylo možno ze stanovovaných parametrů vypustit, a tím by mohlo pravděpodobně dojít i k zlevnění analytické části. Je možné i detekovat různé shluky objektů navzájem si podobných vlastností. 8
10 Principal Components Eigenvalue (Scree) Plot Principal Components Eigenvalue (Scree) Plot 4 eigenvalues eigenvalues 4 6 components components Obr. 4- (SVD) Indexový graf počtu (-ti) hlavních komponent Principal Components Eigenvalue (Scree) Plot Obr. 4- (SVD) Indexový graf počtu (8-mi) hlavních komponent Principal Components Eigenvalue (Scree) Plot eigenvalues eigenvalues components components 4 5 Obr. 4- (SVD) Indexový graf počtu (6-ti) hlavních komponent Obr. 4-4 (SVD) Indexový graf počtu (5-ti) hlavních komponent 9
11 Principal Components Loading Plot Principal Components Loading Plot second component spot. ol vod. sol disperg. ph L* zbytek A second component disperg. spot. ol ph first component first component.5 Obr. 4-5 (SVD) Graf komponentních vah ( ti) proměnných Obr. 4-6 (SVD) Graf komponentních vah (8 mi) proměnných Principal Components Loading Plot Principal Components Loading Plot.. second component -. spot. ol second component first component first component.5 Obr. 4-7 (SVD) Graf komponentních vah (6 ti) proměnných Obr. 4-8 (SVD) Graf komponentních vah (5 ti) proměnných
12 Principal Components Biplot Principal Components Biplot 4 second component - - spot. disperg. ol zbytek L* ApH vod. sol second component - - spot. disperg. ol ph first component -8 - first component Obr. 4-9 (SVD) Dvojný graf ( ti) proměnných a 9 objektů Obr. 4- (SVD) Dvojný graf (8 mi) proměnných a 9 objektů PrincipalComponentsBiplot Principal Components Biplot nt n e m p o c o n d s e c o - spot.ol second component firstcomponent - first component 8 Obr. 4- (SVD) Dvojný graf (6 ti) proměnných a 9 objektů Obr. 4- (SVD) Dvojný graf (5 ti) proměnných a 9 objektů
13 4.. Porovnání metod SVD a IPALS Principal Components Biplot second component first component 8 Obr. 4- (SVD) Dvojný graf (5 ti) proměnných a 9 objektů IPALS Biplot second component first component Obr. 4-4 (IPALS) Dvojný graf (5 ti) proměnných a 9 objektů
14 4.. Tabulka hodnot hlavních komponent (SVD) V tabulce jsou vhledem ke snížení dimenzionality uvedeny vždy první dvě hlavní komponenty, které lze proti sobě lehce graficky zobrazit. (viz Obr. 4-9 až 4-). Pro komponent Pro 8 komponent Pro 6 komponent Pro 5 komponent PCA PCA PCA PCA PCA PCA PCA PCA Proporčně Kumulativně vod. sol ph zbytek A spot. Ol disperg L* Závěr Pro PCA (metodu hlavních komponent) byly použita metoda SVD, která počítá všechny komponenty dohromady, zatím co IPALS počítá v daném čase vždy jednu komponentu. Vzhledem k této skutečnosti by bylo pro tohle hodnocení pravděpodobně vhodnější použít metodu IPALS, ale metoda SVD poskytuje zcela shodné výsledky jako metoda IPALS, ale s rozdílnými znaménky u jednotlivých hodnot příslušných komponent. Z porovnání, které je uvedeno v tabulce hodnot (4..) vyplívá, že se postupnou redukcí proměnný podařilo pomocí dvou latentních proměnných dosáhnout 7, % vysvětlené variability v datech. Latentní proměnné pak mají tvar: y =.456* +.46* -.7*obsah částic pod m +.57*.55*sytost* y =.4*.4*.88* obsah částic pod m -.9* +.6*sytost Z dvojných grafů (Obr. 4-9 až 4-4) je možné objekty rozdělit na dvě od sebe velmi dobře odlišné skupiny. ejvětší skupinu objektů je možno rozdělit ještě na tři skupiny.pokud bychom se snažily o fyzikální vysvětlení latentních proměnných, tak y vzhledem k velikosti koeficientů u a souvisí s barevnými vlastnostmi a y pak s tvarem a velikostí částic pigmentu.
