Graphisch gestützte Datenanalyse
eBook - PDF

Graphisch gestützte Datenanalyse

  1. 385 Seiten
  2. German
  3. PDF
  4. Über iOS und Android verfügbar
eBook - PDF

Graphisch gestützte Datenanalyse

Über dieses Buch

Der "Schnell" behandelt Techniken zur graphischen Darstellung von Daten oder statistischer Größe im Rahmen von Datenanalysen. Diese "Datenanalysegraphik" ist ein nützliches Instrument für Datenanalytiker, hier wiederum bevorzugt solche in den Sozialwissenschaften.

Häufig gestellte Fragen

Ja, du kannst dein Abo jederzeit über den Tab Abo in deinen Kontoeinstellungen auf der Perlego-Website kündigen. Dein Abo bleibt bis zum Ende deines aktuellen Abrechnungszeitraums aktiv. Erfahre, wie du dein Abo kündigen kannst.
Nein, Bücher können nicht als externe Dateien, z. B. PDFs, zur Verwendung außerhalb von Perlego heruntergeladen werden. Du kannst jedoch Bücher in der Perlego-App herunterladen, um sie offline auf deinem Smartphone oder Tablet zu lesen. Weitere Informationen hier.
Perlego bietet zwei Abopläne an: Elementar und Erweitert
  • Elementar ist ideal für Lernende und Profis, die sich mit einer Vielzahl von Themen beschäftigen möchten. Erhalte Zugang zur Basic-Bibliothek mit über 800.000 vertrauenswürdigen Titeln und Bestsellern in den Bereichen Wirtschaft, persönliche Weiterentwicklung und Geisteswissenschaften. Enthält unbegrenzte Lesezeit und die Standardstimme für die Funktion „Vorlesen“.
  • Pro: Perfekt für fortgeschrittene Lernende und Forscher, die einen vollständigen, uneingeschränkten Zugang benötigen. Schalte über 1,4 Millionen Bücher zu Hunderten von Themen frei, darunter akademische und hochspezialisierte Titel. Das Pro-Abo umfasst auch erweiterte Funktionen wie Premium-Vorlesen und den Recherche-Assistenten.
Beide Abopläne sind mit monatlichen, halbjährlichen oder jährlichen Abrechnungszyklen verfügbar.
Wir sind ein Online-Abodienst für Lehrbücher, bei dem du für weniger als den Preis eines einzelnen Buches pro Monat Zugang zu einer ganzen Online-Bibliothek erhältst. Mit über 1 Million Büchern zu über 1.000 verschiedenen Themen haben wir bestimmt alles, was du brauchst! Weitere Informationen hier.
Achte auf das Symbol zum Vorlesen bei deinem nächsten Buch, um zu sehen, ob du es dir auch anhören kannst. Bei diesem Tool wird dir Text laut vorgelesen, wobei der Text beim Vorlesen auch grafisch hervorgehoben wird. Du kannst das Vorlesen jederzeit anhalten, beschleunigen und verlangsamen. Weitere Informationen hier.
Ja! Du kannst die Perlego-App sowohl auf iOS- als auch auf Android-Geräten nutzen, damit du jederzeit und überall lesen kannst – sogar offline. Perfekt für den Weg zur Arbeit oder wenn du unterwegs bist.
Bitte beachte, dass wir Geräte, auf denen die Betriebssysteme iOS 13 und Android 7 oder noch ältere Versionen ausgeführt werden, nicht unterstützen können. Mehr über die Verwendung der App erfahren.
Ja, du hast Zugang zu Graphisch gestützte Datenanalyse von Rainer Schnell im PDF- und/oder ePub-Format sowie zu anderen beliebten Büchern aus Volkswirtschaftslehre & Wirtschaftsmathematik. Aus unserem Katalog stehen dir über 1 Million Bücher zur Verfügung.

