बहुभिन्नरूपी आँकड़े: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
Line 1: Line 1:
{{Short description|Simultaneous observation and analysis of more than one outcome variable}}
{{Short description|Simultaneous observation and analysis of more than one outcome variable}}
{{redirect|बहुभिन्नरूपी कलन|गणित में उपयोग|बहुभिन्नरूपी गणना }}
{{redirect|बहुभिन्नरूपी कलन|गणित में उपयोग|बहुभिन्नरूपी गणना }}
बहुभिन्नरूपी आँकड़े आँकड़ों का एक उपखंड है जिसमें एक से अधिक परिणाम चर के एक साथ अवलोकन और विश्लेषण शामिल हैं।
बहुभिन्नरूपी आँकड़े आँकड़ों का एक उपखंड है जिसमें एक से अधिक परिणाम चर के एक साथ अवलोकन और विश्लेषण सम्मिलितहैं।
बहुभिन्नरूपी आँकड़े बहुभिन्नरूपी विश्लेषण के विभिन्न रूपों में से प्रत्येक के विभिन्न उद्देश्यों और पृष्ठभूमि को समझने से संबंधित हैं, और वे एक दूसरे से कैसे संबंधित हैं। किसी विशेष समस्या के लिए बहुभिन्नरूपी आँकड़ों के व्यावहारिक अनुप्रयोग में चर के बीच संबंधों और अध्ययन की जा रही समस्या के लिए उनकी प्रासंगिकता को समझने के लिए कई प्रकार के अविभाज्य और बहुभिन्नरूपी विश्लेषण शामिल हो सकते हैं।


इसके अलावा, बहुभिन्नरूपी आँकड़े दोनों के संदर्भ में बहुभिन्नरूपी संभाव्यता वितरण से संबंधित हैं
बहुभिन्नरूपी आँकड़े बहुभिन्नरूपी विश्लेषण के विभिन्न रूपों में से प्रत्येक के विभिन्न उद्देश्यों और पृष्ठभूमि को समझने से संबंधित हैं, और वे एक दूसरे से कैसे संबंधित हैं। किसी विशेष समस्या के लिए बहुभिन्नरूपी आँकड़ों के व्यावहारिक अनुप्रयोग में चर के बीच संबंधों और अध्ययन की जा रही समस्या के लिए उनकी संबद्ध को समझने के लिए कई प्रकार के अविभाज्य और बहुभिन्नरूपी विश्लेषण सम्मिलितहो सकते हैं।
 
इसके अलावा, बहुभिन्नरूपी आँकड़े दोनों के संदर्भ में बहुभिन्नरूपी प्रायिकता वितरण से संबंधित हैं
:*देखे गए डेटा के वितरण का प्रतिनिधित्व करने के लिए इनका उपयोग कैसे किया जा सकता है;
:*देखे गए डेटा के वितरण का प्रतिनिधित्व करने के लिए इनका उपयोग कैसे किया जा सकता है;
: * उन्हें सांख्यिकीय अनुमान के हिस्से के रूप में कैसे उपयोग किया जा सकता है, विशेष रूप से जहां एक ही विश्लेषण के लिए कई अलग-अलग मात्राएं रुचि रखती हैं।
:*सांख्यिकीय अनुमान के हिस्से के रूप में उनका उपयोग कैसे किया जा सकता है, विशेष रूप से जहां एक ही विश्लेषण के लिए कई अलग-अलग मात्राएं रुचिकर हों।।


बहुभिन्नरूपी डेटा से जुड़ी कुछ प्रकार की समस्याएं, उदाहरण के लिए [[सरल रेखीय प्रतिगमन]] और [[एकाधिक प्रतिगमन]], '' नहीं '' को आमतौर पर बहुभिन्नरूपी आँकड़ों के विशेष मामलों के रूप में माना जाता है क्योंकि विश्लेषण को एकल परिणाम के (अविभाजित) सशर्त वितरण पर विचार करके निपटाया जाता है। चर अन्य चर दिए गए हैं।
बहुभिन्नरूपी डेटा से जुड़ी कुछ प्रकार की समस्याएं, उदाहरण के लिए [[सरल रेखीय प्रतिगमन]] और [[एकाधिक प्रतिगमन]], सामान्यतः बहुभिन्नरूपी आँकड़ों के विशेष मामले नहीं माने जाते हैंक्योंकि विश्लेषण अन्य चरों को दिए गए एकल परिणाम चर के (अविभाजित) सशर्त वितरण पर विचार करके किया जाता है।