15 5 FA Faktorová analýza Vzhledem k tomu, že mohu latentním proměnným y a y, které jsem získal metodou PCA přiřadit fyzikální smysl, nejedná se už o latentní proměnné, ale o faktory. Při faktorové analýze byla použita metoda EQUIMAX, která spojuje kritéria metod VARIMAX a QUARTIMAX, což znamená, že při rotaci je maximalizován rozptyl čtverců faktorových vah a zároveň je maximalizován součet čtvrtých mocnin faktorových zátěží. Výpočet byl proveden pro tři faktory. 5. Tabulka Komunalit pro zvolený počet faktorů Počet faktorů částice Vysvětlený rozptyl (%) Factor Analysis Score Plot Unrotated Factors Rotated Factors second factor - second factor first factor first factor 4 5 Obr. 5- Rozptylový diagram komponentního skóre před a po rotaci 4
16 5. Závěr Z tohoto souboru dat se nepodařilo separovat faktorově čisté proměnné. Pro popis hodnocených dat je možno použít dvou (7,% vysvětlené variability) nebo tří (86,8 vysvětlené variability) faktorů. Po rotaci EQUIMAX byly získány pro dva faktory následující komponentní váhy: 5.. Tabulka komponentních vah pro dva faktory Faktor Faktor částice Decmc Tabulka komponentních vah pro tři faktory Faktor Faktor Faktor částice Analýza shluků Analýza shluků patří do metod, které se zabývají podobností objektů, respektive proměnných. Postupy jsou založeny na postupném spojování objektů nebo proměnných do tzv. dendorogramů. Pro měření vzdálenosti mezi objekty byly použita euklidovská metrika, která je přirozeným zobecněním běžného pojmu vzdálenosti. Jako shlukovací procedury (metody) byly použity: metoda průměrová (Average), mediánová (), těžiště (Centroid), nejbližšího souseda (Single), nejvzdálenějšího souseda (Complete), Wardova metoda (Ward). 5
17 Similarity Similarity Observations. Observations Obr. 6- Dendrogram pro 9 objektů, metoda - Average Obr. 6- Dendrogram pro 9 objektů, metoda - Centroid Similarity. Similarity Observations. Observations Obr. 6- Dendrogram pro 9 objektů, metoda -Complete Obr. 6-4 Dendrogram pro 9 objektů, metoda - Single 6
18 Similarity Similarity Observations. Observations Obr. 6-5 Dendrogram pro 9 objektů, metoda Ward Obr. 6-6 Dendrogram pro 9 objektů, metoda - Similarity Dendrogram proměnných Similarity Dendrogram proměnných zbyte k A ph L* d isperg. vo d. so l vlh kost s pot. o l DEcm c. ph disperg. zbytek A L* vod. sol s pot. ol Variables Obr. 6-7 Dendrogram proměnných, metoda Centroid Variables Obr. 6-8 Dendrogram proměnných, metoda - Ward 7
19 6. Tabulka rozhodčích kritérií Metoda Ward Singl Complet CC,749,7845,77 Delta(.5),998,8,488 Delta(.),94,97,46 Metoda Centroid Average CC,849,7699,84 Delta(.5),949,544,6 Delta(.),87,6,96 6. Závěr Z dendrogramů objektů (obr. 6- až 6-6) je patrné, že soubor hodnocených dat, lze rozdělit na celkem tři skupiny výrobků, které jsou od sebe dobře rozlišitelné. Lze z toho usuzovat, že pigment, který byl vyroben na termické lince v.pololetí je možno rozdělit do tří skupin, ve kterých je vyprodukovaný pigment podobných vlastností. Z hodnot kofenetických korelačních koeficientů CC, a delty vyplívá, že nejlepší shlukovací metodou je metoda průměrová (Average) a těžiště (Centroid). Vhledem k zobrazení dendrogramů proměnných (obr. 6-7, 6-8) lze ze souboru prováděných analýz vynechat měrnou nebo obsah vodosolí, které jsou spolu ve vzájemné silné korelaci a tudíž oba tyto parametry nesou stejnou informaci o výrobku. Mezi velmi podobné proměnné lze také zařadit hodnotu a (sytosti), ale u těchto parametrů se podobnost dala očekávat, protože tyto parametry vyjadřují polohu barvy v barevnám prostoru. 8
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti. Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Zpracovávaná data jsou
VíceVyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent )
Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent ) Zadání : Titanová běloba (TiO ) se vyrábí ve dvou základních krystalových modifikacích - rutilové a anatasové.
VícePříklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy
Příklad 2: Určení cihlářských surovin na základě chemické silikátové analýzy Zadání: Deponie nadložních jílových sedimentů SHP byla testována za účelem využití v cihlářské výrobě. Z deponie bylo odebráno
VíceSEMESTRÁLNÍ PRÁCE. Určení vnitřní struktury analýzou vícerozměrných dat. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Určení vnitřní struktury analýzou vícerozměrných dat Ing. Pavel Bouchalík 1. ZADÁNÍ Tato semestrální práce je písemným vypracováním zkouškových otázek z okruhu Určení vnitřní struktury
VíceFakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat při managementu jakosti. Semestrální práce:
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat při managementu jakosti Semestrální práce: METODY S LATENTNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ
VíceProfilování vzorků heroinu s využitím vícerozměrné statistické analýzy
Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování
VíceFakulta chemicko-technologická Katedra analytické chemie. 3.2 Metody s latentními proměnnými a klasifikační metody
Fakulta chemicko-technologická Katedra analytické chemie 3.2 Metody s latentními proměnnými a klasifikační metody Vypracoval: Ing. Tomáš Nekola Studium: licenční Datum: 21. 1. 2008 Otázka 1. Vypočtěte
VíceFaktorová analýza příklad. Obrázek 1 Ukázka části vstupních dat
Faktorová analýza příklad Obrázek 1 Ukázka části vstupních dat Maticový graf vybraných proměnných: Fueltank Passengers Length Wheelbase Width U Turn Space Rear seat Luggage Weight Horsepower Engine Size
VícePočítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd
Počítačová analýza vícerozměrných dat v oborech přírodních, technických a společenských věd Prof. RNDr. Milan Meloun, DrSc. (Univerzita Pardubice, Pardubice) 20.-24. června 2011 Tato prezentace je spolufinancována
VíceÚvod do vícerozměrných metod. Statistické metody a zpracování dat. Faktorová a komponentní analýza (Úvod do vícerozměrných metod)
Úvod do vícerozměrných metod Statistické metody a zpracování dat Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný O řadě jevů či procesů máme k dispozici ne jeden statistický
VíceStatistické metody a zpracování dat. IX Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný
Statistické metody a zpracování dat IX Faktorová a komponentní analýza (Úvod do vícerozměrných metod) Petr Dobrovolný Úvod do vícerozměrných metod O řadě jevů či procesů máme k dispozici ne jeden statistický
VíceUniverzita Pardubice. Fakulta chemicko-technologická. Katedra analytické chemie. Semestrální práce. Licenční studium
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce Licenční studium Statistické zpracování dat při kontrole a řízení jakosti předmět 3.1. Matematické principy
VíceUniverzita Pardubice 8. licenční studium chemometrie
Univerzita Pardubice 8. licenční studium chemometrie Statistické zpracování dat při managementu jakosti Semestrální práce Metody s latentními proměnnými a klasifikační metody Ing. Jan Balcárek, Ph.D. vedoucí
VícePočítačová analýza vícerozměrných dat
Seminární práce Vypracoval: Ing.Jiří Raška Obsah: Zadání 3 Průzkumová analýza 5 Symbolové grafy 8 Odhalení struktury ve znacích a objektech 11 Metoda hlavních komponent 16 Shluková analýza 22 Závěr 27
VíceShluková analýza dat a stanovení počtu shluků
Shluková analýza dat a stanovení počtu shluků Autor: Tomáš Löster Vysoká škola ekonomická v Praze Ostrava, červen 2017 Osnova prezentace Úvod a teorie shlukové analýzy Podrobný popis shlukování na příkladu
VíceZX510 Pokročilé statistické metody geografického výzkumu
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Explorační faktorová analýza (analýza hlavních komponent) Smysl a princip faktorové analýzy v explorační verzi není faktorová analýza určena
VíceAVDAT Mnohorozměrné metody metody redukce dimenze
AVDAT Mnohorozměrné metody metody redukce dimenze Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování vlastní čísla a vlastní vektory A je čtvercová matice řádu n. Pak
