You cannot copy content of this page

Análisis multivariado: Método de componentes principales – Laura E. Pla

Según Kendall (1980),(1922) en el estudio propio del campo multivariado pueden utilizarse diferentes enfoques, tanto por los distintos tipos de situaciones que se presentan al obtener los datos, como por el objeto específico del análisis.

Los más importantes son:

a) Simplificación de la estructura de los datos.
b) Clasificación.
c) Análisis de la interdependencia.
d) Análisis de la dependencia.
e) Formulación y prueba de hipótesis.

En los casos de poblaciones univariadas, casi siempre es posible caracterizar completamente la distribución de probabilidades a partir de dos parámetros: la media y la varianza. La inferencia estadística exige, entonces, tomar una muestra aleatoria y calcular los mejores estimadores de estos dos parámetros. El análisis termina con la interpretación de las dos estimaciones. Sin embargo, para el caso multivariado en que se estudia una población p variada, es decir un conjunto de individuos donde se han observado o medido p características o propiedades, se dispondrá de p medias, p varianzas y (1/2) p (p-1) covarianzas, que no sólo deben ser estimadas, lo cual no es difícil con las computadoras digitales, sino que deben ser interpretadas.

Contenido:

Parte I. Fundamentos teoricos
Capítulo 1. El universo multivariado y su análisis
Capítulo 2. El método de análisis por componentes principales
Capítulo 3. Interpretación de los componentes principales
Parte II. Estudio de casos
Capítulo 4. Característica de la producción lechera de un distrito
Capítulo 5. Análisis florístico de vegetación seminatural
Capítulo 6. Análisis de clasificación por asignatura
Bibliografía
Agradecimientos

Formato:  pdf Comprimido:  Sí Peso:  13.32 MB Lenguaje:  Español

Sin comentarios.

Deja tu Comentario