8 laboratorinis darbas Klasterinė ir diskriminantinė analizė
|
|
- Laurel O’Brien’
- 5 years ago
- Views:
Transcription
1 8 laboratorinis darbas Klasterinė ir diskriminantinė analizė Teorinė dalis 1.1. Hierarchinė klasterinė analizė Objektų klasifikavimas, kai nėra mokomųjų imčių SAS sistemoje realizuotas CLUSTER procedūroje. proc cluster method = metrika; id kintamasis; var kintamieji; ID nurodomas klasterizuojamas kintamasis, VAR kintamieji pagal kuriuos atliekama klasterizacija. AVERAGE CENTROID COMPLETE MEDIAN SINGLE WARD Dažniausiai naudojamos atstumo tarp klasterių metrikos Vidutinis atstumas tarp visų galimų dviejų klasterių objektų porų Centroidų metodas,,tolimiausio kaimyno metodas Goverio medianinis metodas,,artimiausio kaimyno metodas Ward s metodas Reikia suklasterizuoti dvylika Lietuvos didžiausių miestų, kurių artumų matricą sudaro atstumas kilometrais tarp miestų. Du klasterizavimo metodai pateikti su klasterių apjungimo medžiais (procedūra TREE). data atstumai(type=distance); input (alytus kaunas klaipeda marijampole mazeikiai palanga panevezys siauliai taurage telsiai utena vilnius) miestas $11.; datalines; 0 ALYTUS 69 0 KAUNAS KLAIPĖDA MARIJAMPOLĖ MAŽEIKIAI PALANGA PANEVĖŽYS ŠIAULIAI TAURAGĖ TELŠIAI UTENA VILNIUS ; /*--- Vidutinis atstumas ---*/ proc cluster data=atstumai method=average pseudo; id miestas; proc tree horizontal spaces=; id miestas; /*--- Ward`s metodas ---*/ proc cluster data=atstumai method=ward pseudo; id miestas; proc tree horizontal spaces=; id miestas;
2 Cluster History NCL Clusters Joined FREQ PSF PST Norm RMS Dist 11 KLAIPĖDA PALANGA MAŽEIKIAI TELŠIAI KAUNAS MARIJAMPOLĖ ALYTUS CL CL10 ŠIAULIAI UTENA VILNIUS PANEVĖŽYS CL CL7 TAURAGĖ CL11 CL CL8 CL CL CL T i e Cluster History NCL Clusters Joined FREQ SPRSQ RSQ PSF PST 11 KLAIPĖDA PALANGA MAŽEIKIAI TELŠIAI KAUNAS MARIJAMPOLĖ ALYTUS CL PANEVĖŽYS ŠIAULIAI UTENA VILNIUS CL11 CL CL5 TAURAGĖ CL7 CL CL8 CL CL CL T i e
3 Visi metodai siūlo miestus skirstyti į du klasterius pagal rytų vakarų išsidėstymą. Iš pateiktų pavyzdžių neaišku, kaip klasterizuoti Šiaulius, kuris yra vakarinėje Lietuvos dalyje. Abu tikyti metodai pateiktų galimą trečią klasterį sudarytą iš centrinio bei pietinio regionų Alytaus, Kauno ir Marijampolės miestų. Žinduoliai turi keturias dantų rūšis: kandžiai, iltys, kapliai, krūminiai. Duomenų faile DANTYS saugoma informacija apie 31 žinduolio kintamasis ZINDUOLIS kiekvienos dantų rūšies skaičių viršutinio ir apatinio žandikaulių vienoje pusėje kintamieji V1, V, V3, V4, V5, V6, V7 ir V8. Pateiktus gyvūnus suklasterizuosime pagal jų dantų skaičių. proc cluster data=dantys method=average nonorm; var v1-v8; id zinduolis; Eigenvalues of the Covariance Matrix Eigenvalue Difference Proportion Cumulative
4 Cluster History T NCL Clusters Joined FREQ RMS Dist i e 30 Bebras Švilpikas 0 T 9 Pilkoji voverė Dygliakiaulė 0 T 8 Vilkas Lokys 0 T 7 Kiaunė Ernis 0 T 6 Žebenkštis Opšrus 0 T 5 Jaguaras Puma 0 T 4 Kotikas Jūrų liūtas 0 T 3 Šiaurinis elnias Briedis 0 T Elnias Amerikinis briedis 0 1 Rudasis šikšnosparnis Sidabrakailis šikšnosparnis 1 T 0 Nykštukinis šikšnosparnis Naminis šikšnosparnis 1 T 19 CL30 CL9 4 1 T 18 CL7 Upinė ūdra 3 1 T 17 CL6 Jūrinė ūdra 3 1 T 16 CL3 CL CL0 Raudonasis šikšnosparnis CL17 Pilkasis ruonis CL8 Meškėnas T 1 CL4 Jūrų dramblys CL18 CL CL1 CL CL19 Naminė pelė CL11 CL Kurmis Triušis 6 CL8 CL CL13 CL CL10 CL CL4 CL CL3 CL CL CL k vidurkių klasterizavimo metodas Stebėjimų klasifikavimas, kai klasterių centrai sudaromi, kaip mažiausių kvadratų įverčiai, realizuotas FASTCLUS procedūroje. proc fastclus maxclusters = n; id kintamasis; var kintamieji; ID nurodomas klasterizuojamas kintamasis, VAR kintamieji pagal kuriuos atliekama klasterizacija. Apjungsime į dvi grupes Fišerio naudotus vilkdalgio Iris setosa duomenis pagal artimiausius taurėlapių bei vainiklapių ilgius ir pločius. data setosa; input TaurelapioIlgis TaurelapioPlotis ZiedlapioIlgis label taurelapioilgis='taurėlapio ilgis mm.' taurelapioplotis='taurėlapio plotis mm.' zidlapioilgis='žiedlapio ilgis mm.' ziedlapioplotis='žiedlapio plotis mm.'; datalines;
5 ; proc fastclus data=setosa maxclusters= out=klasteriai; var TaurelapioIlgis TaurelapioPlotis VainiklapioIlgis VainiklapioPlotis; proc gplot data=klasteriai; plot TaurelapioIlgis*TaurelapioPlotis=Cluster; Cluster Means Cluster TaurelapioIlgis TaurelapioPlotis VainiklapioIlgis VainiklapioPlotis Diskriminantinė analizė Turint mokomąsias imtis objektų klasifikavimui naudojama DISCRIM procedūra. proc discrim testdata=klasifikuojami_duomenys method=metodas pool=yes no <parinktys>; class kintamasis; var kintamieji;