Inhaltsverzeichnis

  1. 1 Grundprinzipien graphischer Datenanalyse
  2. 1.1 Ablauf einer graphisch gestützten Datenanalyse
  3. 1.2 Datenanalyseplots und Wahrnehmungspsychologie
  4. 1.3 Datenanalyseplots und "theoriefreie" Beobachtungen
  5. 2 Univariate Plots
  6. 2.1 Dot-Plots
  7. 2.1.1 Eindimensionale Scatterplots
  8. 2.1.2 Stacked-Dot-Plots
  9. 2.1.3 "Jittered" und "textured" Dot-Plots
  10. 2.1.4 Index-Plots
  11. 2.1.5 Q-Plots
  12. 2.2 Boxplots
  13. 2.3 Histogramme
  14. 2.3.1 Bestimmung der Klasseneinteilung
  15. 2.3.2 "Averaged Shifted Histograms"
  16. 2.3.3 Nichtparametrische Dichteschätzer
  17. 2.3.4 Stem-and-Leaf-Display
  18. 3 Plots für den Vergleich empirischer Verteilungen
  19. 3.1 Back-to-Back-Stem-and-Leaf-Displays
  20. 3.2 Gruppierte Boxplots
  21. 3.2.1 Notched-Boxplots
  22. 3.2.2 Box-Dot-Plots
  23. 3.2.3 Perzentil-Plots mit Kenngrößen
  24. 3.2.4 Q-Q-Plots
  25. 3.2.5 Exkurs: Modellierung der Verteilungsunterschiede zweier Gruppen
  26. 3.3 Dot-Charts
  27. 3.3.1 Dot-Charts für den Vergleich von Kenngrößen
  28. 3.3.2 Paired-Dot-Charts für wiederholte Messungen
  29. 4 Plots zum Vergleich theoretischer und empirischer Verteilungen
  30. 4.1 Probability-Plots ("Theoretical Q-Q-Plots")
  31. 4.1.1 Eigenschaften von Probability-Plots
  32. 4.1.2 Konstruktion von Probability-Plots
  33. 4.1.3 Varianten und Anwendungen der Probability-Plots
  34. 4.1.4 Multivariate Verallgemeinerungen von Q-Q-Plots
  35. 4.2 Plots für kategorisierte Variablen
  36. 4.2.1 Überlagerte Histogramme
  37. 4.2.2 Hängende Histogramme
  38. 4.2.3 Residuen-Rootogramme und "suspended residual rootogram"
  39. 4.2.4 Poissonness-Plots
  40. 4.3 Exkurs: Datentransformationen
  41. 4.3.1 Anwendungen von Datentransformationen
  42. 4.3.2 Power-Transformationen
  43. 4.3.3 Transformationen für Prozentsätze und Anteile
  44. 4.3.4 Fisher-r-z-Transformation
  45. 5 Scatterplots
  46. 5.1 Konstruktion von Scatterplots
  47. 5.1.1 Achsenskalierung und Korrelationswahrnehmung
  48. 5.1.2 Summen-Differenzen-Plots
  49. 5.1.3 Exkurs: Konstruktion von Zeitreihenplots
  50. 5.2 Scatterplot-Techniken für große Fallzahlen
  51. 5.2.1 Jittering
  52. 5.2.2 Sunflower-Plots
  53. 5.2.3 Cellulation
  54. 5.2.4 Plots der geschätzten bivariaten Dichteverteilung
  55. 5.3 Informationsangereicherte Scatterplots
  56. 5.3.1 Scatterplot-Smoother
  57. 5.3.2 Scatterplots mit Dichte-Ellipsen
  58. 5.3.3 Scatterplots mit univariaten Randverteilungen
  59. 5.3.4 Influence-Plots
  60. 5.3.5 Voronoi-Plots
  61. 6 Plots für drei- und mehrdimensionale Daten
  62. 6.1 Symbolische Scatterplots
  63. 6.2 Scatterplots mit Icons
  64. 6.3 Dreidimensionale Scatterplots
  65. 6.4. Perspektiv-, Kontur- und Imageplots
  66. 6.4.1 Glättungsmethoden
  67. 6.4.2 Darstellungsmethoden
  68. 6.4.3 Nutzungsmöglichkeiten und Einschränkungen
  69. 6.5 Bedingte Scatterplots
  70. 6.5.1 Kategorisierte Scatterplots
  71. 6.5.2 Casement-Plots
  72. 6.5.3 Multiwindow-Plots
  73. 6.5.4 Coplots
  74. 6.6 Scatterplot-Matrizen
  75. 6.7 Andrews-Plots
  76. 6.8 Parallel-Koordinatenplots
  77. 6.9 Exkurs: Hochinteraktive Graphik ("Dynamic Graphics")
  78. 6.9.1 Basistechniken
  79. 6.9.2 Anwendungen
  80. 6.9.3 Anwendungsprobleme
  81. 6.10 Kognitionspsychologische Grenzen der Plots mehrdimensionaler Daten
  82. 7 Plots dimensionsreduzierender Verfahren
  83. 7.1 Plots in der Hauptkomponentenanalyse
  84. 7.1.1 Berechnung von Hauptkomponenten
  85. 7.1.2 Bestimmung der Zahl der Hauptkomponenten
  86. 7.1.3 PCA als Projektionstechnik
  87. 7.1.4 Exkurs: Plots in der Faktorenanalyse
  88. 7.2 Biplots
  89. 7.2.1 Berechnung des Biplots
  90. 7.2.2 Interpretation des Biplots
  91. 7.2.3 Darstellung großer Fallzahlen
  92. 7.2.4 Varianten des Biplots
  93. 7.3 Korrespondenzanalyse
