Multivariate Statistische Verfahren

Slides:



Advertisements
Ähnliche Präsentationen
3. 3D-Betrachtungstransformationen
Advertisements

Elementare Grundlagen der Vektorrechnung
Schnelle Matrizenoperationen von Christian Büttner
13. Transformationen mit Matrizen
11. Matrizen. 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1.
Die Laue-Gleichungen und der Begriff der „Netzebene“
Mechanik Mathematische Grundlagen und Begriffe: Formel? Funktion
Seminar Stochastik im WS 02/03
Terme Terme sind keine Thermalbäder und haben auch nichts mit einem Thermometer zu tun. Terme sind Rechenausdrücke. Du kennst sie aus der Grundschule.
Grundlagen der Geometrie
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik 1 Algorithm. Grundlagen des Internets 24. Juni 2002 Christian Schindelhauer.
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Lösung von linearen Gleichungssystemen - Grundlagen
Lösung von linearen Gleichungssystemen - Grundlagen
Die Geometrie der Ebene
Beispiele für Gleichungssysteme
Mathematik Unterschiede GK / LK R. Redix 2009.
Spree SoSe 2011 Clustering – Wie Maschinen die Ähnlichkeit von Dokumenten erkennen.
ISWeb - Information Systems & Semantic Web Marcin Grzegorzek 5.4 Latent Semantic Indexing und Singulärwertzerlegung Zerlegung von.
Quaternionen Eugenia Schwamberger.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§ 28 Multilineare und Alternierende Abbildungen
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
§24 Affine Koordinatensysteme
Beispiel: Arbeit, Skalarprodukt zwischen Kraft- und Weg-Vektor
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
Vektoren Grundbegriffe für das Information Retrieval
Skalare, Vektoren.
Summe von Vektoren.
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 § 28 Multilineare und Alternierende Abbildungen (28.1) Definition: V und W seien wieder ein K-Vektorräume. Eine Abbildung von V nach W stets linear.
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Einführung in die Matrizenrechnung
Mechanische Arbeit Arbeit bei unterschiedlicher Richtung von Kraft- und Weg am Beispiel der Hub-Arbeit.
Vektorrechnung in der Schule
Summe von Vektoren.
Lineare Algebra, Teil 2 Abbildungen
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Zahlenwert beschrieben Beispiele: Masse: 7 kg Temperatur: 20 °C
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Lineare Algebra 11. Matrizen Eine m  n-Matrix ist ein Raster aus m  n Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (a ij )
Grundlagen der Geometrie
6. Thema: Arbeiten mit Feldern
Graphische Datenverarbeitung
8. Vektoren. 8. Vektoren Ortsvektor oder Polarvektor.
Der Winkel zwischen Vektoren
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
1 Matrizenrechnung 1Einführung 2Begriff der Matrix und spezielle Matrizen 3Relationen 4Operationen 1Transponierte Matrix 2Addition (Subtraktion) 3Multiplikation.
Vektorgeometrie im Raum
Varianzfortpflanzung
Lineare Algebra II (MAVT)
Lineare Algebra II (MAVT)
Multivariate Statistische Verfahren
Kapitel IV. Matrizen Inhalt:
§23 Basiswechsel und allgemeine lineare Gruppe
Kapitel I. Vorspann zum Begriff Vektorraum
Wiederholung und klausurtypische Fragen
 Präsentation transkript:

Multivariate Statistische Verfahren Vektoren und Matrizen (eine minimalistische Einführung) U.Mortensen Institut für Psychologie der Universität Mainz,WS 2011/2012

Vektoren und Matrizen für die Multivariate Statistik Warum muß man sich mit Vektoren und Matrizen quälen? Einfache, übersichtliche Schreibweise für Formeln Genaue Charakterisierung von Begriffen Transparente Darstellung bzw. Herleitung der Beziehungen zwischen Begriffen Vektoren und Matrizen

Die Länge kann die absolute Ausprägung von Merkmalen abbilden. Außer einer kompakten Schreibweise erlauben Vektoren eine visuelle Repräsentation . Der Vektor ist eine „gerichtete Größe“ und wird durch einen Pfeil dargestellt: Die Orientierung bildet zB die relative Ausprägung von Merkmalen ab, - oder die Flugrichtung eines Körpers Die Länge kann die absolute Ausprägung von Merkmalen abbilden. Die Winkel zwischen Vektoren und die Differenz von Vektoren sind Maße für die Ähnlichkeit der repräsentierten Objekte. Vektoren und Matrizen

Vektoren: Vektorschreibweise: Vektoren und Matrizen

sind bereits bestimmte Operationen mit Vektoren eingeführt worden: Mit der Schreibweise sind bereits bestimmte Operationen mit Vektoren eingeführt worden: Multiplikation mit einem Skalar: alle Komponenten werden mit einer bestimmten Zahl multipliziert Addition: Vektoren werden addiert, indem man die zueinander korrespondierenden Komponenten addiert Damit ist auch die Subtraktion definiert: man multipliziert einen Vektor mit dem Faktor -1 und addiert. Vektoren und Matrizen

Vektoren und Matrizen

Vektoren und Matrizen

Vektoren und Matrizen

Vektoren und Matrizen

Skalarprodukt und der Winkel zwischen den Vektoren ist Skalarprodukt normierter Vektoren! Vektoren und Matrizen

Beispiel: Produkt-Moment-Korrelation Dann folgt Vektoren und Matrizen

Vektoren und Matrizen

Skalarprodukt und Lineare Abhängigkeit bzw. Unabhängigkeit Vektoren und Matrizen

Orthogonale Vektoren sind linear unabhängig. Vektoren und Matrizen

Vektorräume , Basen Vektoren und Matrizen

Vektorräume , Basen Vektoren und Matrizen

Vektorräume , Basen Vektoren und Matrizen

Vektoren und Matrizen

Vektoren und Matrizen Matrizen: Anmerkung: ein Vektor ist eine Matrix, die aus nur einer Spalte bzw. Zeile besteht. Vektoren und Matrizen

Vektoren und Matrizen Matrizen: und Vektoren und Matrizen

Vektoren und Matrizen Matrizen: Vektoren und Matrizen

Vektoren und Matrizen Matrizen: Die zu einer Matrix inverse Matrix:

Vektoren und Matrizen Matrizen: Vektoren und Matrizen

Vektoren und Matrizen Matrizen: Vektoren und Matrizen

Vektoren und Matrizen Matrizen: Vektoren und Matrizen

Eigenvektoren und Eigenwerte Vektoren und Matrizen Eigenvektoren und Eigenwerte Vektoren und Matrizen

Eigenvektoren und Eigenwerte Vektoren und Matrizen Eigenvektoren und Eigenwerte Vektoren und Matrizen

Eigenvektoren und Eigenwerte: Vektoren und Matrizen Eigenvektoren und Eigenwerte: An diesen Gleichungen erkennt man, dass P Eigenvektoren und Lambda Eigenwerte enthält! Vektoren und Matrizen

Eigenvektoren symmetrischer Matrizen und Ellipsoide Vektoren und Matrizen Eigenvektoren symmetrischer Matrizen und Ellipsoide Vektoren und Matrizen

Geometrische Bedeutung der Eigenvektoren symmetrischer Matrizen. Vektoren und Matrizen Geometrische Bedeutung der Eigenvektoren symmetrischer Matrizen. Vektoren und Matrizen

Vektoren und Matrizen Rotation von Ellipsen Vektoren und Matrizen