You are on page 1of 4

. . .5. . . . 4. .Spis treści Wstęp . . . . . .2. . . .1. Analiza zależności między zmiennymi . . . . . . 4. . . . . 4. . . Wielomianowy model logitowy . . .2. . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . Warunkowy model logitowy . . . . Rozdział 2. . . . . 3. . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . Zastosowania z wykorzystaniem programu R . . 1. Prognozy na podstawie modeli dwumianowych . 2. . . . . Miary dopasowania modeli logarytmiczno-liniowych . . . . . Wprowadzenie . . . . . .2. 9 13 13 17 17 18 25 35 39 52 52 52 53 57 67 68 81 81 82 88 90 92 99 99 99 101 103 104 112 112 113 114 115 116 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . .6. . . . . . .3. . . . 3.1. . . . . . . Wybrane rozkłady prawdopodobieństwa zmiennych dyskretnych . . . . . . . Rozdział 1. . . . . . . . . Dane symboliczne .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wprowadzenie . . . . . . . . . Zastosowania z wykorzystaniem programu R . . . . .5. . . . .2. . . . . . . . . . . . . . . . . Modelowanie i prognozowanie zmiennych dwumianowych . . . 3. . . . . . . . . . . . . . . . Analiza korespondencji . . .5. . . .3. . . . . . . Miary odległości . . .2. . 2. . . . Dyskretyzacja zmiennych ilościowych . . . . 5. . Analiza historii zdarzeń . . Zastosowania z wykorzystaniem programu R . .4. . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . .4. . . . . Modelowanie zmiennych wielomianowych . . . . . . . . . . . . . . . . . . .4. . Wizualizacja wyników klasycznej i wielowymiarowej analizy korespondencji 2. . . . . . . . . . . Wizualizacja danych . . . . . . Rozdział 3. . . . . .1. . . Modele logarytmiczno-liniowe . . Modele logitowe i probitowe . . . 4. . . . . . . . . . .2. . . . . 1. .4.5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . 4. . . Rozdział 5. . . . . . . . . . Dane porządkowe . . . . . 5. . . . . . . . 2. . . . . . . . . . . . . . . .1. . . . . Klasyczny model logarytmiczno-liniowy . . . . . . . . . . . . . . . 3. . . . . . . . 1. . . . . . . . . . . . Macierz danych i tablica danych . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Analiza korespondencji dwu i wielu zmiennych . . . . . . . . .4. . . . . . . . . . . . . . . . Hierarchiczne modele logarytmiczno-liniowe . . . . Rozdział 4. . . . . . . . . . . 2. . . . . . . Tablice kontyngencji . . . 5. . . . . . 1. . . . . . . . . . . . . . . . Wprowadzenie . . . . . . Wprowadzenie do analizy danych jakościowych i symbolicznych . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zastosowania z wykorzystaniem programu R . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . 5. . . . . . . . . . . . . 3. . . . . . . . . . . . . . . . . . . Wprowadzenie . . . . . . . . . . . . . . . Liniowy model prawdopodobieństwa (LMP) . . . 5. . 1. . . .