== बहुभिन्नरूपी विश्लेषण ==
== बहुभिन्नरूपी विश्लेषण ==
बहुभिन्नरूपी विश्लेषण (एमवीए) बहुभिन्नरूपी सांख्यिकी के सिद्धांतों पर आधारित है। आमतौर पर, एमवीए का उपयोग उन स्थितियों को संबोधित करने के लिए किया जाता है जहां प्रत्येक प्रायोगिक इकाई पर कई माप किए जाते हैं और इन मापों और उनकी संरचनाओं के बीच संबंध महत्वपूर्ण होते हैं।<ref name=":0">{{Citation|last1=Olkin|first1=I.|title=Multivariate Analysis: Overview|date=2001-01-01|url=http://www.sciencedirect.com/science/article/pii/B0080430767004721|encyclopedia=International Encyclopedia of the Social & Behavioral Sciences|pages=10240–10247|editor-last=Smelser|editor-first=Neil J.|publisher=Pergamon|isbn=9780080430768|access-date=2019-09-02|last2=Sampson|first2=A. R.|editor2-last=Baltes|editor2-first=Paul B.}}</ref> एमवीए के एक आधुनिक, अतिव्यापी वर्गीकरण में शामिल हैं:<ref name=":0" />  
बहुभिन्नरूपी विश्लेषण (एमवीए) बहुभिन्नरूपी सांख्यिकी के सिद्धांतों पर आधारित है। सामान्यतः, एमवीए का उपयोग उन स्थितियों को संबोधित करने के लिए किया जाता है जहां प्रत्येक प्रायोगिक इकाई पर कई माप किए जाते हैं और इन मापों और उनकी संरचनाओं के बीच महत्वपूर्ण संबंध होते हैं।<ref name=":0">{{Citation|last1=Olkin|first1=I.|title=Multivariate Analysis: Overview|date=2001-01-01|url=http://www.sciencedirect.com/science/article/pii/B0080430767004721|encyclopedia=International Encyclopedia of the Social & Behavioral Sciences|pages=10240–10247|editor-last=Smelser|editor-first=Neil J.|publisher=Pergamon|isbn=9780080430768|access-date=2019-09-02|last2=Sampson|first2=A. R.|editor2-last=Baltes|editor2-first=Paul B.}}</ref> एमवीए के एक आधुनिक, अतिव्यापी वर्गीकरण में सम्मिलित हैं:<ref name=":0" />  
* सामान्य और सामान्य बहुभिन्नरूपी मॉडल और वितरण सिद्धांत
* सामान्य और सामान्य बहुभिन्नरूपी मॉडल और वितरण सिद्धांत
* संबंधों का अध्ययन और माप
* संबंधों का अध्ययन और माप
Line 17: Line 18:
* डेटा संरचनाओं और पैटर्न की खोज
* डेटा संरचनाओं और पैटर्न की खोज


एक पदानुक्रमित सिस्टम-ऑफ-सिस्टम के लिए चर के प्रभावों की गणना करने के लिए भौतिकी-आधारित विश्लेषण को शामिल करने की इच्छा से बहुभिन्नरूपी विश्लेषण जटिल हो सकता है। बहुभिन्नरूपी विश्लेषण का उपयोग करने की इच्छा रखने वाले अध्ययन अक्सर समस्या की विमा के कारण रुक जाते हैं। [[सरोगेट मॉडल]], भौतिकी-आधारित कोड के अत्यधिक सटीक अनुमानों के उपयोग के माध्यम से इन चिंताओं को अक्सर कम किया जाता है। चूंकि सरोगेट मॉडल एक समीकरण का रूप लेते हैं, इसलिए उनका मूल्यांकन बहुत जल्दी किया जा सकता है। यह बड़े पैमाने पर एमवीए अध्ययनों के लिए एक संबल बन जाता है: जबकि डिज़ाइन स्पेस में एक [[मोंटे कार्लो सिमुलेशन]] भौतिकी-आधारित कोड के साथ कठिन है, सरोगेट मॉडल का मूल्यांकन करते समय यह तुच्छ हो जाता है, जो अक्सर प्रतिक्रिया सतह पद्धति का रूप ले लेता है। प्रतिक्रिया-सतह समीकरण .
एक पदानुक्रमित पद्धति-का-पद्धति के लिए चर के प्रभावों की गणना करने के लिए भौतिकी-आधारित विश्लेषण को सम्मिलित करने की इच्छा से बहुभिन्नरूपी विश्लेषण जटिल हो सकता है। बहुभिन्नरूपी विश्लेषण का उपयोग करने की इच्छा रखने वाले अध्ययन अधिकांश समस्या की विमा के कारण रुक जाते हैं। [[सरोगेट मॉडल]], भौतिकी-आधारित कोड के अत्यधिक यथार्थ अनुमानों के उपयोग के माध्यम से इन चिंताओं को अधिकांश कम किया जाता है। चूंकि सरोगेट मॉडल एक समीकरण का रूप लेते हैं, इसलिए उनका मूल्यांकन बहुत जल्दी किया जा सकता है। यह बड़े पैमाने पर एमवीए अध्ययनों के लिए एक संबल बन जाता है: जबकि डिज़ाइन स्पेस में एक [[मोंटे कार्लो सिमुलेशन]] भौतिकी-आधारित कोड के साथ कठिन है, सरोगेट मॉडल का मूल्यांकन करते समय यह तुच्छ हो जाता है, जो अधिकांश प्रतिक्रिया-सतह समीकरणों का रूप ले लेता है।


