FONForum

da, meni uvek piše da nije pozitivno definitna.
zna li neko neku caku da se ipak uradili ili šta ?

_________________

Ja mislim da se to tako pojavljuje jer smo u onom dugmetu Descriptives čekirali Determinant, a to je samo da ti izračuna determinantu... Ja mislim da je tako. Je l' nam sutra na odbrani oni govore sa kojim varijablama da radimo, ili to mi sami biramo?
Btw. šta znači kad matrica nije pozitivno definitna?

ja ne palim determinant pa opet ne računa kovarijacionu jer nije pozitivno definitna :D
pozitivno definitna je kada je determinanta svih minora na dijagonali veća od nule (ako se dobro sećam)

_________________

Kako je danas bilo na odbrani...?

opušteno.
u principu nije smarao da se objašnjavaju tabele, samo krajnji zaključak i to je to.

_________________

A na osnovu koje matrice praviš krajnji zaključak?

pa lupam, ako radiš klaster onda čitaš sa dendrograma, ako radiš kvik klaster onda vidiš centroide i ko kome pripada itd. sve logične stvari.

_________________

A ako radim faktorsku npr, onda citam sa one rotirane matrice?

mislim da danas nikog nije smarao za faktorsku, tražio je klastere i eventualno diskriminacionu za visoku ocenu.
ali da, trebalo bi da čitaš sa rotirane.
uključi i "loading plots" da bi ti nacrtao rotirane faktore.

_________________

A kad analiziram diskriminacionu, trebalo bi da čitam sa one matrice classification function coefficients, to mu dođe kao najbitnije valjda?

:D
pa ono, treba da znaš šta znači koja tabela.
u principu ti je najbitnije da znaš da objasniš na koji način je napravljena promenljiva po kojoj se diskriminiše i recimo da se objasni ona poslednja tabela gde piše u procentima koliko je dobro razvrstano u grupe.
naravno, ovo pre moraš da znaš šta znači, ali ispitivanje traje 5-10 minuta i nema vremena toliko da te smara.

_________________

Da li ce mi vaziti usmeni usledecim rokovima ako ga sad polozim,ali ne odbranim seminarski? Hvala

Da li je neko gledao onaj zadatak iz hijerarhijske klasifikacije sto neki lik resio. Mislim da ima greska u njegovom resenju ili ja ne kapiram metod max/min povezivanja...

Tacnije, ako imam matricu

(min dij = d12 = 1.07 => e1Ue2)
i ako koristim metod max povezivanja, zar ne bi trebalo da sledeca matrica izgleda:


?

Bila bih zahvalna ako bi mi neko otvorio oci I jos nesto, sta je taxi cab i quick klaster ?

_________________
I upamti, Mlato, mi smo pozitivni junaci!

Taxi-cab je isto što i city block, a quick cluster smo poslednje radili na vežbama (nehijerarhijska).

Da li iko ima neke rokove koji su reseni,osim onog resenog februarskog u download sekciji?

I ja mislim da treba isto, tako da dalje ide e3 U e4


...pa (e3,e4) U (e5,e6)


Imas i primer za min. povezivanje na 56. strani skripte.

Jel zna neko kako se kod faktorske analize, racuna specificna varijansa i komunalitet, ako je data matrica podataka i matrica fakt. opterecenja? I drugi primer, ako su data faktorska resenja, kako pomocu Kajzera odredjujemo potreban broj faktora, a imamo samo matricu podataka?

gde moze da se skine ona zbirka sa resenim zadacima?

Quick Cluster algoritam ....? Anyone?

Како се помоћу Кајзеровог критеријума одређује потребан број фактора?
Која је боља ротација код факторске анализе? Под углом под 45 или 30?
Како се одређује скор за ентитете?
Која се формула користи за апроксимацију корелационе матрице?

_________________
Кад дођеш у било који град...

pitaj Rocknroll-u



64 str zbirke


a kako se odredjuje skor za entitete?

mozda je glupo pitanje al moram da pitam kako se u primeru 4.3 iz one skripte za prvu glavnu komponentu od onog 0.84X1+0.79X2+0.6X3 dobije (0.646 0.608 0.461) ??? i sto je lamda1 + lamda2 + lambda3 = 3 ??

Tako sto treba da vazi uslov ortogonalnosti, tj. P1' *P1 = 1 , dok za vektor P1= (0.84 0.79 0.6) to ne vazi.Potrebno je svaku pojedinacnu vrednost datog nam vektora P1 podeliti korenom zbira svih kvadrata tog istog vektora. U prevodu: 0.84*0.84 + 0.79*0.79 + 0.6*0.6 pa koren iz tog zbira. Tim brojem koji dobijemo delimo svaku vrednost P1= (0.84 0.79 0.6) i na kraju dobijemo vektor P1 za koji vazi uslov ortogonalnosti tj. (0.646 0.608 0.461). Zbir lambdi je jednak 3,zato sto kad korisitimo korelacionu matricu,generalizovana varijansa glavnih komponenti je jednaka zbiru elemenata sa glavne dijagonale tj. 1+1+1 = 3. Identicno kao i kod kovarijacione! Nadam se da sam bio koliko-toliko jasan.

I ja mislim da treba isto, tako da dalje ide e3 U e4


Zar ne bi ovde ispod 4.36 trebalo da stoji 2.6? odstojanje izmedju e5ue6 i e3 je 2.6 a odstojanje izmedju e5ue6 i e4 je 1.64, posto je metod max povezivanja, trebalo bi 2.6? mm?

_________________
I upamti, Mlato, mi smo pozitivni junaci!

U pravu si, treba 2.6 ispod, samo da vidim da li si dobro skapirao/la