Show simple item record

Cluster analysis methods and their applications in marketing
dc.contributor.advisorVaněček, Pavel
dc.creatorDvořák, Marek
dc.date.accessioned2017-04-10T10:48:32Z
dc.date.available2017-04-10T10:48:32Z
dc.date.issued2008
dc.identifier.urihttp://hdl.handle.net/20.500.11956/14885
dc.description.abstractIn this work we study algorithms for cluster analysis and their application to the real data. In the beginning, the various types of data are presented. We define dissimilarity measures for each type of data and for clusters to be able to do the clustering and evaluate the separation quantitatively. In the Chapter 2, there are described partitioning algorithms and some criteria to determine the optimal number of clusters. A part of this chapter is devoted to the fuzzy cluster analysis which is a generalization of partitioning techniques. Hierarchical algorithms are characterized in Chapter 3 as well as criteria for choosing the appropriate method. In the very end of this chapter, there is a comparison of all the methods in terms of various types of the separation functionals. Archetypal analysis, which is another data mining instrument, is described in Chapter 4. All chapters include illustration examples of usage. The main application part is the last chapter of this diploma thesis and it's based on the lifestyle survey in the Czech republic.en_US
dc.description.abstractV předložené práci studujeme algoritmy shlukové analýzy a jejich aplikace na data. V úvodu rozlišujeme jednotlivé typy dat a míry nepodobnosti mezi pozorovanými objekty i mezi jednotlivými shluky, abychom mohli provést shlukování a kvantitativně ohodnotit vzniklé rozklady. Kapitola 2 se věnuje nehierarchickým algoritmům shlukové analýzy a metodám pro nalezení optimálního počtu shluků. V další části je krátce uvedené zobecnění rozdělovacích metod - fuzzy shlukování. Hierarchické metody shlukové analýzy jsou popsány v kapitole 3, kde opět nechybí kritéria pro posouzení kvality shlukování. V závěru této kapitoly je provedeno porovnání všech shlukovacích metod vzhledem k navrženým funkcionálům kvality rozkladu. Kapitola 4 se věnuje archetypální analýze a algoritmům pro nalezení archetypů. Všechny výše zmíněné kapitoly obsahují ilustračnípříklady. Hlavní aplikační část lze nalézt v kapitole 5, kde zkoumáme data z výzkumu životního stylu v ČR.cs_CZ
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.titleMetody shlukové analýzy a jejich aplikace v marketingucs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2008
dcterms.dateAccepted2008-05-12
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId46428
dc.title.translatedCluster analysis methods and their applications in marketingen_US
dc.contributor.refereePrášková, Zuzana
dc.identifier.aleph000971506
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineProbability, mathematical statistics and econometricsen_US
thesis.degree.disciplinePravděpodobnost, matematická statistika a ekonometriecs_CZ
thesis.degree.programMatematikacs_CZ
thesis.degree.programMathematicsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csPravděpodobnost, matematická statistika a ekonometriecs_CZ
uk.degree-discipline.enProbability, mathematical statistics and econometricsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csV předložené práci studujeme algoritmy shlukové analýzy a jejich aplikace na data. V úvodu rozlišujeme jednotlivé typy dat a míry nepodobnosti mezi pozorovanými objekty i mezi jednotlivými shluky, abychom mohli provést shlukování a kvantitativně ohodnotit vzniklé rozklady. Kapitola 2 se věnuje nehierarchickým algoritmům shlukové analýzy a metodám pro nalezení optimálního počtu shluků. V další části je krátce uvedené zobecnění rozdělovacích metod - fuzzy shlukování. Hierarchické metody shlukové analýzy jsou popsány v kapitole 3, kde opět nechybí kritéria pro posouzení kvality shlukování. V závěru této kapitoly je provedeno porovnání všech shlukovacích metod vzhledem k navrženým funkcionálům kvality rozkladu. Kapitola 4 se věnuje archetypální analýze a algoritmům pro nalezení archetypů. Všechny výše zmíněné kapitoly obsahují ilustračnípříklady. Hlavní aplikační část lze nalézt v kapitole 5, kde zkoumáme data z výzkumu životního stylu v ČR.cs_CZ
uk.abstract.enIn this work we study algorithms for cluster analysis and their application to the real data. In the beginning, the various types of data are presented. We define dissimilarity measures for each type of data and for clusters to be able to do the clustering and evaluate the separation quantitatively. In the Chapter 2, there are described partitioning algorithms and some criteria to determine the optimal number of clusters. A part of this chapter is devoted to the fuzzy cluster analysis which is a generalization of partitioning techniques. Hierarchical algorithms are characterized in Chapter 3 as well as criteria for choosing the appropriate method. In the very end of this chapter, there is a comparison of all the methods in terms of various types of the separation functionals. Archetypal analysis, which is another data mining instrument, is described in Chapter 4. All chapters include illustration examples of usage. The main application part is the last chapter of this diploma thesis and it's based on the lifestyle survey in the Czech republic.en_US
uk.publication-placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 3-5, 116 36 Praha; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV