1. SOLUCION: se parte de un supuesto de que la variables están correlacionadas, • calcular la matriz de varianza y covarianzas de las variables originales, • estandarizar datos, - hallar matriz varianza covarianza de los datos estandarizados, • hallar vectores y valores propios, con los vectores realizamos las combinaciones lineales construyendo una nueva base de datos
1.1. DIFERENCIAS:Solo hay transformación de datos. Enfatiza en el análisis de la varianza total
2. ARM(ANALISIS DE REGRECION MULTIPLE Y LINEAL)
2.1. OBJETIVO:Estimar el valor promedio de una variable, variable dependiente, con base en los valores de una o más variables adicionales, variables explicativas
2.1.1. TECNICA:DEPENDENCIA
2.1.2. MODELO: y1 = β0 + β1x11 + β2x12 + ... + βkx1k + ε1 : : : : : : yn = β0 + β1xn1 + β2xn2 + ... + βkxnk + εn
2.2. SOLUCION: Se realiza mediante prueba de hipótesis, e intervalos de confianza para buscar realizar el análisis de las variables que aportan al modelo • el número de libertad son el # de variables y los grados total es n-1 • Hipótesis nula • Hipótesis alternativa • Estadístico de prueba • Intervalo de confianza • Análisis de resultado
2.2.1. TECNICA:Es un análisis de dependencia
3. ACPM(ANALISIS DE COMPONENTES PRINCIPALES)
3.1. OBJETIVO:Transformar un conjunto de variables denominadas originales en un nuevo conjunto denominado componentes principales; este último conjunto se caracteriza por estar incorrelacionados
3.1.1. MODELO: Z1 = v´1X = v11X1 + · · · + vp1Xp : : : : : : Z2 = v´2X = v12X1 + · · · + vp2Xp
3.1.2. INTERDEPENDENCIA
4. ANALISIS DISCRIMINANTE
4.1. OBJETIVO:Explicar las diferenicas que existen entre los grupos de individuos utilizando variables independientes que buscan pronosticar o clasificar nuevas observaciones
4.1.1. DEPENDENCIA
4.2. SOLUCION:OLUCION: Seleccionar las variables independientes y dependientes • seleccionar la muestra y se sugiere que tenga las mismas proporciones que la poblacion • contruir supuestos que son los mismos que la regresión •calcular la funcion discriminante, validacion de la funcion discriminante
4.2.1. TECNICA:DEPENDENCIA
5. AF(ANALISIS FACTORIAL)
5.1. OBJETIVO:Es una técnica de reducción de datos que examina la interdependencia entre los valores originales y proporciona conocimiento de la estructura subyacente de las mismas
5.1.1. MODELO: X1 = a11 F1 + a12 F2 + … + a1k Fk + u1 : : : : : Xp = ap1 F1 + ap2 F2 + … + apk Fk + up
5.1.2. TECNICA: INTERDEPENDENCIA
5.2. SOLUCION:calcular la matriz de correlaciones entre todas las variables, • extracción de los factores necesarios para representar los datos analizando las cargas, • rotación de los factores con objeto de mejorar la interpretación, • calcular las puntuaciones factoriales de cada individuo
5.2.1. DIFERENCIAS: se basa en supuestos,Busca explicar la correlación entre las variables principales
6. ANALISIS CLUSTER
6.1. SOLUCION:• construya una base de datos de n observaciones con p variables para cada individuo •establecer un indicador que muestre en cada medida cada par de observaciones. •conformar grupos(jerarquico,nojerarquico)
6.1.1. OBJETIVO:Es una tecnica diseñada para clasificar distintas observaciones o individuops en grupos de tal forma que cada grupo sea homogeneo, respecto a las variables utilizadas para caracterizarlo
6.1.2. euclidea,euclidea cuadrada, minkosky,taxista
6.1.3. método del centroide,método ward, método de vinculación promedio,método vecino mas lejano,método vecino mas cercano