=== विश्लेषण के प्रकार ===
=== विश्लेषण के प्रकार ===
Line 30: Line 31:
# [[पत्राचार विश्लेषण]] (सीए), या पारस्परिक औसत, मूल सेट को सारांशित करने वाले सिंथेटिक चर का एक सेट (पीसीए की तरह) पाता है। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
# [[पत्राचार विश्लेषण]] (सीए), या पारस्परिक औसत, मूल सेट को सारांशित करने वाले सिंथेटिक चर का एक सेट (पीसीए की तरह) पाता है। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
# विहित पत्राचार विश्लेषण | चर के दो सेटों (जैसे अतिरेक विश्लेषण) में संयुक्त भिन्नता को सारांशित करने के लिए विहित (या विवश) पत्राचार विश्लेषण (CCA); पत्राचार विश्लेषण और बहुभिन्नरूपी प्रतिगमन विश्लेषण का संयोजन। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
# विहित पत्राचार विश्लेषण | चर के दो सेटों (जैसे अतिरेक विश्लेषण) में संयुक्त भिन्नता को सारांशित करने के लिए विहित (या विवश) पत्राचार विश्लेषण (CCA); पत्राचार विश्लेषण और बहुभिन्नरूपी प्रतिगमन विश्लेषण का संयोजन। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
# [[बहुआयामी स्केलिंग]] में सिंथेटिक चर का एक सेट निर्धारित करने के लिए विभिन्न एल्गोरिदम शामिल हैं जो रिकॉर्ड के बीच जोड़ीदार दूरी का सबसे अच्छा प्रतिनिधित्व करते हैं। मूल विधि प्रधान निर्देशांक विश्लेषण (PCoA; PCA पर आधारित) है।
# [[बहुआयामी स्केलिंग]] में सिंथेटिक चर का एक सेट निर्धारित करने के लिए विभिन्न एल्गोरिदम सम्मिलितहैं जो रिकॉर्ड के बीच जोड़ीदार दूरी का सबसे अच्छा प्रतिनिधित्व करते हैं। मूल विधि प्रधान निर्देशांक विश्लेषण (PCoA; PCA पर आधारित) है।
# [[विभेदक कार्य]], या कैनोनिकल वेरिएट एनालिसिस, यह स्थापित करने का प्रयास करता है कि क्या चर के एक सेट का उपयोग मामलों के दो या अधिक समूहों के बीच अंतर करने के लिए किया जा सकता है।
# [[विभेदक कार्य]], या कैनोनिकल वेरिएट एनालिसिस, यह स्थापित करने का प्रयास करता है कि क्या चर के एक सेट का उपयोग मामलों के दो या अधिक समूहों के बीच अंतर करने के लिए किया जा सकता है।
# रेखीय विभेदक विश्लेषण (LDA) नई टिप्पणियों के वर्गीकरण की अनुमति देने के लिए सामान्य रूप से वितरित डेटा के दो सेटों से एक रेखीय भविष्यवक्ता की गणना करता है।
# रेखीय विभेदक विश्लेषण (LDA) नई टिप्पणियों के वर्गीकरण की अनुमति देने के लिए सामान्य रूप से वितरित डेटा के दो सेटों से एक रेखीय भविष्यवक्ता की गणना करता है।
Line 37: Line 38:
# कृत्रिम तंत्रिका नेटवर्क गैर-रैखिक बहुभिन्नरूपी मॉडल के प्रतिगमन और क्लस्टरिंग विधियों का विस्तार करते हैं।
# कृत्रिम तंत्रिका नेटवर्क गैर-रैखिक बहुभिन्नरूपी मॉडल के प्रतिगमन और क्लस्टरिंग विधियों का विस्तार करते हैं।
# बहुभिन्नरूपी डेटा का पता लगाने के लिए पर्यटन, [[समानांतर निर्देशांक]], स्कैटरप्लॉट मैट्रिसेस जैसे [[सांख्यिकीय ग्राफिक्स]] का उपयोग किया जा सकता है।
# बहुभिन्नरूपी डेटा का पता लगाने के लिए पर्यटन, [[समानांतर निर्देशांक]], स्कैटरप्लॉट मैट्रिसेस जैसे [[सांख्यिकीय ग्राफिक्स]] का उपयोग किया जा सकता है।
# एक साथ समीकरण मॉडल में एक से अधिक प्रतिगमन समीकरण शामिल होते हैं, विभिन्न आश्रित चर के साथ, एक साथ अनुमानित।
# एक साथ समीकरण मॉडल में एक से अधिक प्रतिगमन समीकरण सम्मिलितहोते हैं, विभिन्न आश्रित चर के साथ, एक साथ अनुमानित।
# [[वेक्टर ऑटोरिग्रेशन]] में विभिन्न [[समय श्रृंखला]] चर के एक साथ प्रतिगमन और एक दूसरे के पिछड़े मूल्यों पर एक साथ प्रतिगमन शामिल है।
# [[वेक्टर ऑटोरिग्रेशन]] में विभिन्न [[समय श्रृंखला]] चर के एक साथ प्रतिगमन और एक दूसरे के पिछड़े मूल्यों पर एक साथ प्रतिगमन सम्मिलितहै।
# [[प्रधान प्रतिक्रिया वक्र]]्स एनालिसिस (पीआरसी) आरडीए पर आधारित एक तरीका है जो उपयोगकर्ता को समय के साथ नियंत्रण उपचार में बदलाव के लिए सुधार करके समय के साथ उपचार के प्रभावों पर ध्यान केंद्रित करने की अनुमति देता है।<ref>ter Braak, Cajo J.F. & Šmilauer, Petr (2012). ''Canoco reference manual and user's guide: software for ordination (version 5.0)'', p292. Microcomputer Power, Ithaca, NY.</ref>
# [[प्रधान प्रतिक्रिया वक्र]]्स एनालिसिस (पीआरसी) आरडीए पर आधारित एक तरीका है जो उपयोगकर्ता को समय के साथ नियंत्रण उपचार में बदलाव के लिए सुधार करके समय के साथ उपचार के प्रभावों पर ध्यान केंद्रित करने की अनुमति देता है।<ref>ter Braak, Cajo J.F. & Šmilauer, Petr (2012). ''Canoco reference manual and user's guide: software for ordination (version 5.0)'', p292. Microcomputer Power, Ithaca, NY.</ref>
# सहसंबंधों की प्रतीकात्मकता में सहसंबंध मैट्रिक्स को एक आरेख द्वारा प्रतिस्थापित करना शामिल है जहां "उल्लेखनीय" सहसंबंधों को एक ठोस रेखा (सकारात्मक सहसंबंध), या एक बिंदीदार रेखा (नकारात्मक सहसंबंध) द्वारा दर्शाया जाता है।
# सहसंबंधों की प्रतीकात्मकता में सहसंबंध मैट्रिक्स को एक आरेख द्वारा प्रतिस्थापित करना सम्मिलितहै जहां "उल्लेखनीय" सहसंबंधों को एक ठोस रेखा (सकारात्मक सहसंबंध), या एक बिंदीदार रेखा (नकारात्मक सहसंबंध) द्वारा दर्शाया जाता है।


== महत्वपूर्ण संभाव्यता वितरण ==
== महत्वपूर्ण संभाव्यता वितरण ==
Line 67: Line 68:


== सॉफ्टवेयर और उपकरण ==
== सॉफ्टवेयर और उपकरण ==
बहुभिन्नरूपी विश्लेषण के लिए बड़ी संख्या में सॉफ्टवेयर पैकेज और अन्य उपकरण हैं, जिनमें शामिल हैं:
बहुभिन्नरूपी विश्लेषण के लिए बड़ी संख्या में सॉफ्टवेयर पैकेज और अन्य उपकरण हैं, जिनमें सम्मिलितहैं:
* [[जेएमपी (सांख्यिकीय सॉफ्टवेयर)]]
* [[जेएमपी (सांख्यिकीय सॉफ्टवेयर)]]
* [[मिनीटैब]]
* [[मिनीटैब]]
Line 83: Line 84:
* [[मतलब]]
* [[मतलब]]
* [[समीक्षा]]
* [[समीक्षा]]
*[[एनसीएसएस (सांख्यिकीय सॉफ्टवेयर)]] में बहुभिन्नरूपी विश्लेषण शामिल है।
*[[एनसीएसएस (सांख्यिकीय सॉफ्टवेयर)]] में बहुभिन्नरूपी विश्लेषण सम्मिलितहै।
*[http://www.camo.com/rt/Products/Unscrambler/unscrambler.html Unscrambler® X] एक बहुभिन्नरूपी विश्लेषण उपकरण है।
*[http://www.camo.com/rt/Products/Unscrambler/unscrambler.html Unscrambler® X] एक बहुभिन्नरूपी विश्लेषण उपकरण है।
*[https://umetrics.com/products/simca SIMCA]
*[https://umetrics.com/products/simca SIMCA]

Revision as of 07:31, 18 December 2022

"बहुभिन्नरूपी कलन" redirects here. For गणित में उपयोग, see बहुभिन्नरूपी गणना.