. . . . . . . . . . . . . . . . .6. . . . . . . . . Testy post hoc . . . . . 9. . . . . . . . . . . . . .Spis treści Rozdział 6. . . . . . Zastosowania z wykorzystaniem programu R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Model klas ukrytych dla zmiennych binarnych i wielomianowych . . . . . . Modele mieszanek dla danych jakościowych . . . . . . . . . . . . . . . . . . . . . . . . . .4. .1. . 9. . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . Procedura klasyfikacji danych symbolicznych . . . . . . Podstawowe schematy badań . . . . . . . . . . . . . . . . 8. . . 7. . . . . . . . .1. . . 12. .2. . Zastosowania z wykorzystaniem programu R . . . . . . . . . Analiza wariancji . . . . . . . . . . . . . . . . . . . . . 10. . . Drzewa klasyfikacyjne i regresyjne dla jakościowych zmiennych objaśniających . . . . 10. . . . . . . . . . . . . . . . . 131 131 132 134 139 142 143 147 . . . . . . . . . 9. . . . . . . . Rozdział 9. . . . . . . . . . . . . . . . . . . . . . . . Rozdział 8. . . . . . . . . . . . . . . . Model regresji klas ukrytych . . . . . 6. . 11. . . . . Skalowanie wielowymiarowe na podstawie danych symbolicznych . . . . . . . 10. Jednoczynnikowa analiza wariancji . . . . . . .1. . . .1. . . .2. . . . . .4. . . . Podejścia i metody klasyfikacji danych symbolicznych . . . .3. . . . . . . . . . .1. .2. . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4.1. . . . . . . . 6. Modele mieszanek – podstawy teoretyczne . . . . . . Dwuczynnikowa analiza wariancji . . . . . . . . . . . . . Drzewa klasyfikacyjne i regresyjne . Analiza skupień na podstawie danych symbolicznych . . . . . . . . 6. 12. . . . . . 6 . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . Wprowadzenie .2. . . . . . . . . . . . . . Zastosowania z wykorzystaniem programu R . 11. . . . . . 165 165 165 170 172 . . 10. . Określenie optymalnej postaci modelu . . . . . . . . Wprowadzenie . Rozdział 12. . . . 10. . . . . . . . . . . . . Podstawy teoretyczne . . . . . . . . . . . . . . . . . . . . . . . . . . Podstawy teoretyczne . . . . . . .3. Analiza skupień i porządkowanie liniowe na podstawie danych porządkowych . Wprowadzenie . . . 12. . . . 10. . . 8. . . . . Zastosowania z wykorzystaniem programu R . . . . . . . . . . . . . 6. . 7. Rozdział 10. . . . . . . . . . . . . . . . . . . . . . . .2. . . .2.3. . . . . . . . . .1. .1. . . . . . . . . 8. . 242 242 246 248 255 262 262 262 264 269 . Procedury skalowania wielowymiarowego na podstawie danych jakościowych 11. . . . . . . . . . . . . . . . . . . . . Analiza skupień na podstawie danych porządkowych .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 181 185 188 190 192 204 204 204 206 207 223 223 223 224 227 229 232 . . . . . Model GLM . . . . . . . . . . . . . . . . . . . . . . . . . Analiza unfolding . . . Zastosowania z wykorzystaniem programu R . . . . . Modele klas ukrytych dla danych jakościowych .5. . . . . 6. . . . . . . . . Rozdział 7. . . . . . . . Dobór jakościowych zmiennych objaśniających . . . . . 9. . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . Skalowanie wielowymiarowe na podstawie danych jakościowych i symbolicznych . .1. Wprowadzenie .4. . . 6. . Modele mieszanek rozkładów Poissona . . . . 6.1. . . .2. . .3. . . . . . . 11. . 12.1. . . . . . . Rozdział 11. . . . . . . . . . . . . .5. . .4. . . . . . 8. . . Porządkowanie liniowe na podstawie danych porządkowych . . . . . . . . . . . . . . . . . Modele mieszanek rozkładów dwumianowych . . . . . . . . .3. .3. . . . . . . . 8. . . . . . .4. . . . . . . . . . . . . . . . . Zastosowania z wykorzystaniem programu R . .4. . . . . . . . . . . . . . . . . . . . . . Zastosowania z wykorzystaniem programu R . . . . . . . . . . . . . . . . Założenia analizy wariancji . . . . . . . .3. . . . . . . . . . . . . . . . . . . . .

. . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13. . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280 280 282 285 286 292 294 304 . . . Drzewa klasyfikacyjne bazujące na optymalnym podziale . Format danych symbolicznych . . . 13. . Indeks . . . . . Analiza dyskryminacyjna i drzewa klasyfikacyjne na podstawie danych symbolicznych . . . . . . . . . . .Spis treści Rozdział 13. . . . . . . . . .2. . . . . . . Analiza dyskryminacyjna bazująca na estymatorach intensywności . . . . Zastosowania z wykorzystaniem programu R . . . . . . . . . . . . 13. . . . . . . . . . . . . . Bibliografia . . . . . . . . . . Bayesowskie drzewa klasyfikacyjne . . . . . .4. . . . . . . . . . . 13. . . . . . . . . . . . . . . . . . . . Dodatek A. . . .