Bu terimler çok değişkenli istatistiklerle ilgili bazı kitaplarda yer almaktadır. Diyelim ki niceliksel özellikler veri matrisine n
göre bireyleriniz var p
. Daha sonra bireyleri, eksenlerin özellik olduğu boşlukta noktalar olarak çizebilirsiniz. Bu klasik dağılım grafiği , diğer bir deyişle değişken uzay grafiği. Diyoruz ki, bireyler bulutu eksenler-özelliklerle tanımlanan alana yayılmıştır .
Dağılım grafiğini, değişkenler ve eksenler bireyler olmak üzere düşünebilirsiniz. Kesinlikle önceki gibi, sadece topsy-turvy. Bu, onu kapsayan değişkenler, bireyleri tanımlayan konu alanı çizimi (veya gözlem alanı grafiği) olacaktır.
O zaman (sık sık) n>p
, ikinci durumda, sadece p
boyutların dışındaki bazı boyutların n
gereksiz olmadığını unutmayın; Bu p
, p
boyutsal çizim üzerinde değişken noktaları çizebileceğiniz ve çizebileceğiniz anlamına gelir . Ayrıca, geleneklere göre değişken noktalar genellikle başlangıç noktasıyla bağlantılıdır ve bu nedenle vektörler (oklar) olarak görünürler. Konu alanı temsilini çoğunlukla değişkenler arasındaki ilişkileri göstermek için kullanırız, bu nedenle kolaylık sağlamak için eksen konularını bırakır ve noktaları oklar olarak tasvir ederiz.1
Özneler (veri matrisinin sütunları) özne alanı grafiği çizilmeden önce ortalandıysa, değişken vektörler arasındaki açıların kosinüsleri Pearson korelasyonlarına eşit olurken, vektör uzunlukları değişkenlerin normlarına (karelerin kök toplamı) eşittir ) veya standart sapmalar ( df'ye bölünmüşse ).
Değişken uzay ve özne alanı aynı madalyonun iki yüzüdür, aynı Öklid analitik uzaydır, sadece birbirlerine ayna gibi sunulurlar. Sıfır olmayan özdeğerler ve özvektörler gibi aynı özellikleri paylaşırlar. Bu nedenle, hem özneleri hem de değişkenleri , bu analitik boşluğun ana eksenlerinin (veya başka bir dikey temelde) uzayda noktalar olarak yan yana çizmek mümkündür - bu eklem grafiğine biplot denir . "Veri alanı" teriminin tam olarak ne anlama geldiğini bilmiyorum - eğer spesifik bir şey ifade ediyorsa, o zaman konu ve değişken alanın iki hipostaz olduğu ortak analitik alan olduğunu varsayalım.
Bazı yerel bağlantılar:
1n=5
Bireyleriniz ve p=2
değişkenleriniz olduğunu ve bir şekilde sihirli bir şekilde 5 boyutlu uzayda 2 nokta çizmeyi başardığınızı hayal edin . Daha sonra eksenlerden herhangi biri tarafından tanımlanan alt boşluğu 2 noktayı gömecek şekilde döndürebilirsiniz (böylece bu düzlem bundan sonra uzanır); bundan sonra, gereksiz olduklarından diğer 3 ekseni (boyutlar) güvenli bir şekilde düşürürsünüz. İki değişken noktanın birbirine göre konumu korunmuştur.