6 CLASS nurodomas klasifikuojamas kintamasis, VAR kintamieji pagal kuriuos atliekamas klasifikavimas. METHOD = NORMAL NPAR apibrėžiamas metodas naudojamas klasifikavimo kriterijaus gavimui. POOL = YES NO nurodoma ar bendra visos imties, ar tarpgrupinė kovariacinė matrica bus kvadratinio atstumo matavimo pagrindas. Jei nurodoma POOL = YES, tai procedūra skaičiuodama kvadratinius atstumus naudoja bendrą kovariacinę matricą; randa tiesinės diskriminantinės funkcijos pavidalą. TESTDATA = SAS duomenų failas klasifikuojami reikiami duomenys. Kiekybinio kintamojo reikšmės turi atitikti esančias mokomosios imties DATA = duomenų faile. Dažniausiai naudojamos parinktys ANOVA Pateikia hipotezės, kad klasių vidurkiai populiacijoje kiekvienam kintamajam yra lygūs, bendras statistikas. CROSSLIST Pateikia kryžminių tikrinimų klasifikavimo rezultatus kiekvienam stebėjimui. CROSSLISTERR Pateikia kryžminių tikrinimų klasifikavimo rezultatus tik klasifikuotiems stebėjimams. MANOVA Pateikia hipotezės, kad klasių vidurkiai populiacijoje kiekvienam kintamajam yra lygūs, bendras daugiadispersines statistikas. NOCLASSIFY Nerodo pakeitimų klasifikacijos mokomosios imties duomenų failui. SHORT Nerodo tam tikrų paragrafų. Jei nurodyta METHOD = NORMAL, nerodomi sprendžiamieji faktoriai, apibendrinti kvadratiniai atstumai tarp klasių vidurkių ir diskriminantinės funkcijos koeficientai. Duomenys apie vilkdalgius, pirmą kartą naudoti Fišerio (1936), plačiai taikomi diskriminantinės ir klasterinės analizės pavyzdžiuose. Faile VILKDALGIS saugoma trijų rūšių vilkdalgių Iris setosa, Iris versicolor ir Iris virginica žiedlapių ir taurėlapių ilgio ir pločio matmenys milimetrais. Diskriminantinės analizės metodu įvertintas žiedlapio pločio pasiskirstymas palengvina tikimybių skaičiavimą kitais kartais. proc discrim data=vilkdalgis method=normal pool=yes short noclassify crosslisterr; class rusys; var ziedlapio_plotis; Observations 150 DF Total 149 Variables 1 DF Within Classes 147 Classes 3 DF Between Classes Class Level Information rusys Variable Name Frequency Weight Proportion Prior Probability Setosa Setosa Versicolor Versicolor Virginica Virginica Posterior Probability of Membership in rusys Classified into Obs From rusys rusys Setosa Versicolor Virginica 5 Virginica Versicolor * Versicolor Virginica * Virginica Versicolor * Virginica Versicolor * Virginica Versicolor * Versicolor Virginica *
7 Number of Observations and Percent Classified into rusys From rusys Setosa Versicolor Virginica Total Setosa Versicolor Virginica Total Priors Error Count Estimates for rusys Setosa Versicolor Virginica Total Rate Priors Pasiskirstymo tankių mišinys Sakome, kad atsitiktinis vektorius X R d tenkina skirstinių mišinio modelį, jeigu jo pasiskirstymo tankis q f(x) tenkina lygybę f ( x) pk f k ( x) f ( x, ). Parametras q vadinamas mišinio klasterių (komponentų, klasių) k 1 skaičiumi, o p k apriorinėmis tikimybėmis. Jos tenkina sąlygas: p k > 0, p 1. Funkcija f k (x) yra pasiskirstymo tankio funkcija, o daugiamatis modelio parametras. Sugeneruosime 100 atsitiktinių vektorių pasiskirsčiusių pagal dvimatį Gauso ir Laplaso skirstinių su nepriklausomomis komponentėmis mišinį f ( x) 0,5N ( x, m, s ) 0,5L( x,, ) bei parametrais: Gauso skirstinio vidurkiu (; ), dispersijomis (1; 1) bei Laplaso skirstinio padėties parametru (1; 0), mastelio parametru (0,7; 0,5). data imtis; _seed_ = 1345; do i = 1 to 100; c = ranuni(_seed_); if c < 0.5 then do; X1 = + 1 * rannor(_seed_); X = + 1 * rannor(_seed_); end; else do; zenklas = * ranbin(_seed_,1,0.5) - 1; X1 = * zenklas * ranexp(_seed_); X = * zenklas * ranexp(_seed_); end; f = 0.5 * pdf('normal',x1,,1) * pdf('normal',x,,1) * pdf('laplace',x1,1,0.7) * pdf('laplace',x,0,0.5); output; end; keep X1 X f; Užduotys 1. Įsivaizduokime, kad ateities archeologas atkasa šių dienų parduotuvės sandėlį (failas PARDUOTUVE). Čia jis randa daug įvairaus dydžio, išvaizdos ir spalvos dėžučių ir nori atlikti išankstinę jų klasifikaciją pagrįstą išoriniais radinių matavimais: aukštis, plotis, gylis, svoris ir dominuojanti spalva. Kokia spalva yra svarbi produktų pakuotei nėra žinoma, todėl analizę reikia atlikti tiek ir su, tiek ir be informacijos apie spalvą. Pagal dėžutėse laikytas prekes jos suskirstytos į šešias kategorijas: dribsniai, sausainiai, skalbimo priemonės, vaikiški skanėstai, arbata ir dantų pasta. q k 1 k
8 . Sugeneruokite 1000 atsitiktinių vektorių pasiskirsčiusių pagal penkiamatį Gauso skirstinių su nepriklausomomis q komponentėmis mišinį pk N( x, mk, s k ) ir parametrais k 1 p 1 =0.6, m 1 =[0,0; 0,0; 0,0; 0,0; 0,0], p =0.3, m =[,0;,0;,0;,0;,0], p 3 =0.1, m 3 =[N; N/; N/3; N/4; N/5], s =[0,4; 0,51; 0,35; 0,60; 0,48], 1 3 s =[0,33; 0,46; 0,53; 0,43; 0,45], s =[1,00; 1,00; 1,00; 1,00; 1,00]. Mišinio klasterizavimui panaudoję k vidurkių metodą apskaičiuokite mišinio tankio vertinimo paklaidą n 1 f ( X ( t)) fˆ( X ( t)). n t 1 3. Faile DERLIUS saugoma įvairių tarpusavyje artimai nesusijusių augalų kultūrų derlius. Atlikite diskriminantinę analizę galimam derliaus prognozavimui. 4. Paaiškinkite gautus rezultatus, parašykite išvadas ir įrašykite juos į teksto redaktoriaus MS WORD failą L8_SAS_N.doc, čia N jūsų varianto numeris.
