Analisis Multivariado
Enviado por emiro52 • 5 de Junio de 2014 • 700 Palabras (3 Páginas) • 484 Visitas
Análisis Multivariado
En el análisis multivariado se utilizan diferentes enfoques tales como la simplificación de la estructura de datos, el cual es una manera simplificada de representar el universo de estudio, mediante la transformación (combinación lineal o no lineal) de un conjunto de variables interdependientes en otro conjunto independiente o en un conjunto de menor dimensión.
Este tipo de análisis permite ubicar las observaciones dentro de grupos o bien concluir que los individuos están dispersos aleatoriamente en el multiespacio; también pueden agruparse variables.
El objetivo es examinar la interdependencia de las variables, la cual abarca desde la independencia total hasta la colinealidad (cuando el punto de vista, el punto imagen y el punto objeto se encuentran en la misma recta.) cuando una de ellas es combinación lineal de algunas de las otras o, en términos aún más generales, es una función f(x) cualquiera de las otras.
Entre los métodos de análisis multivariado para detectar la interdependencia entre variables y también entre individuos se incluyen:
El análisis de factores.
El análisis por conglomerados o clusters.
El análisis de correlación canónica.
El análisis por componentes principales.
El análisis de ordenamiento multidimensional, y algunos métodos no paramétricos.
Los métodos para detectar dependencia comprenden:
El análisis de regresión multivariado.
El análisis de contingencia múltiple.
El análisis discriminante.
ANALISIS DE COMPONENTES PRINCIPALES
El método de análisis de componentes principales es uno de los más difundidos,
*permite la estructuración de un conjunto de datos multivariados obtenidos de una población.
En estadística, el análisis de componentes principales (en español ACP, en inglés, PCA) es una técnica utilizada para reducir la dimensionalidad de un conjunto de datos. Intuitivamente la técnica sirve para hallar las causas de la variabilidad d
Leer Ensayo Completo Suscríbase
e un conjunto de datos y ordenarlas por importancia.
Técnicamente, el ACP busca la proyección según la cual los datos queden mejor representados en términos de mínimos cuadrados. El ACP* se emplea sobre todo en análisis exploratorio de datos y para construir modelos predictivos. El ACP comporta el cálculo de la descomposición en autovalores de la matriz de covarianza, normalmente tras centrar los datos en la media de cada atributo.
Una de las ventajas del ACP para reducir la dimensionalidad de un grupo de datos, es que retiene aquellas características del conjunto de datos que contribuyen más a su varianza, manteniendo
...