VíceLEKCE 11 FAKTOROVÁ ANALÝZA
LEKCE 11 FAKTOROVÁ ANALÝZA Představuje způsob REDUKCE DAT: Jde o přeměnu souboru vzájemně korelovaných proměnných (matice jejich korelací) na menší soubor nekorelovaných faktorů, tento původní soubor reprezentující
VícePříklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:
Příklad 2: Obsah PCB v játrech zemřelých lidí Zadání: V rámci Monitoringu zdraví byly měřeny koncentrace polychlorovaných bifenylů vjátrech lidí zemřelých náhodnou smrtí ve věku 40 let a více. Sedm vybraných
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Shluková analýza Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Typy shlukových analýz Shluková analýza: cíle a postupy Shluková analýza se snaží o
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět Určení vnitřní
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Ordinační analýzy principy redukce dimenzionality Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Ordinační analýza a její cíle Cíle ordinační analýzy
VíceSEMESTRÁLNÍ PRÁCE 3.5 Klasifikace analýzou vícerozměrných dat
UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE LICENČNÍ STUDIUM - STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Ing. Věra Fialová BIOPHARM VÝZKUMNÝ ÚSTAV BIOFARMACIE A VETERINÁRNÍCH
Více3.4 Určení vnitřní struktury analýzou vícerozměrných dat
3. Určení vnitřní struktury analýzou vícerozměrných dat. Metoda hlavních komponent PCA Zadání: Byly provedeny analýzy chladící vody pro odběrové místa. Byly stanoveny parametry - ph, vodivost, celková
VíceSEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI. Předmě t POČ ÍTAČ OVÁ ANALÝ ZA VÍCEROZMĚ RNÝ CH DAT
SEMESTRÁ LNÍ PRÁ CE Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI Předmě t POČ ÍTAČ OVÁ ANALÝ ZA VÍCEROZMĚ RNÝ CH DAT Ú stav experimentá lní biofarmacie, Hradec Krá lové
VíceUniverzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy
VíceVícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal
VíceOptimalizace parametrů hmotnostního detektoru (MS/MS) s využitím vícerozměrných statistických analýz
Optimalizace parametrů hmotnostního detektoru (MS/MS) s využitím vícerozměrných statistických analýz Kamil Šťastný říjen 2020 Licenční studium PYTHAGORAS Statistické zpracování experimentálních dat Univerzita
VíceAnalýzy regionálního trhu práce v České republice Analysis of regional labour market in Czech Republic
2 nd Central European Conference in Regional Science CERS, 2007 862 Analýzy regionálního trhu práce v České republice Analysis of regional labour market in Czech Republic PETR ŘEHOŘ, DARJA HOLÁTOVÁ Jihočeská
VíceOdhalení skryté struktury a vnitřních vazeb dat metodami vícerozměrné statistické analýzy
Odhalení skryté struktury a vnitřních vazeb dat metodami vícerozměrné statistické analýzy Prof. RNDr. Milan Meloun, DrSc, Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice, milan. meloun@upce.
VíceVícerozm rná analýza dat metodou hlavních komponent a shluk
Vícerozm rná analýza dat metodou hlavních komponent a shluk Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Chemickotechnologická fakulta, Univerzita Pardubice, nám. s. Legií 565, 532 10 Pardubice,
VíceSemestrální práce. 3.1 Matematické principy analýzy vícerozměrných dat
Semestrální práce 3.1 Matematické principy analýzy vícerozměrných dat RNDr.Raimund HEDBÁVNÝ Bioveta, a.s. Komenského 212, 683 23 Ivanovice na Hané 2007 3.1 Matematické principy analýzy vícerozměrných dat
VíceFaktorová analýza. PSY252 Statistická analýza dat v psychologii II
Faktorová analýza PSY252 Statistická analýza dat v psychologii II 8.12.2010 Latentní a manifestní proměnné Perspektiva CTT: (pro)jevy, které spolu nějakým způsobem souvisejí, mají stejnou podstatu, jsou
VíceFaktorová analýza (FACT)
Faktorová analýza (FAC) Podobně jako metoda hlavních komponent patří také faktorová analýza mezi metody redukce počtu původních proměnných. Ve faktorové analýze předpokládáme, že každou vstupující proměnnou
VícePŘÍKLAD 4.5 Chromatografická analýza farmakologických sloučenin Byly měřeny hodnoty R F pro 20 sloučenin s 18 eluenty. Žádné eluční činidlo však nepro