The SAS System 18:28 Saturday, March 10, Plot of Canonical Variables Identified by Cluster
The SAS System 18:28 Saturday, March 10, 2018 1 The FASTCLUS Procedure Replace=FULL Radius=0 Maxclusters=2 Maxiter=10 Converge=0.02 Initial Seeds Cluster SepalLength SepalWidth PetalLength PetalWidth 1
More informationMULTIVARIATE HOMEWORK #5
MULTIVARIATE HOMEWORK #5 Fisher s dataset on differentiating species of Iris based on measurements on four morphological characters (i.e. sepal length, sepal width, petal length, and petal width) was subjected
More informationDiscriminant Analysis (DA)
Discriminant Analysis (DA) Involves two main goals: 1) Separation/discrimination: Descriptive Discriminant Analysis (DDA) 2) Classification/allocation: Predictive Discriminant Analysis (PDA) In DDA Classification
More informationReklamos internete vartotojų segmentavimas taikant latentinį Dirichlė paskirstymo modelį
Lietuvos matematikos rinkinys ISSN 0132-2818 Lietuvos matematikų draugijos darbai, ser. B www.mii.lt/lmr/ 56 t., 2015, 1 6 Reklamos internete vartotojų segmentavimas taikant latentinį Dirichlė paskirstymo
More informationS. Tamošiūnas a,b, M. Žilinskas b,c, A. Nekrošius b, and M. Tamošiūnienė d
Lithuanian Journal of Physics, Vol. 45, No. 5, pp. 353 357 (2005) CALCULATION OF RADIO SIGNAL ATTENUATION USING LOCAL PRECIPITATION DATA S. Tamošiūnas a,b, M. Žilinskas b,c, A. Nekrošius b, and M. Tamošiūnienė
More informationStochastinės analizės egzaminas MIF magistrantūra, FDM I kursas, 2018 m. ruduo (1 semestras), X s db s, t 0.
Stochastinės analizės egzaminas MIF magistrantūra, FDM I kursas, 218 m. ruduo (1 semestras), 219 1 18 1. Prove the following: Proposition. If X t, t, is an Itô process and f C 3 (IR), then f ( ) ( ) t
More informationMultivariate Data Clustering for the Gaussian Mixture Model
INFORMATICA, 2005, Vol. 16, No. 1, 61 74 61 2005 Institute of Mathematics and Informatics, Vilnius Multivariate Data Clustering for the Gaussian Mixture Model Mindaugas KAVALIAUSKAS Faculty of Fundamental
More informationCALCULATION OF ELECTROMAGNETIC WAVE ATTENUATION DUE TO RAIN USING RAINFALL DATA OF LONG AND SHORT DURATION
Lithuanian Journal of Physics, Vol. 47, No. 2, pp. 163 168 (2007) CALCULATION OF ELECTROMAGNETIC WAVE ATTENUATION DUE TO RAIN USING RAINFALL DATA OF LONG AND SHORT DURATION S. Tamošiūnas a,b, M. Tamošiūnienė
More informationVILNIUS UNIVERSITY LIJANA STABINGIENĖ IMAGE ANALYSIS USING BAYES DISCRIMINANT FUNCTIONS
VILNIUS UNIVERSITY LIJANA STABINGIENĖ IMAGE ANALYSIS USING BAYES DISCRIMINANT FUNCTIONS Summary of doctoral dissertation Physical sciences (P 000) Informatics (09 P) Vilnius, 2012 Doctoral dissertation
More informationThe DISCRIM Procedure
SAS/STAT 9.2 User s Guide (Book Excerpt) SAS Documentation This document is an individual chapter from SAS/STAT 9.2 User s Guide. The correct bibliographic citation for the complete manual is as follows:
More informationChapter 25 The DISCRIM Procedure. Chapter Table of Contents
Chapter 25 Chapter Table of Contents OVERVIEW...1013 GETTING STARTED...1014 SYNTAX...1019 PROCDISCRIMStatement...1019 BYStatement...1027 CLASSStatement...1028 FREQStatement...1028 IDStatement...1028 PRIORSStatement...1028
More informationApplied Multivariate Analysis
Department of Mathematics and Statistics, University of Vaasa, Finland Spring 2017 Discriminant Analysis Background 1 Discriminant analysis Background General Setup for the Discriminant Analysis Descriptive
More informationLR Seimo narių elgsenos tyrimas, naudojant klasterinę analizę ir daugiamačių skalių metodą
LR Seimo narių elgsenos tyrimas, naudojant klasterinę analizę ir daugiamačių skalių metodą Vytautas Mickevičius Vytauto Didžiojo universitetas, Informatikos fakultetas Kaunas, Lietuva El. paštas: vytautas.mickevicius@fc.vdu.lt
More informationMay 22 23, 2008 The 7 th International Conference ANALYSIS OF GRAVIMETRIC OBSERVATIONS MADE BY SCINTREX CG-5
ENVIRONMENTAL ENGINEERING May 22 23, 2008 The 7 th International Conference Faculty of Environmental Engineering, Vilnius Gediminas Technical University Saulėtekio al. 11, LT-10223 Vilnius, Lithuania Tel.:
More informationVIDUTINĖS KLIMATINIŲ RODIKLIŲ REIKŠMĖS LIETUVOJE
VIDUTINĖS KLIMATINIŲ RODIKLIŲ REIKŠMĖS LIETUVOJE 1981 21 m. CLIMATE AVERAGES FOR LITHUANIA 1981 21 213 m. Įvadas Lietuvoje meteorologinių stebėjimų istorija siekia 177 m., kai Vilniaus Universitete buvo
More informationMultivariate analysis of variance and covariance
Introduction Multivariate analysis of variance and covariance Univariate ANOVA: have observations from several groups, numerical dependent variable. Ask whether dependent variable has same mean for each
