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
Top Related