CalcoloMatriciale e ACP

El ement i di cal col o mat r i ci al e
M et odi St at ist ici e St at ist ica per la Finanza a.a. 2011-2012

M art ino Lo Cascio M auro Aliano
Al cune def i ni zi oni
Ri chi ami di al cune def i ni zi oni e not azi oni :
Si def i ni sce t r aspost a di una mat r i ce X
(n* m)
, i l cui gener i co el ement o [ x
i ,j
] ,
l a mat r i ce X
(m* n)
, i l cui gener i co el ement o [ x
j ,i
] , ot t enut a scambi ando
r i ghe e col onne del l a mat r i ce X.
Quando i l numer o del l e r i ghe par i a quel l o del l e col onne l a mat r i ce vi ene
def i ni t a quadr at a, t al e numer o i dent i f i ca l or di ne del l a mat r i ce; l a mat r i ce
vi ene def i ni t a si mmet r i ca se r i sul t a esser e ugual e al l a sua t raspost a. Casi
par t i col ar i di mat r i ci si mmet r i che:
a) M at r i ce i dent i t (uni t )I con gener i co el ement o i ;
b) Scal ar e, con gener i co el ement o d;
c) M at r i ce di agonal e, con gener i co el ement o d
i .
M at r i ce nul l a (non necessar i ament e quadrat a) O.
2
Oper azi oni t r a mat r i ci : mat r i ce per uno
scal ar e e somma t r a mat r i ci
Prodot t o mat rice per uno scalare: si mol t i pl i ca ogni el ement o del l a mat r i ce
per l o scal ar e.
Somma t ra mat rici: pu esser e f at t a sol o per mat r i ci del l e st esse di mensi oni ,
ci ascun el ement o del l a nuova mat r i ce dat o dal l a somme degl i el ement i
1 3 4 2 6 8
2 X 2 4 5 = 4 8 10
3 5 5 6 10 10
2 7 9 1 3 4 3 10 13
3 7 5 + 2 4 5 = 5 11 10
4 5 5 3 5 5 7 10 10
3
Oper azi oni t r a mat r i ci : i di ver si t i pi di
pr odot t i
Component e per component e, sol o per mat r i ci con l a st essa di mensi one (A e
B), i l gener i co el ement o del l a mat r i ce C, c
i ,j
= a
i ,j
* b
i ,j
, dove a
i ,j
e b
i ,j
sono i
gener i ci el ement i del l e mat r i ci A e B
Righe per colonne: unoperazi one che pu esser e f at t a, dat e due mat r i ci
A
(m,n)
e B
(u,v)
, sol o se n=u. Si mol t i pl i cano l e r i ghe del l a pr i ma mat r i ce per l e
col onne del l a seconda (i l pr odot t o t ra l a si ngol a r i ga e l a si ngol a col onna
i nt eso come pr odot t o t ra due vet t or i con gl i st essi component i ). Il pr odot t o
t ra l a r i ga i -esi ma e l a r i ga j -esi ma i ndi vi dua l el ement o c
i ,j
del l a mat r i ce C=A* B
Prodot t o t ra un vet t ore riga e un vet t ore colonna:
( ovvero prodot t o scalare)
Prodot t o righe per colonne, esempio:
=4x8+5x5+7x6
8
4 5 7 * 5
6
= 99
2 7 6 * 1 3 34 64
3 7 7 2 4 = 38 72
3 5
4
Operazi oni t ra mat r i ci
Indi cat o con X un vet t or e col onna ad n el ement i , si
def i ni sce modul o i l pr odot t o XX = x
2 n
e
pr odot t o scal ar e X = x
5
Pr opr i et del l e oper azi oni t r a mat r i ci
La t raspost a del l a t raspost a del l a mat r i ce A ugual e ad A
A = ( A
i
)
La t raspor t o del pr odot t o t ra due mat r i ci A e B ugual e al pr odot t o del l a
t raspost a di B per l a t raspost a di A
A B
i
= B
i
A
Se D
1
e D
2
sono mat r i ce di agonal e del l o st esso or di ne, al l ora D
1
* D
2
=D
2
* D
1
6
Il det er mi nant e di una mat r i ce
una f unzi one che per met t e di associ ar e ad una mat r i ce quadrat a uno
scal ar e che ne r i assume al cune pr opr i et al gebr i che.
UTI LI ZZI : per quel l o che ci r i guar da, ci per met t e di st udi ar e si st emi di
equazi oni l i near i .
COM E SI CALCOLA: con i l pr ocedi ment o che ut i l i zza i compl ement i al gebr i ci ,
oppur e se l a mat r i ce di or di ne 3 con al r egol a di Sar r us.
