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.
Inhaltsverzeichnis
- Ziel der Arbeit
- Multivariate Analysemethoden
- Analyseverfahren
- Clusteranalyse
- Beschreibung des Verfahrens
- Bestimmung von Ähnlichkeiten und Distanzen
- Auswahl des Fusionierungs-und Partitionierungsalgorithmus
- Bestimmung der optimalen Clusteranzahl
- Anwendungsbeispiel Clusteranalyse
- Fazit
Zielsetzung und Themenschwerpunkte
Diese Projektstudienarbeit hat das Ziel, multivariate Analysemethoden vorzustellen und zu erklären, die sich mit der Auswertung mehrerer Merkmale befassen. Sie konzentriert sich dabei auf die Clusteranalyse als ein wichtiges Werkzeug für die Strukturentdeckung in Datensätzen.
- Die Bedeutung der Analyse großer Datenmengen
- Die verschiedenen Arten von multivariaten Analysemethoden
- Die Funktionsweise der Clusteranalyse
- Die Anwendung der Clusteranalyse in der Praxis
- Die Herausforderungen bei der Durchführung von Clusteranalysen
Zusammenfassung der Kapitel
- Kapitel 1: Ziel der Arbeit
Dieses Kapitel erläutert die Motivation für die Arbeit und die Notwendigkeit von multivariaten Analysemethoden im Kontext der Analyse großer Datenmengen. Es stellt die Bedeutung von statistischen Methoden für die Entscheidungsfindung und die Unterscheidung zwischen uni- und multivariaten Analysen dar.
- Kapitel 2: Multivariate Analysemethoden
Kapitel 2 gibt eine Einführung in die verschiedenen Arten von multivariaten Analysemethoden und ihre Anwendung. Es unterscheidet zwischen strukturprüfenden und strukturentdeckenden Verfahren und stellt die wichtigsten Verfahren wie Regressionsanalyse, Faktorenanalyse und Clusteranalyse vor.
- Kapitel 3: Clusteranalyse
Dieses Kapitel behandelt die Clusteranalyse im Detail. Es beschreibt verschiedene Verfahren zur Bestimmung von Ähnlichkeiten und Distanzen zwischen Objekten, erläutert die Auswahl von Fusionierungs- und Partitionierungsalgorithmen und stellt Methoden zur Bestimmung der optimalen Clusteranzahl dar. Darüber hinaus wird ein Anwendungsbeispiel präsentiert, das die praktische Anwendung der Clusteranalyse veranschaulicht.
Schlüsselwörter
Die Arbeit konzentriert sich auf die Anwendung von multivariaten Analysemethoden, insbesondere der Clusteranalyse, zur Strukturentdeckung in Datensätzen. Wichtige Schlüsselwörter sind: multivariate Analyse, Clusteranalyse, Ähnlichkeit, Distanz, Algorithmen, Fusionierung, Partitionierung, Anwendungsbeispiel.
- Arbeit zitieren
- Stefanie Hanschkatz (Autor:in), 2020, Multivariate Analysemethoden. Anwendung am Beispiel von Clusteranalysen, München, GRIN Verlag, https://www.hausarbeiten.de/document/988009
