BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Borkowski Bolesław (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie), Szczesny Wiesław (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie)
Tytuł
Metody wizualizacji danych wielowymiarowych jako narzędzie syntezy informacji
Visualization Methods of Multivariate Data Analysis for Grouped Information
Źródło
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 2005, T. 7, z. 5, s. 11-18, rys., tab., bibliogr. 11 poz.
Słowa kluczowe
Wizualizacja danych, Analiza danych, Mleko, Konsumpcja
Data visualisation, Data analysis, Milk, Consumption
Uwagi
streszcz., summ.
Abstrakt
Omówiono wykorzystanie dwóch metod do wielowymiarowej analizy danych. Rozpatrywano dwie metody, tj gradacyjną analizę danych (GCA) i metodę GAR Materiałem empirycznym były dane dotyczące wielkości produkcji mleka i sposobu jej rozdysponowania w Polsce i w krajach UE w latach 1971-2002. Przeprowadzona analiza wykazała dużą przydatność tych metod. (abstrakt oryginalny)

In this study we presented two newest multivariate methods of information analysis. These are grade correspondence analysis (GCA) and generalized association plots (GAP) methods. Analysis have concerned a big data set involving quantity of milk production, consumption, feeds, import and export in the UE countries and Poland between 1971 and 2002. We have proved that these methods are reliable and efficient tools of quick analysis multivariate data. Tendencies of milk production and consumption were different from those in the UE countries in the given period. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Borkowski B. 2003: Systemy informacyjne w rolnictwie na potrzeby Wspólnej Polityki Rolnej. Wydawnictwo SGGW, Warszawa.
  2. Ciok A., Kowalczyk T., Pleszczyńska E., Szczęsny W. 1995: Algorithms of grade correspondence- cluster analysis. The Collected Papers on Theoretical and Aplied Computer Science, 7, 5-22.
  3. Dagum C., Ferrari G. 2004: Household behaviour, equivalence scales, welfare and poverty. A springer - Verlag Company.
  4. Davies B. P. 1999: Inżynieria systemów informatycznych. WNT, Warszawa.
  5. Chun Houh Chen. Generalized Assoctiation Plots 2002: Information Visualization Via Iteratively Gene- _ rated Correlation Matrices, Statistica Sinica 12 7-29 (http://gap.stat.sinica.edu.tw/Papers/GAP_2002.pdf).
  6. Kisielnicki J. 1994: Współczesne tendencje rozwoju systemów informatycznych w zarządzaniu. PWN, Warszawa.
  7. Kowalczyk T., Pleszczyńska E., Ruland F. (Eds). 2004: Grade Models and Methods for Data Analysis Springer-Verlag. Berlin-Heidelberg-New York.
  8. Morrison D. F. 1999: Wielowymiarowa analiza statystyczna. PWN, Warszawa.
  9. Oleński J. 2001: Ekonomika informacji. Metody. PWE, Warszawa.
  10. Ostasiewicz W. (red). 1999: Statystyczne metody analizy danych. Wydawnictwo Akademii Ekonomicznej im. Oskara Lanego we Wrocławiu, Wrocław.
  11. Szczęsny W. 2002: Grade correspondence analysis applied to contingency tables and questionnaire data. Intelligent Data Analysis, vol. 6 17-51.
Cytowane przez
Pokaż
ISSN
1508-3535
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu