[vastaus aiempaan viestiin]
| Kirjoittaja: | Petri Palmu |
|---|---|
| Sähköposti: | Petri.Palmu'at'helsinki.fi |
| Päiväys: | 11.5.2003 10:02 |
Kiitos teille, kun sain ongelmaan kätevät ratkaisut nopeasti. Jäin
vielä pohdiskelemaan sitä, mitenköhän aineiston keskistäminen
(CENTERING) tehtäisiin, jos tutkitaan poikkeamia - ei yleiskeskiarvoon
- vaan ositekohtaisiin keskiarvoihin. Meneekohän tämäkin jotenkin
epäsuorasti matriisikikkailulla ilman, että varsinaista
osittelumuuttujaa ("Nimi") tarvitsee lainkaan tuntea.
Yksi tapa lienee laskea muuttujasta ensin sopivat aikakeskiarvot (esim.
geometrinen) jokaiselle ositteelle, koota nämä keskiarvot yhteen
vektoriin kuitenkin niin, että ositekeskiarvot toistuvat (Kronecker
tulon avulla?) otoshavaintoja vastaavalla määräällä (esim. 8 per
osite). Lopullinen poikkeamavektori saadaan sitten X - m(X), jossa m(X)
sisältää ositteittain X:n vastaavat keskiarvot.
Joskus saattaa tulla kyseeseen harvinaisempi tapaus, jossa
aikahavaintoja ei ole yhtä paljon kaikissa ositteissa, mutta en tiedä
meneekö keskistäminen olennaisesti mutkikaammaksi?
t. Petri Palmu
| Vastaukset: |
|---|
Survo-keskustelupalstan (2001-2013) viestit arkistoitiin aika ajoin sukrolla, joka automaattisesti rakensi viesteistä (yli 1600 kpl) HTML-muotoisen sivukokonaisuuden. Vuoden 2013 alusta Survo-keskustelua on jatkettu entistäkin aktiivisemmin osoitteessa forum.survo.fi. Tervetuloa mukaan!