Seis Sigma

ANÁLISIS MULTIVARIANTE

MODELOS DESCRIPCIÓN

MATRIZ DE CONFUSIÓN

REGRESIÓN LINEAL SIMPLE

Variable dependiente e independiente.

*Histórico de datos, predice comportamiento de una variable a la vez.

REGRESIÓN LINEAL MULTIPLE

Agrupa variables independientes para una explicación de una variable dependiente a la vez.

Análisis predictivo

ANÁLISIS DISCRIMINANTE

ANÁLISIS FACTORIAL

GGEBIPLOT

ANÁLISIS DE CONJUNTOS

Quien pertenece a quien y porque.

Solapado:

No solapado: pertenece a 1 bloque

Borrosos: no sabes donde ubicar el grupo

MATRIZ DE CORRELACION

MATRIZ DE TRANSACCION

MATRIZ DE RELACIÓN

CONCEPTOS

VECTOR DE TENDENCIA=

R2= cuanto se acerca a la tendencia

DISCRIMINACIÓN= grupos de datos que para unos son importantes y otros no.

RELEVANCIA ESTADISTICA=

PUNTO DE INFRACCIÓN= los datos se modifican

CENTROIDES= orbitas de 2 dimensiones

ORBITAS CAOTICAS=

MATRIZ DE CORRELACIÓN=

COVARIANZA=Varianza de datos

VARIABLES EXPLICATICAS= agrupar datos.

POLARIDADES= ecuación que cambia de origen

AXIOMATICO=

SEMANTICO=

PERSEPCION=

ESTIMULOS=

PERFIL DEL CLIENTE= combinación de variables cuantitativas y cualitativas

ESTRUTURA FACTORIAL= elementos que lo componen

CARGA FACTORIAL= relación mas fuerte F1 y F2

VARIABLE A PRIORI:

VARIABLE POST-0:

COOLHUNTER:

TRAND-TOPIC:

TENDENCIA-:

UBICACION DE LAS VARIABLES EN PLANOS:

• GRAFICA: representación visual de los datos.

• Conoces la relación de los datos entre si

• Muestro tendencias

• Interacción de los datos.

PERSEPCION: como lo distingues, conocer mejor al cliente.

COMPORTAMIENTO: lo observas

ESCALA LIKERT- variables cuantitativas y cualitativas.

TEORIA DE COMPLEMENTOS: si eres parte pero para el análisis no eres importante ( a la población)

...