बहुभिन्नरूपी आँकड़े आँकड़ों का एक उपखंड है जिसमें एक से अधिक परिणाम चर के एक साथ अवलोकन और विश्लेषण सम्मिलितहैं।

बहुभिन्नरूपी आँकड़े बहुभिन्नरूपी विश्लेषण के विभिन्न रूपों में से प्रत्येक के विभिन्न उद्देश्यों और पृष्ठभूमि को समझने से संबंधित हैं, और वे एक दूसरे से कैसे संबंधित हैं। किसी विशेष समस्या के लिए बहुभिन्नरूपी आँकड़ों के व्यावहारिक अनुप्रयोग में चर के बीच संबंधों और अध्ययन की जा रही समस्या के लिए उनकी संबद्ध को समझने के लिए कई प्रकार के अविभाज्य और बहुभिन्नरूपी विश्लेषण सम्मिलितहो सकते हैं।

इसके अलावा, बहुभिन्नरूपी आँकड़े दोनों के संदर्भ में बहुभिन्नरूपी प्रायिकता वितरण से संबंधित हैं

  • देखे गए डेटा के वितरण का प्रतिनिधित्व करने के लिए इनका उपयोग कैसे किया जा सकता है;
  • सांख्यिकीय अनुमान के हिस्से के रूप में उनका उपयोग कैसे किया जा सकता है, विशेष रूप से जहां एक ही विश्लेषण के लिए कई अलग-अलग मात्राएं रुचिकर हों।।

बहुभिन्नरूपी डेटा से जुड़ी कुछ प्रकार की समस्याएं, उदाहरण के लिए सरल रेखीय प्रतिगमन और एकाधिक प्रतिगमन, सामान्यतः बहुभिन्नरूपी आँकड़ों के विशेष मामले नहीं माने जाते हैंक्योंकि विश्लेषण अन्य चरों को दिए गए एकल परिणाम चर के (अविभाजित) सशर्त वितरण पर विचार करके किया जाता है।

बहुभिन्नरूपी विश्लेषण

बहुभिन्नरूपी विश्लेषण (एमवीए) बहुभिन्नरूपी सांख्यिकी के सिद्धांतों पर आधारित है। सामान्यतः, एमवीए का उपयोग उन स्थितियों को संबोधित करने के लिए किया जाता है जहां प्रत्येक प्रायोगिक इकाई पर कई माप किए जाते हैं और इन मापों और उनकी संरचनाओं के बीच महत्वपूर्ण संबंध होते हैं।[1] एमवीए के एक आधुनिक, अतिव्यापी वर्गीकरण में सम्मिलित हैं:[1]

  • सामान्य और सामान्य बहुभिन्नरूपी मॉडल और वितरण सिद्धांत
  • संबंधों का अध्ययन और माप
  • बहुआयामी क्षेत्रों की संभाव्यता संगणना
  • डेटा संरचनाओं और पैटर्न की खोज

एक पदानुक्रमित पद्धति-का-पद्धति के लिए चर के प्रभावों की गणना करने के लिए भौतिकी-आधारित विश्लेषण को सम्मिलित करने की इच्छा से बहुभिन्नरूपी विश्लेषण जटिल हो सकता है। बहुभिन्नरूपी विश्लेषण का उपयोग करने की इच्छा रखने वाले अध्ययन अधिकांश समस्या की विमा के कारण रुक जाते हैं। सरोगेट मॉडल, भौतिकी-आधारित कोड के अत्यधिक यथार्थ अनुमानों के उपयोग के माध्यम से इन चिंताओं को अधिकांश कम किया जाता है। चूंकि सरोगेट मॉडल एक समीकरण का रूप लेते हैं, इसलिए उनका मूल्यांकन बहुत जल्दी किया जा सकता है। यह बड़े पैमाने पर एमवीए अध्ययनों के लिए एक संबल बन जाता है: जबकि डिज़ाइन स्पेस में एक मोंटे कार्लो सिमुलेशन भौतिकी-आधारित कोड के साथ कठिन है, सरोगेट मॉडल का मूल्यांकन करते समय यह तुच्छ हो जाता है, जो अधिकांश प्रतिक्रिया-सतह समीकरणों का रूप ले लेता है।

विश्लेषण के प्रकार

कई अलग-अलग मॉडल हैं, जिनमें से प्रत्येक का अपना विश्लेषण प्रकार है:

