Grafiken und Statistik in R

D
Datentransformation Die Transformation von Daten hat u.a. das Ziel, verschiedene Datenreihen vergleichbar
zu machen oder den Daten Eigenschaften zu geben, mit denen sie besser analysiert werden können. Zu den
gebräuchlichsten Transformationen gehören das Zentrieren, die Standardisierung, die Normierung und das
Symmetrisierung. (Quelle: www.bio.uni-potsdam.de/oeksys/vstatoek.pdf)
Zu Datentransformation bei Ordinationstechniken s. Legendre und Gallagher (2001).
DCA Detrended Korrespondenz Analyse s. arch effect und CA.
Decorana siehe arch effect.
detrended siehe arch effect.
deviance Summe der Abweichungsquadrate.
Diskriminanzanalyse Wir betrachten ein Objekt und mehrere gleichartige Klassen. Das Objekt gehört einer
dieser Klassen an, aber welcher, ist unbekannt. Mit Hilfe der Diskriminanzanalyse 42 ordnet man das Objekt
einer der Klassen zu. Die Diskriminanzanalyse ist also ein Klassifikationsverfahren. An diesem Objekt kann
mindestens ein statistisches metrisch skaliertes Merkmal x beobachtet werden. Dieses Merkmal wird im
Modell der Diskriminanzanalyse als eine Zufallsvariable X interpretiert. Die Annahme also: es gibt mindestens
zwei verschiedene Gruppen (Populationen, Grundgesamtheiten). Aus einer dieser Grundgesamtheiten stammt
X. Mittels einer Zuordnungsregel, der Klassifikationsregel wird das Objekt einer dieser Grundgesamtheiten
zugeordnet. Die Klassifikationsregel kann oft durch eine Diskriminanzfunktion angegeben werden.
Distanzmaße Gäbe es EIN angemessenes Proximitätsmaß, das alle Distanzen gut beschreibt, so gäbe es keinen
Grund dieses nicht zu verwenden. Meistens jedoch unterliegen diese Distanzmaße zu vielen Fehlern:
die Eigenschaften können unzulänglich sein, um unterschieden zu werden, sie können hoch korreliert sein,
die entscheidende Grenze könnte gekrümmt sein, es kann eindeutige Unterklassen in den Daten geben, die
räumlichen Eigenschaften können einfach zu komplex sein.
(a) Verschiedene Eigenschaften von Clustern
(b) Euklid - Distanz (c) Manhattan-
Metrik (City-Block)
(d) Mahalanobisdistanz
Abbildung 6: Verschiedene Eigenschaften von Clustern sowie Visualisierung der Distanzmessung unterschiedlicher
Distanzmaße
42 lat. discriminare = trennen, absondern
157