PŘÍKLAD 4.5 Chromatografická analýza farmakologických sloučenin Byly měřeny hodnoty R F pro 20 sloučenin s 18 eluenty. Žádné eluční činidlo však neprovedlo úplné rozdělení. Cílem je nalézt minimální výběr
VíceCronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické
Československá psychologie 0009-062X Metodologické požadavky na výzkumné studie METODOLOGICKÉ POŽADAVKY NA VÝZKUMNÉ STUDIE Výzkumné studie mají přinášet nová konkrétní zjištění získaná specifickými výzkumnými
VíceZávěrečná práce Ing. Jiří Pokorný
Závěrečná práce Ing. Jiří Pokorný Téma: Využití statistické analýzy vícerozměrných dat k hodnocení vlivu faktorů ovlivňujících prodejnost dětské školní fotografie Vedoucí práce: prof. RNDr. Milan Meloun,
VíceNávrhy dalších možností statistického zpracování aktualizovaných dat
Návrhy dalších možností statistického zpracování aktualizovaných dat Při zjišťování disparit ve fyzické dostupnosti bydlení navrhuji použití těchto statistických metod: Bag plot; Krabicové grafy a jejich
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceOdhalení skryté struktury a vnitřních vazeb dat vícerozměrnou statistickou analýzou pitné vody
Odhalení skryté struktury a vnitřních vazeb dat vícerozměrnou statistickou analýzou pitné vody Prof. RNDr. Milan Meloun, DrSc, Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice, milan.
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VíceSHLUKOVÁ ANALÝZA KRAJŮ ČESKÉ REPUBLIKY DLE VYBRANÝCH CHARAKTERISTIK ZEMĚDĚLSTVÍ V PROGRAMU STATISTICA
SHLUKOVÁ ANALÝZA KRAJŮ ČESKÉ REPUBLIKY DLE VYBRANÝCH CHARAKTERISTIK ZEMĚDĚLSTVÍ V PROGRAMU STATISTICA CLUSTER ANALYSIS OF REGIONS OF CZECH REPUBLIC BY SELECTED CHARACTERISTICS OF AGRICULTURE IN PROGRAM
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek
VíceShluková analýza příklad
Shluková analýza příklad K dispozici jsou údaje o složení vybraných přírodních a minerálních vod. Pracujeme s následujícím seznamem proměnných: Dané hodnoty vznikly tak, že byl zjištěn u všech vod celkový
VíceAproximace a vyhlazování křivek
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc 1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Ordinační analýzy přehled metod Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Analýza hlavních komponent jako příklad výpočtu redukce dimenzionality
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice II Jiří Jarkovský, Simona Littnerová Vícerozměrné statistické metody Práce s asociační maticí Vzdálenosti
VíceTitulní stránka popisuje techniku shlukování a typ vzdálenosti. 2. Tvorba shluků a zařazení objektů do shluků:
Vzorová úloha 4.10 Nalezení shluků hráčů podobných vlastností Použijeme dat úlohy S4.21 Shluky 12 superhvězd košíkové. Následující tabulka dat obsahuje informace o osmi hráčských vlastnostech a aktivitách
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceAVDAT Mnohorozměrné metody, metody klasifikace Shluková analýza
AVDAT Mnohorozměrné metody, metody klasifikace Shluková analýza Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Shluková analýza Cílem shlukové analýzy je nalézt v datech podmnožiny
VíceKanonická korelační analýza
Kanonická korelační analýza Kanonická korelační analýza je vícerozměrná metoda, která se používá ke zkoumání závislosti mezi dvěma skupinami proměnných. První ze skupin se považuje za soubor nezávisle
VíceInternal bounds and hidden structure of the metallurgic data with the use of Multivariate Data Analysis MDA
Odhalení skryté struktury a vnitřních vazeb dat metodami PCA, FA a CLU vícerozměrné statistické analýzy Internal bounds and hidden structure of the metallurgic data with the use of Multivariate Data Analysis
VíceVýstupy z výukové jednotky. 2. Princip faktorové analýzy
Faktorová analýza Faktorová analýza je vícerozměrná statistická metoda, jejíž podstatou je rozbor struktury vzájemných závislostí proměnných na základě předpokladu, že jsou tyto závislosti důsledkem působení
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015 Doc. Mgr. Jan Muselík, Ph.D.