  1. विचरण का बहुभिन्नरूपी विश्लेषण (MANOVA) उन मामलों को कवर करने के लिए विचरण के विश्लेषण का विस्तार करता है जहां एक से अधिक आश्रित चर एक साथ विश्लेषण किए जाते हैं; सहप्रसरण (मैनकोवा) का बहुभिन्नरूपी विश्लेषण भी देखें।
  2. Multivariate प्रतिगमन एक सूत्र को निर्धारित करने का प्रयास करता है जो वर्णन कर सकता है कि कैसे चर के वेक्टर में तत्व दूसरों में परिवर्तनों के साथ-साथ प्रतिक्रिया करते हैं। रैखिक संबंधों के लिए, यहाँ प्रतिगमन विश्लेषण सामान्य रैखिक मॉडल के रूपों पर आधारित हैं। कुछ सुझाव देते हैं कि बहुभिन्नरूपी प्रतिगमन बहुभिन्नरूपी प्रतिगमन से अलग है, हालांकि, यह बहस का विषय है और वैज्ञानिक क्षेत्रों में लगातार सही नहीं है।[2]
  3. प्रधान घटक विश्लेषण (पीसीए) ऑर्थोगोनल चर का एक नया सेट बनाता है जिसमें मूल सेट के समान जानकारी होती है। यह ऑर्थोगोनल अक्षों का एक नया सेट देने के लिए भिन्नता के अक्षों को घुमाता है, ताकि वे भिन्नता के घटते अनुपात को सारांशित कर सकें।
  4. कारक विश्लेषण पीसीए के समान है, लेकिन उपयोगकर्ता को मूल सेट से कम संख्या में सिंथेटिक चर निकालने की अनुमति देता है, शेष अस्पष्टीकृत भिन्नता को त्रुटि के रूप में छोड़ देता है। निकाले गए चर अव्यक्त चर या कारकों के रूप में जाने जाते हैं; देखे गए चरों के समूह में प्रत्येक को सहसंयोजन के लिए जिम्मेदार माना जा सकता है।
  5. कैनोनिकल सहसंबंध विश्लेषण चर के दो सेटों के बीच रैखिक संबंध पाता है; यह द्विभाजित का सामान्यीकृत (यानी विहित) संस्करण है[3] सह - संबंध।
  6. अतिरेक विश्लेषण (आरडीए) कैनोनिकल सहसंबंध विश्लेषण के समान है, लेकिन उपयोगकर्ता को (स्वतंत्र) चर के एक सेट से निर्दिष्ट संख्या में सिंथेटिक चर प्राप्त करने की अनुमति देता है जो दूसरे (स्वतंत्र) सेट में जितना संभव हो उतना विचरण की व्याख्या करता है। यह प्रतिगमन विश्लेषण का एक बहुभिन्नरूपी एनालॉग है।
  7. पत्राचार विश्लेषण (सीए), या पारस्परिक औसत, मूल सेट को सारांशित करने वाले सिंथेटिक चर का एक सेट (पीसीए की तरह) पाता है। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
  8. विहित पत्राचार विश्लेषण | चर के दो सेटों (जैसे अतिरेक विश्लेषण) में संयुक्त भिन्नता को सारांशित करने के लिए विहित (या विवश) पत्राचार विश्लेषण (CCA); पत्राचार विश्लेषण और बहुभिन्नरूपी प्रतिगमन विश्लेषण का संयोजन। अंतर्निहित मॉडल रिकॉर्ड (मामलों) के बीच ची-स्क्वायर असमानताओं को मानता है।
  9. बहुआयामी स्केलिंग में सिंथेटिक चर का एक सेट निर्धारित करने के लिए विभिन्न एल्गोरिदम सम्मिलितहैं जो रिकॉर्ड के बीच जोड़ीदार दूरी का सबसे अच्छा प्रतिनिधित्व करते हैं। मूल विधि प्रधान निर्देशांक विश्लेषण (PCoA; PCA पर आधारित) है।
  10. विभेदक कार्य, या कैनोनिकल वेरिएट एनालिसिस, यह स्थापित करने का प्रयास करता है कि क्या चर के एक सेट का उपयोग मामलों के दो या अधिक समूहों के बीच अंतर करने के लिए किया जा सकता है।
  11. रेखीय विभेदक विश्लेषण (LDA) नई टिप्पणियों के वर्गीकरण की अनुमति देने के लिए सामान्य रूप से वितरित डेटा के दो सेटों से एक रेखीय भविष्यवक्ता की गणना करता है।
  12. क्लस्टर विश्लेषण वस्तुओं को समूहों (क्लस्टर कहा जाता है) में असाइन करता है ताकि एक ही क्लस्टर से ऑब्जेक्ट (मामले) अलग-अलग क्लस्टर की वस्तुओं की तुलना में एक दूसरे के समान हों।
  13. पुनरावर्ती विभाजन एक निर्णय वृक्ष बनाता है जो एक द्विबीजपत्री आश्रित चर के आधार पर जनसंख्या के सदस्यों को सही ढंग से वर्गीकृत करने का प्रयास करता है।
  14. कृत्रिम तंत्रिका नेटवर्क गैर-रैखिक बहुभिन्नरूपी मॉडल के प्रतिगमन और क्लस्टरिंग विधियों का विस्तार करते हैं।
  15. बहुभिन्नरूपी डेटा का पता लगाने के लिए पर्यटन, समानांतर निर्देशांक, स्कैटरप्लॉट मैट्रिसेस जैसे सांख्यिकीय ग्राफिक्स का उपयोग किया जा सकता है।
  16. एक साथ समीकरण मॉडल में एक से अधिक प्रतिगमन समीकरण सम्मिलितहोते हैं, विभिन्न आश्रित चर के साथ, एक साथ अनुमानित।
  17. वेक्टर ऑटोरिग्रेशन में विभिन्न समय श्रृंखला चर के एक साथ प्रतिगमन और एक दूसरे के पिछड़े मूल्यों पर एक साथ प्रतिगमन सम्मिलितहै।
  18. प्रधान प्रतिक्रिया वक्र्स एनालिसिस (पीआरसी) आरडीए पर आधारित एक तरीका है जो उपयोगकर्ता को समय के साथ नियंत्रण उपचार में बदलाव के लिए सुधार करके समय के साथ उपचार के प्रभावों पर ध्यान केंद्रित करने की अनुमति देता है।[4]
  19. सहसंबंधों की प्रतीकात्मकता में सहसंबंध मैट्रिक्स को एक आरेख द्वारा प्रतिस्थापित करना सम्मिलितहै जहां "उल्लेखनीय" सहसंबंधों को एक ठोस रेखा (सकारात्मक सहसंबंध), या एक बिंदीदार रेखा (नकारात्मक सहसंबंध) द्वारा दर्शाया जाता है।