More informationAlgebraic and spectral analysis of local magnetic field intensity
Lietuvos matematikos rinkinys ISSN 132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 6, DOI:.388/LMR.A.. pages 4 9 Algebraic and spectral analysis of local magnetic field intensity Mantas
More informationAn Introduction to Multivariate Methods
Chapter 12 An Introduction to Multivariate Methods Multivariate statistical methods are used to display, analyze, and describe data on two or more features or variables simultaneously. I will discuss multivariate
More informationRinktiniai informacijos saugos skyriai. 3. Kriptografija ir kriptografijos protokolai: Klasikinė kriptografija
Rinktiniai informacijos saugos skyriai 3. Kriptografija ir kriptografijos protokolai: Klasikinė kriptografija Paskaitos tikslai Šioje temoje nagrinėjami klausimai: Perstatų šifrai Keitinių šifrai Vienos
More informationThe Burg Algorithm with Extrapolation for Improving the Frequency Estimation
INFORMATICA, 2011, Vol. 22, No. 2, 177 188 177 2011 Vilnius University The Burg Algorithm with Extrapolation for Improving the Frequency Estimation Kazys KAZLAUSKAS Vilnius University Institute of Mathematics
More informationThe Euler Mascheroni constant in school
Lietuvos matematikos rinkinys ISSN 032-288 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 55, 204 DOI: 0.5388/LMR.A.204.04 pages 7 2 The Euler Mascheroni constant in school Juozas Juvencijus
More informationOPTINöS ELEKTRONIKOS ĮTAISAI
1 OPTINöS ELEKTRONIKOS ĮTAISAI Skaiduliiai šviesolaidžiai Skaiduliio šviesolaidžio sadara ir parametrai Pakopiio lūžio rodiklio skaidulos Gradietiio lūžio rodiklio skaidulos Spiduliai ir modos Reiškiiai
More informationNUOTOLINIŲ KURSŲ OPTIMIZAVIMAS
Vilniaus Universitetas Matematikos ir informatikos institutas L I E T U V A INFORMATIKA (09 P) NUOTOLINIŲ KURSŲ OPTIMIZAVIMAS Irina Vinogradova 2013 m. spalis Mokslinė ataskaita MII-DS-09P-13-5 Matematikos
More informationMETHODS FOR GENERATION OF RANDOM NUMBERS IN PARALLEL STOCHASTIC ALGORITHMS FOR GLOBAL OPTIMIZATION
METHODS FOR GENERATION OF RANDOM NUMBERS IN PARALLEL STOCHASTIC ALGORITHMS FOR GLOBAL OPTIMIZATION Algirdas Lančinskas, Julius Žilinskas Institute of Mathematics and Informatics 1. Introduction Generation
More informationĮvairiuose projektuose nustatytų vidutinių Lietuvos dirvožemio parametrų
Įvairiuose projektuose nustatytų vidutinių Lietuvos dirvožemio parametrų palyginimas dr. Virgilija Gregorauskienė Lietuvos geologijos tarnyba Problema dirvožemio duomenų, naudojamų formuojant ES dirvožemio
More informationANALIZĖ 0: TEORINĖ ARITMETIKA
ANALIZĖ 0: TEORINĖ ARITMETIKA RIMAS NORVAIŠA 11.4 variantas, 2018 rugsėjo 20 E-paštas: rimas.norvaisa @mii.vu.lt 1 skyrius Pratarmė Analizė 0 - pirmoji matematinės analizės dalis iš trijų. Ši dalis yra
More informationISyE 6416: Computational Statistics Spring Lecture 5: Discriminant analysis and classification
ISyE 6416: Computational Statistics Spring 2017 Lecture 5: Discriminant analysis and classification Prof. Yao Xie H. Milton Stewart School of Industrial and Systems Engineering Georgia Institute of Technology
More informationTranzistoriai. 1947: W.H.Brattain and J.Bardeen (Bell Labs, USA)
LTRONOS ĮTASA 2009 1 Tranzistoriai 1947: W.H.Brattain an J.Bareen (Bell Labs, USA) JPPi J.P.Pierce (Bell lllabs): tran(sfer)+(re)sistor ( ) t = transistor. t 1949: W.Schockley pasiūlė plokštinio vipolio
More informationPossibilities to improve ground-based cloud cover observations using Satellite Application Facility (SAFNWC) products
GEOGRAFIJA. 2007. T. 43. Nr. 1. P. 21 29 Lietuvos mokslų akademija, 2007 Lietuvos mokslų akademijos leidykla, 2007 Meteorologija Meteorology Possibilities to improve ground-based cloud cover observations
More informationSupervised Learning: Linear Methods (1/2) Applied Multivariate Statistics Spring 2012
Supervised Learning: Linear Methods (1/2) Applied Multivariate Statistics Spring 2012 Overview Review: Conditional Probability LDA / QDA: Theory Fisher s Discriminant Analysis LDA: Example Quality control:
More informationExtensions to LDA and multinomial regression
Extensions to LDA and multinomial regression Patrick Breheny September 22 Patrick Breheny BST 764: Applied Statistical Modeling 1/20 Introduction Quadratic discriminant analysis Fitting models Linear discriminant
More informationLIETUVOS ENERGETIKOS STRATEGIJA: OPTIMALIOS RENOVACIJOS MODELIS (ORM) (projektas pastaboms)
Įvadas LIETUVOS ENERGETIKOS STRATEGIJA: OPTIMALIOS RENOVACIJOS MODELIS (ORM) (projekas pasaboms) ORM yra kašų ir naudos analiz s (cos-benefi analysis) aikymas svarbiu masin s daugiabučių renovacijos aveju,