VíceMetody zvýrazňování obrazu III. Vícepásmová zvýraznění. Spektrální příznaky. Příznakový prostor. Podstata vícepásmových zvýraznění
Podstata vícepásmových zvýraznění Metody zvýrazňování obrazu III Vícepásmová zvýraznění DN hodnoty jako příznaky a, tzv. příznakový prostor. Vytváření nových pásem s cílem zvýšit odlišení různých objektů
VíceStatistické zpracování naměřených experimentálních dat za rok 2012
Statistické zpracování naměřených experimentálních dat za rok 2012 Popis dat: Experimentální data byla získána ze tří měřících sloupů označených pro jednoduchost názvy ZELENA, BILA a RUDA. Tyto měřící
VíceTVORBA GRAFŮ A DIAGRAMŮ V ORIGIN. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie TVORBA GRAFŮ A DIAGRAMŮ V ORIGIN Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 01 Ing.
VíceVícerozměrné statistické metody
Praktické řešení v software Statistica Jiří Jarkovský, Simona Littnerová Vícerozměrné metody 1. Vstupní data pro vícerozměrné analýzy 2. Metriky podobností a vzdáleností 3. Cluster Analysis 4. Principal
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Vícerozměrné statistické rozdělení
Více(supervizovaného učení), jako je regrese a klasifikace. V takové situaci pozorujeme jak soubor vlastností
Učení bez učitele Nesupervizované versus supervizované učení: Většina tohoto kurzu je zaměřena na metody učení s učitelem (supervizovaného učení), jako je regrese a klasifikace. V takové situaci pozorujeme
VíceVnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou
Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou Milan Meloun 1, Roman Lisztwan 2 1 Katedra analytické chemie, Chemickotechnologická fakulta, Univerzita Pardubice,
VícePřednáška 13 Redukce dimenzionality
Vytěžování Dat Přednáška 13 Redukce dimenzionality Miroslav Čepek Fakulta Elektrotechnická, ČVUT Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti ČVUT (FEL) Redukce dimenzionality 1 /
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce KLASIFIKACE
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VíceRNDr. Tomáš Pavlík, PhD. RNDr. Jiří Jarkovský, PhD. Doc. RNDr. Ladislav Dušek, PhD. Ústav zdravotnických informací a statistiky České republiky
Metodika vı cerozme rne analy zy Na rodnı ho registru hospitalizovany ch za u c elem vy be ru reprezentativnı sı te poskytovatelu zdravotnı ch sluz eb CČR RNDr. Tomáš Pavlík, PhD. RNDr. Jiří Jarkovský,
VíceUniverzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Statistické zpracování dat Semestrální práce Interpolace, aproximace a spline 2007 Jindřich Freisleben Obsah
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
VíceKlasifikace obchodních partnerů s využitím metod shlukové analýzy
Klasifikace obchodních partnerů s využitím metod shlukové analýzy Mária Režňáková 1 Abstrakt Předpokladem úspěšnosti podnikatelských subjektů je schopnost generovat příjmy v takové výši, která zajistí
VíceHledání optimální polohy stanic a zastávek na tratích regionálního významu
Hledání optimální polohy stanic a zastávek na tratích regionálního významu Václav Novotný 31. 10. 2018 Anotace 1. Dopravní obsluha území tratěmi regionálního významu 2. Cíle výzkumu a algoritmus práce
VíceNADSTAVBOVÝ MODUL MOHSA V1
NADSTAVBOVÝ MODUL MOHSA V1 Nadstavbový modul pro hierarchické shlukování se jmenuje Mod_Sh_Hier (MOHSA V1) je součástí souboru Shluk_Hier.xls. Tento soubor je přístupný na http://jonasova.upce.cz, a je
VíceFaktorová analýza Osnova
Faktorová analýza Osnova Motivace Formulace modelu faktorové analýzy Vhodnost použití modelu faktorové analýzy Odhad faktorové matice a její rotace Volba počtu společných faktorů Odhad faktorového skóre
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce STATISTICKÁ
VíceStatistické metody v ekonomii. Ing. Michael Rost, Ph.D.
Statistické metody v ekonomii Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Shluková analýza Shluková analýza je souhrnným názvem pro celou řadu výpočetních algoritmů, jejichž cílem
VíceAPLIKACE SHLUKOVÉ ANALÝZY V EKOLOGII
ROBUST 2, 2 28 c JČMF 2 APLIKACE SHLUKOVÉ ANALÝZY V EKOLOGII MARIE BUDÍKOVÁ Abstrakt. In this paper, the basic principles of hierarchical cluster analysis are described.an example of calculation and application
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel
VíceMultivariátní porovnání dat - klastrová (shluková) analýza
Multivariátní porovnání dat - klastrová (shluková) analýza - bez apriorních předpokladů Shluková analýza Shluková analýza - cluster analysis úvod - definice princip algoritmy výsledky Shluková analýza
VíceObsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
VíceIdentifikace zdrojů znečištění ovzduší měření a postupy
Identifikace zdrojů znečištění ovzduší měření a postupy Autor: Jiří Huzlík, CDV, WP5 Příspěvek byl zpracován za podpory programu Centra kompetence Technologické agentury České republiky (TAČR) v rámci
VíceStátnice odborné č. 20
Státnice odborné č. 20 Shlukování dat Shlukování dat. Metoda k-středů, hierarchické (aglomerativní) shlukování, Kohonenova mapa SOM Shlukování dat Shluková analýza je snaha o seskupení objektů do skupin
VíceANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.
VíceVI. česko-slovenská konference Doprava, zdraví a životní prostředí Brno
Doprava, zdraví a životní prostředí 10. 11. 11. 11. 2012 Brno RNDr. Jiří Huzlík Metodika kvantifikace emisí statistickými metodami Úvod Východiska pro tvorbu metodiky výsledky měření chemického složení
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
VíceUniverzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 3.3 v analýze dat Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Pro
VícePočet světlo-absorbujících částic v rovnovážné směsi faktorovou analýzou spekter
Počet světlo-absorbujících částic v rovnovážné směsi faktorovou analýzou spekter Ing. Zuzana Ferenčíková a prof. RNDr. Milan Meloun. DrSc., Katedra analytické chemie, Univerzita Pardubice, 532 10 Pardubice
VícePříloha 1/B. Vyhodnocení experimentálních dat Ostravsko
Příloha 1/B Vyhodnocení experimentálních dat Ostravsko 1 Úvod Cílem této zprávy je vyhodnocení dat, která byla pořízena v roce 2003 (jaro, podzim) v oblasti města Ostravy. Jednalo se jedno stanoviště (Ostrava-
VíceVytěžování znalostí z dat
Pavel Kordík, Jan Motl (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 1 1/32 Vytěžování znalostí z dat Pavel Kordík, Jan Motl Department of Computer Systems Faculty of Information Technology
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce Licenční studium Galileo Předmět Nelineární regrese Jiří Danihlík Olomouc, 2016 Obsah... 1 Hledání vhodného
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
VíceDISPARITY KRAJŮ ČR. Pavla Jindrová Univerzita Pardubice, Fakulta ekonomicko-správní, Ústav matematiky
DISPARITY KRAJŮ ČR Pavla Jindrová Univerzita Pardubice, Fakulta ekonomicko-správní, Ústav matematiky Abstract: The Czech Republic is structured among 14 regions (NUTS3). The comparison among regions of
Více3.2 Metody s latentními proměnnými a klasifikační metody
3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.
VíceExplorační faktorová analýza - analýza hlavních komponent
Explorační faktorová analýza - analýza hlavních komponent Faktorová analýza (FA) - ve své explorační verzi není primárně určena k meritorní analýze, to je neslouží k testování hypotéz ani k měření souvislostí
VíceUniverzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 2.1 Tvorba lineárních regresních modelů při analýze dat Autor práce: Přednášející:
Více6. Dokončená bytová výstavba v relaci s vybranými statistickými charakteristikami území správních obvodů obcí s rozšířenou působností Zlínského kraje
6. Dokončená bytová výstavba v relaci s vybranými statistickými charakteristikami území správních obvodů obcí s rozšířenou působností Zlínského kraje Kapitola si klade za cíl posoudit případný vztah intenzity
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí
VíceStatSoft Shlukování podobných
StatSoft Shlukování podobných v softwaru STATISTICA Tímto článkem nakoukneme do oblasti statistiky zabývající se shlukováním. Tedy situací, kdy chcete data/objekty nějak seskupit na základě jejich podobnosti.
VíceSEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko - technologická Katedra analytické chemie Licenční studium chemometrie: Počítačové zpracování dat při kontrole a řízení jakosti SEMESTRÁLNÍ PRÁCE Předmět: Aproximace
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
Více