Per due mat r i ci A e B (ent rambe quadrat e di or di ne n) si ha che:
1. A* BB* A
2. Det (A* B)= Det (A)* Det (B)
3. Det (B* A)=Det (A* B)
7
Dal pr odot t o r i ghe per col onne al l a
mat r i ce i nver sa
Ai sensi del pr odot t o r i ghe per col onne, e per mat r i ce quadrat e, l eci t o
chi eder si se ci si a una mat r i ce A, t al e che X* A= A* X=I , dove I l a mat r i ce
uni t (t ut t i zer o ad eccezi one del l a di agonal i pr i nci pal e che assume val or i par i
a 1).
NB= i l det er mi nant e del l a mat r i ce I par i a 1! ! ! !
Nel l a sl i de pr ecedent e si vi st o come i l pr odot t o r i ghe per col onne r i spet t i
i l det er mi nant e, per quest o mot i vo:
Det (X)* Det (A)=Det (I);
Det (A)=
1
ct( X)
qui ndi i l af f i nch esi st a una mat r i ce A, i nver sa r i spet t o ad X, i l det er mi nant e
di X deve esser e di ver so da 0, ovver o l e mat r i ci non si ngol ar i (quest a
condi zi one r i sul t a si a necessar i a, si a suf f i ci ent e)
8
Come si cal col a l a mat r i ce i nver sa
Si def i ni sce i nver sa r i spet t o al l a mat r i ce X , l a mat r i ce X
-1 .
La mat r i ce X
-1
dat a dal l a t r aspost a del l a mat r i ce degl i aggi unt i . La mat r i ce
degl i aggi unt i una mat r i ce che al post o (i ,j ), i ndi cat or i di r i ga e col onna, ha i l
compl ement o al gebr i co (del l a mat r i ce X per quel component e) di vi so i l Det (X)
Inf at t i per i l pr i mo el ement o del l a mat r i ce (2) si avr
((-1)
1+1
(80* 10-10* 10))/ det (X)= -20/ 16=-1,25
Per i l secondo, pr i ma r i ga, =((-1)
1+2
(4* 10-10* 6))/ det (X)=20/ 16=1,25
Per i l secondo, pr i ma r i ga, =((-1)
1+3
(4* 10-8* 6))/ det (X)=-8/ 16=-0,5
Quest a pr i ma r i ga ver r t raspost a (i nf at t i l a pr i ma r i ga del l a mat r i ce degl i
aggi unt i ) al f i ne di ot t ener e X
-1
(di vent eranno, i val or i del l a pr i ma col onna di X
-
1
, come si pu veder e! ! )
9
Pr opr i et del l e mat r i ci i nver se
A = ( A
-1
)
-1
( A
i
)
-1
= ( A
-1
)
i
Se A di agonal e e [ o
,
] 0 pcr ogni i, e non
si ngol ar e , l el ement o gener i co di A
-1
1
u
i,i
Se A e B sono non si ngol ar i e del l o st esso
or di ne, al l ora ( A B)
-1
= B
-1
A
-1
10
For me quadrat i che
For ma quadrat i ca di una mat r i ce quadrat a A
(n)
:
X
i
AX= o
,]
x
x
]
n
]
n
Si pu assumer e che A di una f or ma quadrat i ca X

i
AX si mmet r i ca (consi der i amo l a
si mmet r i ca di A, ci o
1
2
A + A ), l a f or ma quadrat i ca:
1
2
X
i
A + A X=
1
2
X
i
AX+
1
2
X
i
A X = X
i
AX
X
i
AX e A sono chi amat e def i ni t e posi t i ve se
X
i
AX>0 X 0
Semi def i ni t e posi t i ve se
X
i
AX 0 X 0
Def i ni t e negat i ve se
X
i
AX<0 X 0
Semi def i ni t e negat i ve se
X
i
AX 0 X 0
Indef i ni t e se
X
i
AX>0 e
i
A < 0
11
Vet t or i l i near ment e i ndi pendent i
Dat i k vet t or i X
1
, . , X
k
t ut t i con n el ement i ,
c
1
X
1
+ + c
k
X
k
(con c
1
. c
k
sono numer i r eal i )
una combi nazi one l i near e dei k vet t or i . I k
vet t or i sono l i near ment e i ndi pendent i quando
ogni possi bi l e combi nazi one l i near e dei vet t or i
di ver sa (ad escl usi one del caso banal e c
1
=...=
c
k
=0) dal vet t or e nul l o.
12
Il rango di una mat r i ce
Nel l al gebra mat r i ci al e rappr esent a i l numer o massi mo di r i ghe o col onne
l i near ment e i ndi pendent i t ra di l or o.
UTI LI ZZI : si st emi l i near i non quadrat i (Teor ema di Rouch Capel l i )
Rg(A)=Rg(A )=Rg(AA )=Rg(AA)
13
Aut oval or i e Aut ovet t or i
Si r i manda al l a sezi one sul l e PC.