More informationLietuvių šnekos balsių aprašymo autoregresijos modeliu adekvatumo tyrimas
Lietuvos matematikos rinkinys ISSN 0132-2818 Lietuvos matematikų draugijos darbai, ser. B www.mii.lt/lmr/ 57 t., 2016, 19 24 Lietuvių šnekos balsių aprašymo autoregresijos modeliu adekvatumo tyrimas Jonas
More informationA NEW WAY OF LOOKING AT THE BARNUM EFFECT AND ITS LINKS TO PERSONALITY TRAITS IN GROUPS RECEIVING DIFFERENT TYPES OF PERSONALITY FEEDBACK
Online) ISSN 2345-0061. PSICHOLOGIJA. 2014 50 A NEW WAY OF LOOKING AT THE BARNUM EFFECT AND ITS LINKS TO PERSONALITY TRAITS IN GROUPS RECEIVING DIFFERENT TYPES OF PERSONALITY FEEDBACK Mykolas Simas Poškus
More informationProgramų sistemų inžinerija
Programų sistemų inžinerija Modulio tikslai, struktūra, vertinimas Lina Vasiliauskienė Grafinių sistemų katedra Vilniaus Gedimino Technikos Universitetas 2010 2011 Kontaktai Dėstytoja Lina Vasiliauskienė
More informationProjektas. SFMIS Nr. VP1-3.1-ŠMM-02-V SEMINARO INFERENCINĖ STATISTIKA SOCIALINIUOSE MOKSLUOSE MEDŽIAGA. Vydas Čekanavičius
Projektas Lietuvos HSM duomenų archyvo LiDA plėtra SFMIS Nr. VP1-3.1-ŠMM-02-V-02-001 SEMINARO INFERENCINĖ STATISTIKA SOCIALINIUOSE MOKSLUOSE MEDŽIAGA Vydas Čekanavičius (Paslaugų sutartis Nr. SA-2010-771/2,
More informationDIRBTINIO INTELEKTO METODŲ TAIKYMAS KREDITO RI- ZIKOS VERTINIME
VILNIAUS UNIVERSITETAS KAUNO HUMANITARINIS FAKULTETAS INFORMATIKOS KATEDRA Verslo informatikos studijų programa Kodas 62109P101 PAULIUS DANöNAS MAGISTRO BAIGIAMASIS DARBAS DIRBTINIO INTELEKTO METODŲ TAIKYMAS
More informationChapter 7, continued: MANOVA
Chapter 7, continued: MANOVA The Multivariate Analysis of Variance (MANOVA) technique extends Hotelling T 2 test that compares two mean vectors to the setting in which there are m 2 groups. We wish to
More informationGoodness of Fit Tests Based on Kernel Density Estimators
INFORMATICA, 2013, Vol. 24, No. 3, 447 460 447 2013 Vilnius University Goodness of Fit Tests Based on Kernel Density Estimators Rimantas RUDZKIS, Aleksej BAKSHAEV Vilnius University, Institute of Mathematics
More informationHilbert Schmidt component analysis
Lietuvos matematikos rinkinys ISSN 0132-2818 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 57, 2016 DOI: 10.15388/LMR.A.2016.02 pages 7 11 Hilbert Schmidt component analysis Povilas Daniušis,
More informationParameters Estimation in Modelling of Gas-Gap in RBMK Type Reactor Using Bayesian Approach
INFORMATICA, 2010, Vol. 21, No. 2, 295 306 295 2010 Institute of Mathematics and Informatics, Vilnius Parameters Estimation in Modelling of Gas-Gap in RBMK Type Reactor Using Bayesian Approach Inga ŽUTAUTAITĖ-ŠEPUTIENĖ
More informationData Mining and Analysis: Fundamental Concepts and Algorithms
: Fundamental Concepts and Algorithms dataminingbook.info Mohammed J. Zaki 1 Wagner Meira Jr. 2 1 Department of Computer Science Rensselaer Polytechnic Institute, Troy, NY, USA 2 Department of Computer
More informationFounded in Address: Kestucio str. 8, Kaunas, Lithuania Tel./Fax
Founded in 1998 Address: Kestucio str. 8, 44320 Kaunas, Lithuania Tel./Fax +370-37-300 140 E-mail: euroi@ktu.lt http://www.euroi.ktu.lt Regional Impact Models: Problem of Applicability for Lithuania EUMOptFin3
More informationClassification techniques focus on Discriminant Analysis
Classification techniques focus on Discriminant Analysis Seminar: Potentials of advanced image analysis technology in the cereal science research 2111 2005 Ulf Indahl/IMT - 14.06.2010 Task: Supervised
More informationLIETUVOS REGIONŲ KONKURENCINGUMO KLASTERINĖ ANALIZĖ. Kauno technologijos universitetas, 2 Klaipėdos universitetas
ISSN 1822-6760. Management theory and studies for rural business and infrastructure development. 2011. Nr. 1 (25). Research papers. LIETUVOS REGIONŲ KONKURENCINGUMO KLASTERINĖ ANALIZĖ Jurgita Bruneckienė
More informationData Mining and Analysis: Fundamental Concepts and Algorithms
Data Mining and Analysis: Fundamental Concepts and Algorithms dataminingbook.info Mohammed J. Zaki 1 Wagner Meira Jr. 1 Department of Computer Science Rensselaer Polytechnic Institute, Troy, NY, USA Department
More informationVILNIUS UNIVERSITY. Alma Molytė INVESTIGATION OF COMBINATIONS OF VECTOR QUANTIZATION METHODS WITH MULTIDIMENSIONAL SCALING
VILNIUS UNIVERSITY Alma Molytė INVESTIGATION OF COMBINATIONS OF VECTOR QUANTIZATION METHODS WITH MULTIDIMENSIONAL SCALING Summary of Doctoral Dissertation Physical Sciences, Informatics (09 P) Vilnius,
More informationTurinys. Geometrinės diferencialinių lygčių teorijos savokos. Diferencialinės lygties sprendiniai. Pavyzdžiai. CIt, (- 00,0) C'It, (0, (0);
