BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Dudek Andrzej (Uniwersytet Ekonomiczny we Wrocławiu)
Title
Analiza danych symbolicznych w środowisku R. Podstawy metodologiczne i przykłady zastosowań
Analysis of Symbolic Data in R Environment. Methodological Background and Examples of Usage
Source
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (18), 2011, nr 176, s. 129-138, bibliogr. 25 poz.
Research of Wrocław University of Economics
Issue title
Klasyfikacja i analiza danych - teoria i zastosowania
Keyword
Analiza danych, Wielowymiarowa analiza statystyczna
Data analysis, Multi-dimensional statistical analysis
Note
streszcz., sum.
Abstract
Analiza danych symbolicznych to gałąź wielowymiarowej analizy statystycznej, zajmująca się dużymi zbiorami danych (głównie pochodzącymi z komputerowych baz danych) zagregowanych w obiekty symboliczne, mogące zawierać dane w postaci liczb, tekstu, przedziałów liczbowych, zbiorów kategorii, zbiorów kategorii z wagami. Artykuł zawiera opis autorskiego pakietu symbolicDA, służącego do analizy danych symbolicznych w popularnym środowisku R i składa się z dwóch części. Pierwsza jest próbą umiejscowienia podejścia symbolicznego w badaniach statystycznych ze szczególnym uwzględnieniem zastosowań ekonomicznych, druga zaś prezentuje funkcje pakietu wraz z przykładami ich zastosowań.(abstrakt oryginalny)

Symbolic data analysis is a branch of a multivariate statistical analysis dealing with large data sets (mainly gained from computer data bases) aggregated into symbolic objects which may include the data in the form of numbers, text strings, intervals, sets of categories and weighted sets of categories. The paper describes symbolicDA software package developed by the author, dedicated to the analysis of symbolic data in popular statistical R environment (http://www.r-project.org/). It is divided in two main parts. The first part is a trial defining and placing a symbolic approach in statistical research with special concern on economic applications. The second part presents procedures and functions of package along with some empirical usage examples.(original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. Berry M.J.A, Linoff G.S., Data Mining Techniques: For Marketing, Sales, and Customer Support, John Willey & Sons, New York 1997.
  2. Billard L., Diday E. (red.), Symbolic Data Analysis, Conceptual Statistics and Data Mining, John Wiley & Sons, Chichester 2006.
  3. Bock H.H., Diday E. (red.), Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin 2000.
  4. Carmone F.J., Kara A., Maxwell S., HINoV: A new method to improve market segment definition by identifying noisy variables, "Journal of Marketing Research" 1999, 36, s. 501-509.
  5. de Carvalho F.A.T., Souza R., Statistical Proximity Functions of Boolean Symbolic Objects Based on Histograms, [w:] Advances in Data Science and Classification, Springer-Verlag, Heidelberg 1998, s. 391-396.
  6. Diday E., An introduction to symbolic data analysis and the SODAS software, J.S.D.A., International e-Journal, 2002.
  7. Diday E., Noirhomme-Fraiture M. (red.), Symbolic Data Analysis with SODAS Software, John Wiley & Sons, Chichester 2008.
  8. El Golli A., Conan-Guez B., Rossi F., Self organizing map and symbolic data, "Journal of Symbolic Data Analysis" 2004, vol. 2.
  9. Gatnar E., Modelowanie jakościowe zjawisk ekonomicznych, praca doktorska (rękopis) [1993].
  10. Ichino M., Feature Selection for Symbolic Data Cassification, [w:] E. Diday (red.), New Approaches in Classification and Data Analysis, Springer-Verlag, Berlin - Heidelberg, 1994, s. 387-394.
  11. Ichino, M., Yaguchi H., Generalized Minkowski metrics for mixed feature-type data analysis, "IEEE Transactions on Systems, Man, and Cybernetics" 1994, vol. 24, no. 4, s. 698-707.
  12. Jajuga K., Statystyczna analiza wielowymiarowa, PWN, Warszawa 1993.
  13. Maddala G.S., Limited-Dependent and Qualitative Variables in Econometrics, Cambridge University Press, 1986.
  14. Manski C., McFadden D., (red.), Structural Analysis of Discrete Data with Econometric Applications, MIT Press, Cambridge 1981.
  15. Mardia K.V., Kent J.T., Bibby J.M., Multivariate Analysis, Academic Press, London 1979.
  16. Marshall C., Rossman G.B., Designing Qualitative Research, SAGE Publicatons, Thousand Oks - London - New Delhi 2009.
  17. Neil J., Qualitative versus Quantitative Research: URL: http://wilderdom.com/research/ualitativeer susQuantitativeResearch.html (4.10.2010).
  18. Nikodemska-Wołowik A.M., Jakościowe badania marketingowe, PWE, Warszawa 1999.
  19. Olson D.L., Delen D., Advanced Data Mining Techniques, Springer-Verlag, Berlin - Heidelberg 2008.
  20. Silverman D., Prowadzenie badań jakościowych, Wyd. Naukowe PWN, Warszawa 2007.
  21. Silverman D., Interpretacja badań jakościowych, Wyd. Naukowe PWN, Warszawa 2008
  22. Smith W.E., Su A.G. (2008), Translations from Organon of Aristotle, Google Books (http://books. ooglecom/books?id=MEpl lLqYC&printsec=frontcover&dq=aristotle+organon&hl=pl).
  23. Verde R., Clustering Methods in Symbolic Data Analysis, Classification, [w:] D. Banks, L. House, P. Arabie, W. Gaul (red.), Clustering and Data Mining, Springer-Verlag, Berlin 2004, s. 299-318.
  24. Verde R., Lechevalier Y., Chavent M, Symbolic clustering interpretation and visualization, "The Electronic Journal of Symbolic Data Analysis" 2003, vol. 1, no. 1.
  25. Wolcott H.F., Writing up qualitative research, Sage Publications, Thousand Oaks - London - New Delhi 2010
Cited by
Show
ISSN
1899-3192
1505-9332
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu