Wyniki wyszukiwania - BazTech

1

Gradacyjny odpowiednik klasycznej analizy danych

Pleszczyńska E., Niewiadomska-Bugaj M., Kowalczyk T.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

1999

|

nr 882

3-43

PL

Statystyczne metody gradacyjne mogą być stosowane do analizy danych mierzonych na dowolnej skali pomiarowej; są szczególnie przydatne do rozwiązywania problemów dotyczących struktury zależności dwuwymiarowych (wielowymiarowych) danych. Po wprowadzeniu głównego pojęcia koncentracji jednego rozkładu prawdopodobieństwa względem drugiego, pokazujemy jego zastosowanie w niektórych metodach jak np. gradacyjnej analizie odpowiedniości i gradacyjnej analizie skupień i podajemy przykłady praktyczne. W zakończeniu zamieszczamy wyczerpujący spis literatury.

EN

Grade statistical methods are aplicable to analysis of data on any measurement scale. These techniques are especially usefull in solving problems related to the dependence structure in bivariate (multivariate) data. We begin with introduction and discussion of the main concept, that of a concentration index in pairs of probability distributions. Later we present various methods - among them grade cluster analysis and grade correspondence analysis - with applications to practical problems and real data sets. Finally, we provide a comprehensive list of related publications.

2

Decomposition of Kendall's tau : implications for clustering

Kowalczyk T., Niewiadomska-Bugaj M.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

1999

|

nr 883

3-36

EN

A decomposition of a generalized Kendall's tau into three components ("within", "between" and "remainder" terms) is presented. We show how the maximization of the "Between" term can be used in clustering and that the optimal decomposition in the case of a regular dependence of variables is non-overlapping. Characterisation of admissible solutions to maximization problem is provided. Finally an efficient computer-intensive procedure of optimal clustering is suggested. In the Appendix the necessary conditions for maximizing tau are formulated. Moreover, the description and justification of the proposed procedure for maximizing tau is given.

PL

W pracy przedstawiono dekompozycję uogólnionego tau Kendalla na trzy składowe ("within", "Between" oraz "remainder"). Pokazano,że przy optymalnej dekompozycji trzeci składni jest równy zero oraz że optymalny klastering odpowiada maksymalnej wartości składnika "between". Podano również algorytm optymalizacji klasteringu. W Appendixie podano warunki konieczne na to aby tau Kendalla było maksymalne. Podano również algorytm znajdowania maksymalnego tau.

3

On the procedure of maximizing generalized Kendall's tau

Niewiadomska-Bugaj M., Kowalczyk T.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

1998

|

nr 870

3-15

EN

Transformations that maximize the strength of dependence of jointly distributed random variables are of a great importance in various data analysis problems. This paper presents the procedure of maximization of a generalized Kendall's tau - a coefficient of a monotone dependence in bivariate data. The results of a simulation study of the properties of the proposed procedure are presented.

PL

W pracy przedstawiono procedurę poszukiwania współczynnika Tmax(X, Y) dla rozkładu łącznego prawdopodobieństwa danego za pomocą tablicy Tmxn. Przedstawiono wyniki badań symulacyjnych dla tablic rozkładów mających własność TP2 i bez tej własności.