Turinys In this chapter we illustrate the qualitative approach to differential equations and introduce some key ideas such as phase portraits and qualitative equivalence Geometrinės diferencialinių lygčių
More informationOptimal Segmentation of Random Sequences
INFORMATICA, 2000, Vol. 11, No. 3, 243 256 243 2000 Institute of Mathematics and Informatics, Vilnius Optimal Segmentation of Random Sequences Antanas LIPEIKA Institute of Mathematics and Informatics Akademijos
More informationDiscriminant Analysis
Chapter 16 Discriminant Analysis A researcher collected data on two external features for two (known) sub-species of an insect. She can use discriminant analysis to find linear combinations of the features
More informationChapter 16 The ACECLUS Procedure. Chapter Table of Contents
Chapter 16 The ACECLUS Procedure Chapter Table of Contents OVERVIEW...303 Background..... 304 GETTING STARTED...310 SYNTAX...318 PROCACECLUSStatement...318 BYStatement...323 FREQStatement...324 VARStatement...324
More informationStruktūrinė geologija
Pirmadienį pirmą pusdienį Struktūrinė geologija Audrius Čečys audrius.cecys@gf.vu.lt / audrius.cecys@gmail.com + 370 686 96 480 http://web.vu.lt/gf/a.cecys ir Dropbox Struktūrinė geologija yra mokslas
More informationBIOS 625 Fall 2015 Homework Set 3 Solutions
BIOS 65 Fall 015 Homework Set 3 Solutions 1. Agresti.0 Table.1 is from an early study on the death penalty in Florida. Analyze these data and show that Simpson s Paradox occurs. Death Penalty Victim's
More informationLEC 4: Discriminant Analysis for Classification
LEC 4: Discriminant Analysis for Classification Dr. Guangliang Chen February 25, 2016 Outline Last time: FDA (dimensionality reduction) Today: QDA/LDA (classification) Naive Bayes classifiers Matlab/Python
More informationLecture 2: Basic Concepts and Simple Comparative Experiments Montgomery: Chapter 2
Lecture 2: Basic Concepts and Simple Comparative Experiments Montgomery: Chapter 2 Fall, 2013 Page 1 Random Variable and Probability Distribution Discrete random variable Y : Finite possible values {y
More informationAnalysis of genetic risk assessment methods
Lietuvos matematikos rinkinys ISSN 32-288 Proc. of the Lithuanian Mathematical Society, Ser. A Vol. 56, 25 DOI:.5388/LMR.A.25.9 pages 7 2 Analysis of genetic risk assessment methods Vytautas Tiešis, Algirdas
More informationThe Minimum Density Power Divergence Approach in Building Robust Regression Models
INFORMATICA, 2011, Vol. 22, No. 1, 43 56 43 2011 Vilnius University The Minimum Density Power Divergence Approach in Building Robust Regression Models Alessandra DURIO, Ennio Davide ISAIA Department of
More informationGlobalisation and Benchmarking of Development of Nation State Regional Centres
5 th International Vilnius Conference EURO Mini Conference Knowledge-Based Technologies and OR Methodologies for Strategic Decisions of Sustainable Development (KORSD-2009) September 30 October 3, 2009,
More informationAn introduction to clustering techniques
- ABSTRACT Cluster analysis has been used in a wide variety of fields, such as marketing, social science, biology, pattern recognition etc. It is used to identify homogenous groups of cases to better understand
More informationLinear Discriminant Analysis Based in part on slides from textbook, slides of Susan Holmes. November 9, Statistics 202: Data Mining
Linear Discriminant Analysis Based in part on slides from textbook, slides of Susan Holmes November 9, 2012 1 / 1 Nearest centroid rule Suppose we break down our data matrix as by the labels yielding (X
More informationJAV AVIACIJOS DUOMENŲ ANALIZĖ PANAUDOJANT DIDŽIŲJŲ DUOMENŲ MATEMATINIUS MODELIUS
KAUNO TECHNOLOGIJOS UNIVERSITETAS MATEMATIKOS IR GAMTOS MOKSLŲ FAKULTETAS TAIKOMOSIOS MATEMATIKOS KATEDRA Giedrius Petrošius JAV AVIACIJOS DUOMENŲ ANALIZĖ PANAUDOJANT DIDŽIŲJŲ DUOMENŲ MATEMATINIUS MODELIUS
More informationPrincipal component analysis
Principal component analysis Motivation i for PCA came from major-axis regression. Strong assumption: single homogeneous sample. Free of assumptions when used for exploration. Classical tests of significance
More informationLazeriniai Gauso pluoštai
VILNIAUS UNIVERSITETAS FIZIKOS FAKULTETAS KVANTINĖS ELEKTRONIKOS KATEDRA MOKOMOJI LAZERIŲ LABORATORIJA Laboratorinis darbas Nr. KE 6 Lazeriniai Gauso pluoštai Metodiniai nurodymai Dėmesio! Darbo metu naudojami
More informationAn Effective Method for Initialization of Lloyd Max s Algorithm of Optimal Scalar Quantization for Laplacian Source
