Zusammenfassung
In den folgenden drei Unterkapiteln werden zunächst kurz einige grundlegenden Begrifflichkeiten eingeführt, welche die Basis der im weiteren ausgeführten Theorie begründen und zu ihrem tieferen Verständnis beitragen. Insbesondere werden gewisse Theoreme – insbesondere Theorem 3.3.1 und Theorem 3.3.2 – später im Anwendungsteil (Kapitel 4) dieser Dissertation zur Interpretation der Ergebnisse benötigt. Daraufhin wird im daran anschließenden Unterkapitel 3.4 die robuste Perron-Cluster-Cluster-Analyse (PCCA+) eingeführt, um darauf basierend schließlich zu einer generalisierten Form der PCCA+ (genannt G-PCCA) zu gelangen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Reuter, B. (2020). Theorie. In: Generalisierte Markov-Modellierung. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-29712-1_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-29712-1_3
Published:
Publisher Name: Springer Spektrum, Wiesbaden
Print ISBN: 978-3-658-29711-4
Online ISBN: 978-3-658-29712-1
eBook Packages: Life Science and Basic Disciplines (German Language)