Добавить работы Отмеченные0
Работа успешно отмечена.

Отмеченные работы

Просмотренные0

Просмотренные работы

Корзина0
Работа успешно добавлена в корзину.

Корзина

Регистрация

интернет библиотека
Atlants.lv библиотека
5,49 € В корзину
Добавить в список желаний
Хочешь дешевле?
Идентификатор:972953
 
Автор:
Оценка:
Опубликованно: 11.02.2006.
Язык: Латышский
Уровень: Университет
Литературный список: 7 единиц
Ссылки: Не использованы
Содержание
Nr. Название главы  Стр.
  Ievads    3
2. nodaļa  Pamata matemātika    4
2.1  Statistika    4
2.1.1  Standartnovirze    4
2.1.2  Dispersija    7
2.1.3  Kovariācija    7
2.1.4  Kovariācijas matrica    9
2.2  Matricu algebra    11
2.2.1  Īpašvektori    11
2.2.2  Īpašvērtības    13
3.nodaļa  Galveno Komponenetu Analīze    14
3.1  Metode    14
  1. solis: Datu iegūšana    14
  2. solis: Iegūt vidējo skaitli    14
  3. solis: Aprēķināt kovariācijas matricu    16
  4. solis: Kovariācijas matricas īpašvektoru un īpašvērtību aprēķins    16
  5. solis: Komponentu izvēle un īpašvektora izveide    17
  6. solis: Jaunā datu masīva iegūšana    19
  7. solis: Veco datu atgūšana    21
  4.nodaļa    25
  Piemērs: Nodarbinātība 26 Eiropas valstīs    25
  Izmantotā literatūra:    29
Фрагмент работы

Šis referāts ir paredzēts, lai dotu priekšstatu par Galveno Komponentu Analīzi (GKA). GKA ir noderīga statistikas tehnika daudzdimensiju datu modeļu atrašanai.
Pirms aprakstīt GKA, ir jāapskata matemātiskā koncepcija, ko izmanto GKA. Tas ietver sevī standarta novirzes, kovariāciju, īpašvektorus un īpašvērtības.Pamata matemātika

Šajā nodaļā ir dotas dažas elementārās pamata matemātiskās iemaņas, kas ir nepieciešamas, lai saprastu Galveno Komponentu Analīzes procesu. Šajā referātā ir iekļauta Statistikas sadaļa, kas apskata mērījumu izkliedi vai kā dati ir izkliedēti. Otrā sadaļa ir par Matricu algebru un apskata īpašvektorus un īpašvērtības, svarīgas matricu īpašības, kuras ir fundamentālas GKA.

2.1 Statistika

Viss statistikas priekšmets ir balstīts uz domu, ka eksistē liels datu masīvs ko analizē attiecību jēdzienos starp šī datu masīva atsevišķiem punktiem. Šeit apskatīti daži piemēri, ko varat izdarīt ar nelielu datu mērījumu skaitu, un ko tie teiks par pašiem datiem.

2.1.1 Standartnovirze

Lai saprastu standartnovirzi, ir nepieciešams datu masīvs. Statistiķi parasti rūpējas par to, lai iegūtu populācijas paraugu. Izmantojot kā piemēru vēlētāju sarakstus, populācija ir visi valsts iedzīvotāji, bet paraugs ir populācijas apakšmasīvs, ko statistiķi izvērtē. Svarīga lieta statistikā ir tas, ka izvērtējot tikai (šajā gadījumā veicot telefona aptauju vai tamlīdzīgi) populācijas paraugu, jūs varat iegūt rezultātu, kas ir visaugstākā mērā līdzīgs tam, ko jūs iegūtu mērījumos, izmantojot visu populāciju. …

Коментарий автора
Комплект работ:
ВЫГОДНО купить комплект экономия −5,48 €
Комплект работ Nr. 1199672
Загрузить больше похожих работ

Atlants

Выбери способ авторизации

Э-почта + пароль

Э-почта + пароль

Неправильный адрес э-почты или пароль!
Войти

Забыл пароль?

Draugiem.pase
Facebook

Не зарегистрировался?

Зарегистрируйся и получи бесплатно!

Для того, чтобы получить бесплатные материалы с сайта Atlants.lv, необходимо зарегистрироваться. Это просто и займет всего несколько секунд.

Если ты уже зарегистрировался, то просто и сможешь скачивать бесплатные материалы.

Отменить Регистрация