INFORMATICA, 007, Vol. 18, No., 79 88 79 007 Institute of Mathematics and Informatics, Vilnius An Effective Method for Initialization of Lloyd Max s Algorithm of Optimal Scalar Quantization for Laplacian
More informationCRIME IN OPEN PUBLIC SPACES IN THE POST-SOVIET CITIES: LITHUANIAN CASE
CRIME IN OPEN PUBLIC SPACES IN THE POST-SOVIET CITIES: LITHUANIAN CASE Irina Matijosaitiene, Assoc. Prof. Dr. Kestutis Zaleckis, Prof. Dr. Kaunas University of Technology, Lithuania Abstract From the spatial
More informationBIOMETRICS INFORMATION
BIOMETRICS INFORMATION Index of Pamphlet Topics (for pamphlets #1 to #60) as of December, 2000 Adjusted R-square ANCOVA: Analysis of Covariance 13: ANCOVA: Analysis of Covariance ANOVA: Analysis of Variance
More informationClassification Methods II: Linear and Quadratic Discrimminant Analysis
Classification Methods II: Linear and Quadratic Discrimminant Analysis Rebecca C. Steorts, Duke University STA 325, Chapter 4 ISL Agenda Linear Discrimminant Analysis (LDA) Classification Recall that linear
More informationComparison of Poisson Mixture Models for Count Data Clusterization
INFORMATICA, 2002, Vol. 13, No. 2, 209 226 209 2002 Institute of Mathematics and Informatics, Vilnius Comparison of Poisson Mixture Models for Count Data Clusterization Jurgis SUŠINSKAS, Marijus RADAVIČIUS
More informationŠIAULIŲ UNIVERSITETAS MATEMATIKOS IR INFORMATIKOS FAKULTETAS INFORMATIKOS KATEDRA. Remigijus Valčiukas
ŠIAULIŲ UNIVERSITETAS MATEMATIKOS IR INFORMATIKOS FAKULTETAS INFORMATIKOS KATEDRA Remigijus Valčiukas Informatikos specialybės magistrantūros II kurso dieninio skyriaus studentas Internetinė matematinio
More informationEkonometrinių modelių pritaikymas OMXV indekso pokyčių prognozavimui
ISSN 1822-7996 (PRINT), ISSN 2335-8742 (ONLINE) TAIKOMOJI EKONOMIKA: SISTEMINIAI TYRIMAI: 2016.10 / 1 http://dx.doi.org/10.7220/aesr.2335.8742.2016.10.1.10 Inga MAKSVYTIENĖ Giedrius SAFONOVAS Ekonometrinių
More informationGEN 3.5 METEOROLOGICAL SERVICES
17 OCT 2013 GEN-3.5-1 17 OCT 2013 GEN 3.5 EOROLOGICAL SERVICES 3.5.1 RESPONSIBLE SERVICE The authority entrusted with the provision of aeronautical meteorological service is the Lithuanian Hydrometeorological
More informationPRINCIPAL COMPONENTS ANALYSIS
PRINCIPAL COMPONENTS ANALYSIS Iris Data Let s find Principal Components using the iris dataset. This is a well known dataset, often used to demonstrate the effect of clustering algorithms. It contains
More informationNijolė Cibulskaitė, Kristina Baranovska
MATEMATIKOS VADOVĖLIŲ V KLASEI VERTINIMAS DALYKINIU, PEDAGOGINIU IR PSICHOLOGINIU POŽIŪRIAIS Anotacija. Beveik du Nepriklausomybės dešimtmečius pertvarkant Lietuvos švietimą ypač daug dėmesio buvo skiriama
More informationV. Palenskis, J. Matukas, and B. Šaulys
Lithuanian Journal of Physics, Vol. 49, No. 4, pp. 453 460 (2009) doi:10.3952/lithjphys.49408 ANALYSIS OF ELECTRICAL AND OPTICAL FLUCTUATIONS OF LIGHT-EMITTING DIODES BY CORRELATION METHOD V. Palenskis,
More informationDiscriminant Analysis
Discriminant Analysis V.Čekanavičius, G.Murauskas 1 Discriminant analysis one categorical variable depends on one or more normaly distributed variables. Can be used for forecasting. V.Čekanavičius, G.Murauskas
More informationGARSĄ SUGERIANČIŲ MEDŽIAGŲ IŠDĖSTYMO VIETŲ ĮTAKA SKAIČIUOJANT SALĖS AIDĖJIMO TRUKMĘ SKIRTINGOMIS FORMULĖMIS
GARSĄ SUGERIANČIŲ MEDŽIAGŲ IŠDĖSTYMO VIETŲ ĮTAKA SKAIČIUOJANT SALĖS AIDĖJIMO TRUKMĘ SKIRTINGOMIS FORMULĖMIS Vytautas J. Stauskis Vilniaus Gedimino technikos universitetas. Įvadas Projektuojant įvairaus
More informationSkaičiavimai matematiniu paketu Mathcad
Skaičiavimai matematiniu paketu Mathcad 1. Mathcad aplinka. Paprasti skaičiavimai Mathcad yra unikali priemonė, leidžianti dirbti su skaičiais, lygtimis, tekstais ir diagramomis. Mathcad viskas pateikiama
More informationSAS/STAT 15.1 User s Guide The ACECLUS Procedure
SAS/STAT 15.1 User s Guide The ACECLUS Procedure This document is an individual chapter from SAS/STAT 15.1 User s Guide. The correct bibliographic citation for this manual is as follows: SAS Institute
More informationShort Term Wind Speed Forecasting with ANN in Batman, Turkey
ELECTRONICS AND ELECTRICAL ENGINEERING ISSN 139 115 11. No. 1(7) ELEKTRONIKA IR ELEKTROTECHNIKA T 17 ELECTRONICS ELEKTRONIKA Short Term Wind Speed Forecasting with ANN in Batman, Turkey T. Ç. Akinci Department
More informationKAUNO TECHNOLOGIJOS UNIVERSITETAS MATLAB/SIMULINK PROGRAMŲ TIPINIŲ OPTIMIZAVIMO METODŲ TYRIMUI SUKŪRIMAS
KAUNO TECHNOLOGIJOS UNIVERSITETAS ELEKTROS IR ELEKTRONIKOS FAKULTETAS Aurimas Gajauskas MATLAB/SIMULINK PROGRAMŲ TIPINIŲ OPTIMIZAVIMO METODŲ TYRIMUI SUKŪRIMAS Baigiamasis magistro projektas Vadovas Doc.
