Multivariate Analysemethoden. Anwendung am Beispiel von Clusteranalysen
Stefanie Hanschkatz
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Naturwissenschaften, Medizin, Informatik, Technik / Wahrscheinlichkeitstheorie, Stochastik, Mathematische Statistik
Beschreibung
Studienarbeit aus dem Jahr 2020 im Fachbereich Mathematik - Statistik, Note: 1,8, Steinbeis-Hochschule Berlin (CRES), Veranstaltung: Multivariate Analysemethoden, Sprache: Deutsch, Abstract: Die vorliegende Projektstudienarbeit soll multivariate Analysemethoden aufzeigen und erklären, welche sich mit der Auswertung mehrerer Merkmale auseinandersetzen. In Kapitel 2 werden hierzu die grundlegenden Verfahren gezeigt. Im anschließenden Kapitel 3 wird die Clusteranalyse eingehend betrachtet. Hier sollen verschiedene praxisrelevante Verfahren aufgezeigt und eine Vorgehensweise bei Analysen skizziert werden. In einem Fallbeispiel wir die Anwendung der Clusteranalyse vorgeführt, dabei werden die Hürden des Analyseverfahren dargestellt und erläutert. Die Verbreitung von leistungsstarken Rechnern führte in den vergangen Jahrzehnten dazu, dass große Mengen an Daten gespeichert werden können. Diese stellen mittlerweile ein Kapitalgut dar, auf dessen sich gesamte Firmenkonzepte beziehen. Beispielsweise gründet sich das Konzept der der Firma Payback auf die Kundendatenauswertung für ihre Partner. Diese Menge an Daten kann nicht ohne geeignete Werkzeuge überschaubar gemacht werden. Die Statistik hat dabei die Aufgabe Daten zu erfassen, zusammenzufassen, zu analysieren und darzustellen und bietet eine Methode zur Entscheidungsfindung. Abhängig von der Anzahl der zu untersuchenden Merkmale unterscheidet man zwischen uni- und multivariater Analyse. Univariat sind dabei Analysen, für die nur ein Objekt untersucht wird. Diese dienen auch später als Grundlage zur multivariaten Analyse.
Kundenbewertungen
statistik, irisblütendatensatz, clusteranalyse, multivariate analysemethoden