महत्वपूर्ण संभाव्यता वितरण

बहुभिन्नरूपी विश्लेषणों में उपयोग किए जाने वाले प्रायिकता वितरणों का एक सेट होता है जो वितरणों के संगत सेट के समान भूमिका निभाते हैं जो सामान्य वितरण डेटासेट के लिए उपयुक्त होने पर अविभाज्य विश्लेषण में उपयोग किए जाते हैं। ये बहुभिन्नरूपी वितरण हैं:

* बहुभिन्नरूपी सामान्य वितरण
* विशार्ट वितरण

बायेसियन अनुमान में व्युत्क्रम-विशार्ट वितरण महत्वपूर्ण है, उदाहरण के लिए बायेसियन बहुभिन्नरूपी रैखिक प्रतिगमन में। इसके अतिरिक्त, हॉटेलिंग का टी-स्क्वेर्ड वितरण एक बहुभिन्नरूपी वितरण है, जो छात्र के टी-वितरण का सामान्यीकरण करता है, जिसका उपयोग बहुभिन्नरूपी सांख्यिकीय परिकल्पना परीक्षण में किया जाता है।

इतिहास

एंडरसन की 1958 की पाठ्यपुस्तक, बहुभिन्नरूपी सांख्यिकीय विश्लेषण का एक परिचय,[5] सिद्धांतकारों और अनुप्रयुक्त सांख्यिकीविदों की एक पीढ़ी को शिक्षित किया; एंडरसन की पुस्तक संभावना अनुपात परीक्षण और सांख्यिकीय शक्तियों के गुणों के माध्यम से परिकल्पना परीक्षण पर जोर देती है: स्वीकार्य निर्णय नियम, एक अनुमानक और एकरसता का पूर्वाग्रह।[6][7] एमवीए एक बार केवल आकार, अंतर्निहित डेटा सेट की जटिलता और उच्च कम्प्यूटेशनल खपत के कारण सांख्यिकीय सिद्धांत क्षेत्र में खड़ा था। कम्प्यूटेशनल शक्ति के नाटकीय विकास के साथ, एमवीए अब डेटा विश्लेषण में तेजी से महत्वपूर्ण भूमिका निभाता है और ओमिक्स क्षेत्रों में इसका व्यापक अनुप्रयोग है।

अनुप्रयोग

सॉफ्टवेयर और उपकरण

बहुभिन्नरूपी विश्लेषण के लिए बड़ी संख्या में सॉफ्टवेयर पैकेज और अन्य उपकरण हैं, जिनमें सम्मिलितहैं:

द अनस्क्रैम्बलर

यह भी देखें

संदर्भ

  1. ↑ 1.0 1.1 Olkin, I.; Sampson, A. R. (2001-01-01), "Multivariate Analysis: Overview", in Smelser, Neil J.; Baltes, Paul B. (eds.), International Encyclopedia of the Social & Behavioral Sciences, Pergamon, pp. 10240–10247, ISBN 9780080430768, retrieved 2019-09-02
  2. ↑ Hidalgo, B; Goodman, M (2013). "बहुभिन्नरूपी या बहुभिन्नरूपी प्रतिगमन?". Am J Public Health. 103: 39–40. doi:10.2105/AJPH.2012.300897. PMC 3518362. PMID 23153131.
  3. ↑ Unsophisticated analysts of bivariate Gaussian problems may find useful a crude but accurate method of accurately gauging probability by simply taking the sum S of the N residuals' squares, subtracting the sum Sm at minimum, dividing this difference by Sm, multiplying the result by (N - 2) and taking the inverse anti-ln of half that product.
  4. ↑ ter Braak, Cajo J.F. & Šmilauer, Petr (2012). Canoco reference manual and user's guide: software for ordination (version 5.0), p292. Microcomputer Power, Ithaca, NY.
  5. ↑ T.W. Anderson (1958) An Introduction to Multivariate Analysis, New York: Wiley ISBN 0471026409; 2e (1984) ISBN 0471889873; 3e (2003) ISBN 0471360910
  6. ↑ Sen, Pranab Kumar; Anderson, T. W.; Arnold, S. F.; Eaton, M. L.; Giri, N. C.; Gnanadesikan, R.; Kendall, M. G.; Kshirsagar, A. M.; et al. (June 1986). "समीक्षा: बहुभिन्नरूपी सांख्यिकीय विश्लेषण पर समकालीन पाठ्यपुस्तकें: एक मनोरम मूल्यांकन और समालोचना". Journal of the American Statistical Association. 81 (394): 560–564. doi:10.2307/2289251. ISSN 0162-1459. JSTOR 2289251.(Pages 560–561)
  7. ↑ Schervish, Mark J. (November 1987). "बहुभिन्नरूपी विश्लेषण की समीक्षा". Statistical Science. 2 (4): 396–413. doi:10.1214/ss/1177013111. ISSN 0883-4237. JSTOR 2245530.
  8. ↑ CRAN has details on the packages available for multivariate data analysis


अग्रिम पठन

  • Johnson, Richard A.; Wichern, Dean W. (2007). Applied Multivariate Statistical Analysis (Sixth ed.). Prentice Hall. ISBN 978-0-13-187715-3.
  • KV Mardia; JT Kent; JM Bibby (1979). Multivariate Analysis. Academic Press. ISBN 0-12-471252-5.
  • A. Sen, M. Srivastava, Regression Analysis — Theory, Methods, and Applications, Springer-Verlag, Berlin, 2011 (4th printing).
  • Cook, Swayne (2007). Interactive Graphics for Data Analysis.
  • Malakooti, B. (2013). Operations and Production Systems with Multiple Objectives. John Wiley & Sons.
  • T. W. Anderson, An Introduction to Multivariate Statistical Analysis, Wiley, New York, 1958.
  • KV Mardia; JT Kent & JM Bibby (1979). Multivariate Analysis. Academic Press. ISBN 978-0124712522. (M.A. level "likelihood" approach)
  • Feinstein, A. R. (1996) Multivariable Analysis. New Haven, CT: Yale University Press.
  • Hair, J. F. Jr. (1995) Multivariate Data Analysis with Readings, 4th ed. Prentice-Hall.
  • Johnson, Richard A.; Wichern, Dean W. (2007). Applied Multivariate Statistical Analysis (Sixth ed.). Prentice Hall. ISBN 978-0-13-187715-3.
  • Schafer, J. L. (1997) Analysis of Incomplete Multivariate Data. CRC Press. (Advanced)
  • Sharma, S. (1996) Applied Multivariate Techniques. Wiley. (Informal, applied)
  • Izenman, Alan J. (2008). Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. Springer Texts in Statistics. New York: Springer-Verlag. ISBN 9780387781884.
  • "Handbook of Applied Multivariate Statistics and Mathematical Modeling | ScienceDirect". Retrieved 2019-09-03.


इस पेज में लापता आंतरिक लिंक की सूची

  • आंकड़े
  • सांख्यिकीय निष्कर्ष
  • परिणामी चर
  • प्रायिकता वितरण
  • प्रतिक्रिया सतह कार्यप्रणाली
  • भिन्नता का विश्लेषण
  • सहप्रसरण का बहुभिन्नरूपी विश्लेषण
  • कैननिकल सहसंबंध विश्लेषण
  • प्रमुख घटक विश्लेषण
  • कृत्रिम तंत्रिका प्रसार
  • प्रमुख निर्देशांक विश्लेषण
  • समकालिक समीकरण मॉडल
  • रैखिक विभेदक विश्लेषण
  • सहसंबंधों की आइकनोग्राफी
  • वस्तु के एक प्रकार विश्लेषण
  • उलटा-विशार्ट वितरण
  • बायेसियन निष्कर्ष
  • दिष्टता
  • एक अनुमानक का पूर्वाग्रह
  • आंकड़े
  • WarpLS
  • पायथन (प्रोग्रामिंग भाषा)
  • सहप्रसरण मैट्रिसेस का अनुमान
  • प्रमुख कंपोनेंट विश्लेषण
  • प्रयोगों की रूप रेखा

बाहरी संबंध

Wikimedia Commons has media related to [[commons:Category:बहुभिन्नरूपी आँकड़े|बहुभिन्नरूपी आँकड़े]].
Retrieved from ‘https://www.vigyanwiki.in/index.php?title=बहुभिन्नरूपी_आँकड़े&oldid=59327’