More informationST3241 Categorical Data Analysis I Two-way Contingency Tables. 2 2 Tables, Relative Risks and Odds Ratios
ST3241 Categorical Data Analysis I Two-way Contingency Tables 2 2 Tables, Relative Risks and Odds Ratios 1 What Is A Contingency Table (p.16) Suppose X and Y are two categorical variables X has I categories
More informationEVALUATION OF THE EUROPEAN GRAVIMETRIC GEOID/QUASIGEOID EGG97 OVER THE LITHUANIAN TERRITORY
Geodezija ir Kartografija ISSN: 1392-1541 (Print) (Online) Journal homepage: https://www.tandfonline.com/loi/tgac19 EVALUATION OF THE EUROPEAN GRAVIMETRIC GEOID/QUASIGEOID EGG97 OVER THE LITHUANIAN TERRITORY
More informationmodelling of electron transfer in dmabi dimer by quantum chemistry approach
chemija. 2011. vol. 22. No. 2. P. 73 79 lietuvos mokslų akademija, 2011 modelling of electron transfer in dmabi dimer by quantum chemistry approach Nurija Galikova, Mantas Kelminskas, Alytis Gruodis*,
More informationPrognosis of radionuclides dispersion and radiological measurements in Lithuania after the accident at Fukushima Daiichi nuclear
Prognosis of radionuclides dispersion and radiological measurements in Lithuania after the accident at Fukushima Daiichi nuclear power plant Rima Ladygienė, Aušra Urbonienė, Auksė Skripkienė, Laima Pilkytė,
More informationVango algoritmo analizė
VILNIAUS GEDIMINO TECHNIKOS UNIVERSITETAS 2017 m. balandžio 18 d. Problemos formulavimas Nagrinėkime lygtį u t = i 2 u, t [0, T ], x Ω x 2 u t=0 = u 0 (x). (1) Problema Realybėje Ω (, ), kas verčia įvesti
More informationDAUGIAMAČIŲ DUOMENŲ VIZUALIZAVIMO METODAI
MATEMATIKOS IR INFORMATIKOS INSTITUTAS Gintautas DZEMYDA Olga KURASOVA Julius ŽILINSKAS DAUGIAMAČIŲ DUOMENŲ VIZUALIZAVIMO METODAI Vadovėlis informatikos krypties doktorantams ir magistrantams MOKSLO AIDAI
More informationRepeated Measures Part 2: Cartoon data
Repeated Measures Part 2: Cartoon data /*********************** cartoonglm.sas ******************/ options linesize=79 noovp formdlim='_'; title 'Cartoon Data: STA442/1008 F 2005'; proc format; /* value
More informationAnalysis of Classification in Interval-Valued Information Systems
Analysis of Classification in Interval-Valued Information Systems AMAURY CABALLERO, KANG YEN, EDUARDO CABALLERO Department of Electrical & Computer Engineering Florida International University 10555 W.
More informationSkaitinis tekėjimo greičio ir sienelės temperatūros kitimo modeliavimas horizontaliame plokščiame kanale esant termogravitacijos jėgų poveikiui
energetika. 2013. T. 59. Nr. 2. P. 69 76 lietuvos mokslų akademija, 2013 Skaitinis tekėjimo greičio ir sienelės temperatūros kitimo modeliavimas horizontaliame plokščiame kanale esant termogravitacijos
More informationESTIMATION OF THE GENERALIZED STOCHASTIC CLAIMS RESERVING MODEL AND THE CHAIN-LADDER METHOD
ESTIMATIO OF THE GEERALIZED STOHASTI LAIMS RESERVIG MODEL AD THE HAI-LADDER METHOD Virmantas Kvedaras Vilnius University, Faculty of Mathematics and Informatics augarduko g. 4 035 Vilnius E-mail: virmantas.kvedaras@mif.vu.lt
More informationMinimum Mean Square Error Estimators for the Exponential SSALT Model
INFORMATICA, 2016, Vol. 27, No. 4, 755 765 755 2016 Vilnius University DOI: http://dx.doi.org/10.15388/informatica.2016.110 Minimum Mean Square Error Estimators for the Exponential SSALT Model Gang KOU
More informationAtul Pandey a and K.S. Upadhyaya b
Lithuanian Journal of Physics, Vol. 46, No. 3, pp. 355 359 (2006) EFFECT OF VAN DER WAALS INTERACTIONS ON THE PHONON DYNAMICS IN USe Atul Pandey a and K.S. Upadhyaya b a Department of Physics, K. N. Govt.
More informationIn most cases, a plot of d (j) = {d (j) 2 } against {χ p 2 (1-q j )} is preferable since there is less piling up
THE UNIVERSITY OF MINNESOTA Statistics 5401 September 17, 2005 Chi-Squared Q-Q plots to Assess Multivariate Normality Suppose x 1, x 2,..., x n is a random sample from a p-dimensional multivariate distribution
More informationSemiparametric Discriminant Analysis of Mixture Populations Using Mahalanobis Distance. Probal Chaudhuri and Subhajit Dutta
Semiparametric Discriminant Analysis of Mixture Populations Using Mahalanobis Distance Probal Chaudhuri and Subhajit Dutta Indian Statistical Institute, Kolkata. Workshop on Classification and Regression
More information4.1 Computing section Example: Bivariate measurements on plants Post hoc analysis... 7
Master of Applied Statistics ST116: Chemometrics and Multivariate Statistical data Analysis Per Bruun Brockhoff Module 4: Computing 4.1 Computing section.................................. 1 4.1.1 Example:
More information1) Answer the following questions with one or two short sentences.
1) Answer the following questions with one or two short sentences. a) What is power and how can you increase it? (2 marks) Power is the probability of rejecting a false null hypothesis. It may be increased
More informationA DNA Coarse-Grain Rigid Base Model and Parameter Estimation from Molecular Dynamics Simulations
A DNA Coarse-Grain Rigid Base Model and Parameter Estimation from Molecular Dynamics Simulations THÈSE N O () PRÉSENTÉE le 9 octobre À LA FACULTÉ DES SCIENCES DE BASE CHAIRE D'ANALYSE APPLIQUÉE PROGRAMME
More informationSandra Mekšriūnaitė, Romualdas Gurevičius
ŠEIMOS MEDICINOS IR PIRMINĖS PSICHIKOS SVEIKATOS PRIEŽIŪROS PASLAUGAS TEIKIANČIŲ ASMENS SVEIKATOS PRIEŽIŪROS ĮSTAIGŲ GEOGRAFINIS PRIEINAMUMAS LIETUVOJE Sandra Mekšriūnaitė, Romualdas Gurevičius Higienos
More informationCHAPTER 11 ASDA ANALYSIS EXAMPLES REPLICATION
CHAPTER 11 ASDA ANALYSIS EXAMPLES REPLICATION GENERAL NOTES ABOUT ANALYSIS EXAMPLES REPLICATION These examples are intended to provide guidance on how to use the commands/procedures for analysis of complex
More informationMATEMATINöS PROGRAMINöS ĮRANGOS MATHCAD TAIKYMAS DöSTANT APRAŠOMĄJĄ STATISTIKĄ Audrius Kabašinskas Kauno kolegija
MATEMATINöS PROGRAMINöS ĮRANGOS MATHCAD TAIKYMAS DöSTANT APRAŠOMĄJĄ STATISTIKĄ Audrius Kabašinskas Kauno kolegija Anotacija Straipsnyje pateikiami matematin s programin s įrangos MathCad taikymo statistikos
More information