This HTML5 document contains 49 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
n15http://localhost/temp/predkladatel/
n16http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n17http://linked.opendata.cz/ontology/domain/vavai/
n18http://linked.opendata.cz/resource/domain/vavai/zamer/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n8http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n5http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n6http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F00216275%3A25310%2F07%3A00006248%21RIV08-MSM-25310___/
n9http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n4http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n14http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n12http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n10http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F00216275%3A25310%2F07%3A00006248%21RIV08-MSM-25310___
rdf:type
skos:Concept n17:Vysledek
dcterms:description
Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných, y = w1 x1+...+wm xm . Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objekty lze seskupovat do shluků hierarchicky dle předem zvoleného způsobu metriky (průměrově, centroidně, nejbližším sousedem Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných, y = w1 x1+...+wm xm . Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objekty lze seskupovat do shluků hierarchicky dle předem zvoleného způsobu metriky (průměrově, centroidně, nejbližším sousedem Multivariate statistical analysis is based on the latent variables which are formed as the linear combination of original variables y = w1 x1+...+wm xm . Data matrix contains objects in n rows and m columns. Before data treatment the data are scaled. Similarity of objects and variables is considered on base on Mahalonobis distance or Euclidean distance in the mdimensional space. The principal components analysis reduces dimensionality and presents objects in two or three dimensions. The plot of components weight shows hidden structure among variables while the scatterplot shows the hidden structure of objects. The cluster analysis leads to clusters which may be plotted in dendrogram. There are two dendrograms available, the dendrogram of variables and the dendrogram of objects. Both statistical techniques are demonstrated on the analysis and classification of various sources of a drinkable water.
dcterms:title
Computer-Assisted Statistical Data Analysis. 6. Multivariate Classification of Various Sources of Drinkable Water using Principal Component Analysis and Cluster Analysis Statistické zpracování vodohospodářských dat 6. Vícerozměrná klasifikace zdrojů pitné vody metodou hlavních komponent PCA a shluků CLU Statistické zpracování vodohospodářských dat 6. Vícerozměrná klasifikace zdrojů pitné vody metodou hlavních komponent PCA a shluků CLU
skos:prefLabel
Statistické zpracování vodohospodářských dat 6. Vícerozměrná klasifikace zdrojů pitné vody metodou hlavních komponent PCA a shluků CLU Statistické zpracování vodohospodářských dat 6. Vícerozměrná klasifikace zdrojů pitné vody metodou hlavních komponent PCA a shluků CLU Computer-Assisted Statistical Data Analysis. 6. Multivariate Classification of Various Sources of Drinkable Water using Principal Component Analysis and Cluster Analysis
skos:notation
RIV/00216275:25310/07:00006248!RIV08-MSM-25310___
n3:strany
289-296
n3:aktivita
n9:Z
n3:aktivity
Z(MSM0021627502)
n3:cisloPeriodika
8
n3:dodaniDat
n10:2008
n3:domaciTvurceVysledku
n16:6862519
n3:druhVysledku
n12:J
n3:duvernostUdaju
n5:S
n3:entitaPredkladatele
n6:predkladatel
n3:idSjednocenehoVysledku
452374
n3:idVysledku
RIV/00216275:25310/07:00006248
n3:jazykVysledku
n4:cze
n3:klicovaSlova
PCA; Principal Components Analysis; Cluster Analysis; Dendrogram; Drinkable Water; Water analysis; Potable water; Scatterplot; Scree Plot; Components Weight Plot; Correlation matrix.
n3:klicoveSlovo
n8:Correlation%20matrix. n8:Water%20analysis n8:Drinkable%20Water n8:PCA n8:Cluster%20Analysis n8:Dendrogram n8:Potable%20water n8:Principal%20Components%20Analysis n8:Scree%20Plot n8:Scatterplot n8:Components%20Weight%20Plot
n3:kodStatuVydavatele
CZ - Česká republika
n3:kontrolniKodProRIV
[066F3A8D27E5]
n3:nazevZdroje
Vodní hospodářství
n3:obor
n14:CB
n3:pocetDomacichTvurcuVysledku
1
n3:pocetTvurcuVysledku
1
n3:rokUplatneniVysledku
n10:2007
n3:svazekPeriodika
57
n3:tvurceVysledku
Meloun, Milan
n3:zamer
n18:MSM0021627502
s:issn
1211-0760
s:numberOfPages
8
n15:organizacniJednotka
25310