вторник, 18 май 2010 г.

Сламена къща

В продължение на темата за екологичните сламените къщи  публикувам и видео за арх. Георги Георгиев, който е изградил жива къща в махала Чифлика на село Извос край Белоградчик с двете си ръце и само с помощта на местна циганска бригада. Всички материали за къщата са от самото място на строежа й - тухлите са ръчно пресовани от глината от изкопа за къщата, гредите са рециклирани от стари разрушени къщи от селото, а върху покрива са засадени местни треви и цветя. Къщата дублира формите на местния ландшафт - странните наклонени хълмове, наречени глами. Тоалетната е архитектурно решена във вид на купа сено. Арх. Георгиев ползва за електричество и отопление само местни ресурси - слънчевата енергия за ток и сухите клони от закупената от него местна горичка за утопление през зимата.
Ето и видео за този експеримент:

Сламена къща

В продължение на темата за екологичните сламените къщи  публикувам и видео за арх. Георги Георгиев, който е изградил жива къща в махала Чифлика на село Извос край Белоградчик с двете си ръце и само с помощта на местна циганска бригада. Всички материали за къщата са от самото място на строежа й - тухлите са ръчно пресовани от глината от изкопа за къщата, гредите са рециклирани от стари разрушени къщи от селото, а върху покрива са засадени местни треви и цветя. Къщата дублира формите на местния ландшафт - странните наклонени хълмове, наречени глами. Тоалетната е архитектурно решена във вид на купа сено. Арх. Георгиев ползва за електричество и отопление само местни ресурси - слънчевата енергия за ток и сухите клони от закупената от него местна горичка за утопление през зимата.
Ето и видео за този експеримент:

сряда, 12 май 2010 г.

Клъстърният анализ

Клъстърният анализ е група от статистически техники, предназначени за групиране на множество обекти едновременно по няколко или повече критерия в относително хомогенни малко на брой категории, наречени клъстъри.  Обектите във всеки клъстър са подобни помежду си и различни от тези в другите клъстъри. <В качеството на обекти при клъстърния анализ могат да встъпват както случаи, така и променливи.  В по-общото му приложение като обекти се използват предимно случаите.  Като знаем, те могат да бъдат индивидуални или групови потребители (например домакинствата); различни търговски или индустриални фирми; училища или болнични заведения и т.н.  Клъстърният анализ обаче има смисъл главно тогава, когато обектите са множество на брой и в желанието си да ги обхванем и разберем ние се стремим да ги класифицираме в някакви хомогенни категории.

В сегментационните изследвания, които са основният обект на клъстърния анализ в маркетинговите проучвания, се използват множество критерии за класификация.  Всички сегметационни променливи например могат успешно да бъдат използвани за тази цел.  Колкото повече променливи се използват в рамките на една класификационна процедура, толкова по-богати като съдържание клъстъри могат да бъдат получени., но същевременно и толкова по-трудно тълкуваме е „физиономията" на клъстърите.

Други приложени на клъстърния анализ извън задачите по сегментирането
Разбиране на покупателското поведение
Идентифициране на нови продуктови възможности


Определяне на класификационните критерии
Избиране на мярката за дистанция
Избиране на клъстърен метод
Определяне броя на клъстърите
Тълкуване съдържанието на клъстърите
Оценяване валидността на клъстърите
Профилиране на клъстърите

Определянето на класификационните критерии е задача, която трябва да се решава в строго съответствие с изследователските проблеми и цели.  Зад избора на една или друга променлива в качеството J на класификационна обикновено стоят и някакви теория, хипотеза, опит от предходни изследвания или просто изследователска интуиция.
За да групираме изследваните обекти, в случая фирмите – потребители на компютри марка Х, в еднородния клъстър, е нужно да определим мерките, които ще използваме за измерване на подобието между тях.  Най-често използван подход за решаване на тази задача е прилагането на някаква мярка за отдалеченост (дистанция) между два обекта.  Алтернативният подход е този на мерките за близост.
Нейерархични методи на клъстъризация
Нейерархичните методи на клъстъризация, често наричани клъстъризация на К-средите, включват три основни процедури.
Последователно прескачане
Паралелно прескачане
За разлика от двете посочени процедури тази на оптималното разпределение позволява прескачането на едни обект в различни клъстъри с цел удовлетворяване някакъв критерий за оптимизация (например средното вътрешноклъстърно разстояние за даден брой клъстъри).

Клъстърният анализ

Клъстърният анализ е група от статистически техники, предназначени за групиране на множество обекти едновременно по няколко или повече критерия в относително хомогенни малко на брой категории, наречени клъстъри.  Обектите във всеки клъстър са подобни помежду си и различни от тези в другите клъстъри.


В качеството на обекти при клъстърния анализ могат да встъпват както случаи, така и променливи.  В по-общото му приложение като обекти се използват предимно случаите.  Като знаем, те могат да бъдат индивидуални или групови потребители (например домакинствата); различни търговски или индустриални фирми; училища или болнични заведения и т.н.  Клъстърният анализ обаче има смисъл главно тогава, когато обектите са множество на брой и в желанието си да ги обхванем и разберем ние се стремим да ги класифицираме в някакви хомогенни категории.

В сегментационните изследвания, които са основният обект на клъстърния анализ в маркетинговите проучвания, се използват множество критерии за класификация.  Всички сегметационни променливи например могат успешно да бъдат използвани за тази цел.  Колкото повече променливи се използват в рамките на една класификационна процедура, толкова по-богати като съдържание клъстъри могат да бъдат получени., но същевременно и толкова по-трудно тълкуваме е „физиономията" на клъстърите.

Други приложени на клъстърния анализ извън задачите по сегментирането
Разбиране на покупателското поведение
Идентифициране на нови продуктови възможности

Определяне на класификационните критерии
Избиране на мярката за дистанция
Избиране на клъстърен метод
Определяне броя на клъстърите
Тълкуване съдържанието на клъстърите
Оценяване валидността на клъстърите
Профилиране на клъстърите

Определянето на класификационните критерии е задача, която трябва да се решава в строго съответствие с изследователските проблеми и цели.  Зад избора на една или друга променлива в качеството J на класификационна обикновено стоят и някакви теория, хипотеза, опит от предходни изследвания или просто изследователска интуиция.

За да групираме изследваните обекти, в случая фирмите – потребители на компютри марка Х, в еднородния клъстър, е нужно да определим мерките, които ще използваме за измерване на подобието между тях.  Най-често използван подход за решаване на тази задача е прилагането на някаква мярка за отдалеченост (дистанция) между два обекта.  Алтернативният подход е този на мерките за близост.

Нейерархични методи на клъстъризация
Нейерархичните методи на клъстъризация, често наричани клъстъризация на К-средите, включват три основни процедури.
Последователно прескачане
Паралелно прескачане
За разлика от двете посочени процедури тази на оптималното разпределение позволява прескачането на едни обект в различни клъстъри с цел удовлетворяване някакъв критерий за оптимизация (например средното вътрешноклъстърно разстояние за даден брой клъстъри).