  94. 7.3.1 Berechnung einer Korrespondenzanalyse
  95. 7.3.2 Interpretation der CA-Plots
  96. 7.3.3 Graphische Darstellung der Stabilität der Ergebnisse einer CA
  97. 7.3.4 "Multiple Correspondence Analysis" (MCA)
  98. 7.3.5 CA im Vergleich mit anderen multivariaten Analyseverfahren
  99. 7.3.6 Beurteilung der CA als Analysetechnik
  100. 7.4 Weitere Projektionstechniken
  101. 7.4.1. Nonlinear Mapping (NLM)
  102. 7.4.2 Principal Co-Ordinate Analysis
  103. 7.4.3 Sliced-Inverse-Regression (SIR)
  104. 7.4.4 Plots optimaler Scores
  105. 7.4.5 "Small tour" und "Grand tour"
  106. 7.4.6 Exploratory Projection Pursuit (EPP)
  107. 7.5 Vergleich verschiedener Projektionen: Prokrustes-Analyse
  108. 7.6 Interpretation von Projektionsplots
  109. 8 Plots in der multiplen Regression
  110. 8.1 Annahmen der multiplen Regression
  111. 8.2 Überprüfung der Annahmen
  112. 8.2.1 Residuen-Definitionen
  113. 8.2.2 Prüfgrößen für den Einfluß einzelner Beobachtungen
  114. 8.2.3 Plots zur Entdeckung einflußreicher Beobachtungen
  115. 8.2.4 Standard-Scatterplots
  116. 8.2.5 Spezielle Residuenplots
  117. 8.3 Bedeutung von Plots in der Regressionsdiagnostik
  118. 8.4 Spezielle Plots für lineare Regressionen
  119. 8.4.1 Mallows Cp-Plot
  120. 8.4.2 Ridge-Trace
  121. 8.5 Plots für logistische Regressionen
  122. 8.5.1 Regressionsdiagnostik in logistischen Regressionsmodellen
  123. 8.5.2 Beurteilung der tatsächlichen Leistungsfähigkeit des Modells
  124. 8.5.3 Exkurs: Regressionsdiagnostische Kriterien in der logistischen Regression
  125. 9 Plots in der Varianzanalyse
  126. 9.1 Plots bei der Überprüfung der Annahmen der Varianzanalyse
  127. 9.1.1 Überprüfung der Normalverteilungsannahme
  128. 9.1.2 Varianzhomogenitätsannahme
  129. 9.1.3 Residuen-Diagnostik
  130. 9.1.4 Zusammenfassung
  131. 9.2 Plots als Hilfe bei der Interpretation der Varianzanalyse
  132. 9.2.1 Multiple Mittelwertvergleiche
  133. 9.2.2 Zufälligkeit von Mittelwertdifferenzen
  134. 9.2.3 Interaktionsplots
  135. 9.2.4 Box-Dot-Plots zur Ergebnisdarstellung
  136. 9.2.5 ANOVA-Effects-Plots
  137. 9.2.6 Plot der Mittelwerte nach Faktorlevel
  138. 9.2.7 R-F-Spreadplots
  139. 9.2.8 Profil-Plots
  140. 9.2.9 t-Plots
  141. 9.2.10 Aggregierte Sequenzplots
  142. 9.3 Schlußbemerkung
  143. 10 Plots in der Clusteranalyse
  144. 10.1 Symbolische Darstellung der Datenmatrix
  145. 10.1.1 Manuelle Matrix-Permutation
  146. 10.1.2 Algorithmen zur Matrix-Permutation
  147. 10.2 Symbolische Darstellung der Distanzmatrix
  148. 10.2.1 Shading
  149. 10.2.2 Threshold-Plots
  150. 10.2.3 Median-Distanzen-Plot
  151. 10.3 Fusionsdiagramme
  152. 10.3.1 Dendrogramme
  153. 10.3.2 Icicle-Plots
  154. 10.3.3 Loop-Plots
  155. 10.4 Plots zur Darstellung der Clusterdistanzen
  156. 10.4.1 Fusionsdistanz-Plots
  157. 10.4.2 Cluster-Distanz-Plots
  158. 10.4.3 Objekt-Distanz-Plots
  159. 10.4.4 Silhouetten-Plots
  160. 10.5 Cluster-Profilplots
  161. 10.6 Projektionsplots der Cluster
  162. 10.6.1 Hauptkomponentenplots
  163. 10.6.2 Plots der Diskriminanzfunktion
  164. 10.6.3 Multidimensionale Skalierung und Clusteranalyse
  165. 10.6.4 Projektionsüberprüfungen
  166. 10.6.5 Varianten der Projektionsplots
  167. 10.7 Schlußbemerkung
  168. 11 Datenanalyse-Konzeptionen
  169. 11.1 Explorative Datenanalyse
  170. 11.2 "Explorative" versus "konfirmatorische" Datenanalyse
  171. 11.3 3 Multivariate graphische Verfahren und "induktives Vorgehen"
  172. 11.4 Einfache und komplexe statistische Analyse
  173. 11.5 Datenanalyse statt der Analyse gegebener Zahlen
  174. 11.6 Datenanalyse statt Statistik: Zur Kritik der Signifikanztests
  175. 11.7 Schlußbemerkung
  176. Anhang: Existierende Software und Hilfsmittel für eigene Programme
  177. Literatur
  178. Index