8/16/2019 Tema 8_Multiv[1]_2009

1/18

8/16/2019 Tema 8_Multiv[1]_2009

2/18

8/16/2019 Tema 8_Multiv[1]_2009

3/18

E E*+ :

emos recogido datos sobre la incidencia de incendios / conatos endistintas provincias espa0olas

8/16/2019 Tema 8_Multiv[1]_2009

4/18

provinciasvege_pr

ed zona conatosincendio

sSafectad

aSarbolada_

afect

precipitacionmedia julioagosto

"licante 1 centro 1$1 23 1'41,35 678,$ ',6

9vila 1 centro 187 115 1534,63 1'11,72 3,82

aleares $ centro 11$ '5 1253,71 1$'3,81 6,6

Castell n $ centro 1'8 '$ 567,2' 61',67 7,$

Cuenca 1 centro 14' 46 463,14 1'',31 7,1

;uadalajara1 centro 76 45 22',82 '14,7' $',42

*adrid 1 centro 163 74 118$,82 668,47 11

8/16/2019 Tema 8_Multiv[1]_2009

5/18

+ E;@A="1: B

8/16/2019 Tema 8_Multiv[1]_2009

6/18

1. Análisis en omponentes !rincipales.

I 1, I $, , I n J 1, J $, , J n

>ariables iniciales(son cuantitativas)

omponentes principales

1.- A!mero elevado de

variables.$.- EKisten correlaciones entre ellas (in&o. redundante)'.- =ienen signi&icaci n claraD

1.- *ismo n!mero de variables, pero ordenadas seg!n L de

in&ormaci nD retenido.$.- Mndependientes.'.- En principio, son arti&iciales, pero con &recuencia algunas de ellas pueden ser interpretadas a partir de los pesos.

4.- a relaci n entre las JNs / las INses del tipo:

J jOa1,jI 1P a$,jI $P P a n,jI n

pesos

8/16/2019 Tema 8_Multiv[1]_2009

7/18

-En la pr#ctica, uno se Hueda con el n!mero de componentes principalesJ 1, ,J m necesario para retener un porcentaje su&iciente de in&ormaci n

original.

8/16/2019 Tema 8_Multiv[1]_2009

8/18

8/16/2019 Tema 8_Multiv[1]_2009

9/18

%. Análisis &iscriminante.

I 1, I $, ,I n, J

>ariablescuantitativas

Ractor de clasi&icaci n(var. Cualitativa o cuant. %iscreta)

+ E;@A="1: BCu#les son las variables I i Hue permiten discriminar(predecir) mejor el valor de J (es decir, las m#s in&lu/entesD: obsérveseHue si J es cuantitativa, esta pregunta se puede responder tambiénutilizando regresi n m!ltiple).

+ E;@A="$: %ado un nuevo individuo Hue presenta ciertos valores+ara las variables I 1, ,I n, predecir el valor de J para dicho individuo.

8/16/2019 Tema 8_Multiv[1]_2009

10/18

lave_1 lave_% lave_' lave_( lave_) T*MA

12 16 2 3 1RM < RM"

1' 2 1' $ 6 M

8/16/2019 Tema 8_Multiv[1]_2009

11/18

+ E;@A="1: BCu#les son las variables I i Hue permiten discriminar(predecir) mejor el valor de J (es decir, las m#s in&lu/entesD: obsérveseHue si J es cuantitativa, esta pregunta se puede responder también

utilizando regresi n m!ltiple).

+unciones discriminantes :

R1Oa1,1I 1P Pa 1,nI nR$Oa$,1I 1P Pa $,nI n

pesos

- ,a t-cnica puede funcionar o no.

- +uede haber una o varias &unciones discriminantes.- Est#n ordenadas por su poder discriminanteD (su e&ectividadD para clasi&icar a un individuo en un grupo determinado).- %entro de una &unci n discriminante,las variables m#s in&lu/entes

son las Hue tienen ma/or peso.

8/16/2019 Tema 8_Multiv[1]_2009

12/18

+ E;@A="$: %ado un nuevo individuo Hue presenta ciertos valores+ara las variables I 1, ,I n, predecir el valor de J para dicho individuo.

+unciones de clasificaci n:

8/16/2019 Tema 8_Multiv[1]_2009

13/18

Statgrap$ics

8/16/2019 Tema 8_Multiv[1]_2009

14/18

'. Análisis luster.

" partir de los valores de I1, , I

n registrados sobre una muestra

de una poblaci n, Hueremos establecer grupos homogéneosDdentro de la poblaci n. %ichos grupos homogéneosD reciben elnombre de clusters .

Ejemplo: %eterminaci n de per&iles de usuarios (en general, declientesD).

I 1

I $

8/16/2019 Tema 8_Multiv[1]_2009

15/18

'. Análisis luster.

Ejemplo: %eterminaci n de per&iles de usuarios (en general, declientesD).

I 1

I $

" partir de los valores de I1, , I

n registrados sobre una muestra

de una poblaci n, Hueremos establecer grupos homogéneosDdentro de la poblaci n. %ichos grupos homogéneosD reciben elnombre de clusters .

8/16/2019 Tema 8_Multiv[1]_2009

16/18

'. Análisis luster.

Ejemplo: %eterminaci n de per&iles de usuarios (en general, declientesD).

I $

" partir de los valores de I1, , I

n registrados sobre una muestra

de una poblaci n, Hueremos establecer grupos homogéneosDdentro de la poblaci n. %ichos grupos homogéneosD reciben elnombre de clusters .

I 1

8/16/2019 Tema 8_Multiv[1]_2009

17/18

El an#lisis cluster se basa en la detecci n de a&inidadesD entre individuosSpara nosotros, cada individuo viene representado por (K1, ,Kn), / la noci n

intuitiva de a&inidadD se materializa en el concepto matem#tico de&/STA0 /A . En este sentido, antes de realizar un an#lisis cluster, debemos&ijar (elegir):

- %istancia entre individuos- %istancia entre grupos.- A!mero de clusters.

%i&erentes elecciones conducen en general a distintos

resultados, Hue han de interpretarse.uscamos los resultados 2más significativos3 posibles.

8/16/2019 Tema 8_Multiv[1]_2009

18/18

+in del Temario

Statgrap$ics