14
Cal col o mat r i ci al e i n Evi ews: cr ear e l e
mat r i ci
Per cr ear e mat r i ci , vet t or i e scal ar i i n Evi ews:
mat r i x(3,3) x
(con quest o comando si cr ea una mat r i ce, x, con t r e r i ghe e t r e col onne con
component i t ut t e par i a 0)
vect or (3) u
(con quest o comando si cr ea un vet t or e col onna, u, a t r e el ement i , con
r owvect or (3) u1
(con quest o comando si cr ea un vet t or e r i ga, u1, a t r e el ement i , con
scal ar k
(con quest o comanda si cr ea uno scal ar e k di val or e 0)
15
mat r i ci
Una vol t a cr eat a l a mat r i ce o cr eat o i l vet t or e, i l passo
successi vo e di i nser i r e gl i event ual i val or i al l i nt er no degl i
st essi . Quest o passaggi o, i n Evi ews, pu esser e compl et at o i n
3 modi di f f er ent i :
1. Indi vi duar e gl i el ement i da i nser i r e nel l a mat r i ce e
i nt rodur l i uno ad uno:
u1(1,1)=4
u1(1,2)=5
u1(1,3)=7
u(1,1)=8
u(2,1)=5
u(3,1)=6
16
U1 U
mat r i ci
2. Una vol t a cr eat e l e mat r i ci / vet t or i di 0, si assegnano i val or i del l e component i
cont empor aneament e (comando .f i l l ):
Es.
x.f i l l 1,2,3,2,4,5,3,5,5
u1.f i l l 4,5,7
In quest o modo i val or i i nser i t i , secondo l a sequenza di cui sopr a, seguono un
or di ne sopr a-sot t o per col onne successi ve, ovver o:
Per gl i scal ar i bast a i nser i r e i l l uni co val or e a dest r a del l ugual e
Es. K=2
17
mat r i ci
3. M at r i x assi gnement , una vol t a cr eat e l e seguent i
ogget t i
mat r i x(5,8) x1
scal ar k1
vect or (8) u2
Si passa al l assi gnment
Es. x1=4 (x1 sar una mat r i ce dove t ut t e l e component i
assumono un val or e par i a 4)
k1=5
u2=1 (vet t or e col onna a ot t o component i t ut t e con val or e
1)
18
Operazi oni t ra mat r i ci i n Evi ews
Prodot t o mat r i ce per scal ar e
mat r i x(3,3) z
z=k* x
Somma t ra mat r i ci
mat r i x(3,3) y
y.f i l l 2,3,4,7,7,5,9,5,5
mat r i x(3,3) y1
y1.f i l l 1,2,3,3,4,5,4,5,5
mat r i x(3,3) z1
z1=y+y1
19
1 3 4 2 6 8
2 X 2 4 5 = 4 8 10
3 5 5 6 10 10
2 7 9 1 3 4 3 10 13
3 7 5 + 2 4 5 = 5 11 10
4 5 5 3 5 5 7 10 10
K X
Z
y y1
z1
Operazi oni t ra mat r i ci i n Evi ews
Pr odot t o r i ghe per col onne
mat r i x(2,3) y3
y3.f i l l 2,3,7,7,6,7
mat r i x(3,2) y4
Y4.f i l l 1,2,3,3,4,5
mat r i x(2,2) y5
y5=y3* y4
20
2 7 6 * 1 3 34 64
3 7 7 2 4 = 38 72
3 5
y3
y4 y5
Al t r e f unzi oni i n Evi ews
Traspost a
mat r i x y6 = @t ranspose(x)
Det er mi nant e
scal ar d1 = @det (x)
Rango di una mat r i ce
scal ar rank1 = @rank(x1)
21
Al t r e f unzi oni i n Evi ews
22
mat r i x(3,3) y6
y6.f i l l 2,4,6,6,8,10,8,10,10
mat r i x(3,3) y7 = @i nver se(y6)
y6 y7
ACP
Anal i si i n Component i Pr i nci pal i
Int r oduzi one
Kar l Pear son (1901) i nt r oduce per pr i mo
quest o met odo
Hot el l i ng (1933) l o svi l uppa i n modo pi
compl et o
The Vect or s of M i nd L. L. Thur st one (1934)
La maggi or par t e dei package st at i st i ci
consent ono quest a anal i si (es. Spss, St at a,
Spad, Evi ews et c.)
La mat r i ce dei dat i
Si consi der i una mat r i ce X
n,p
(ovvero una mat r i ce di p vet t or i
col onna di n component i ), mat r i ce degl i scar t i dal l e medi e.
Lobi et t i vo del l ACP di r i dur r e i l numero di var i abi l i ogget t o
del l anal i si (es v<p) ossi a t rovar e una st r ut t ur a di f at t or i l at ent i
che si nt et i zzi l a st r ut t ur a di X
n,p
. In sost anza i f at t or i l at ent i ,
chi amat i anche Component i Pr i nci pal i , non sono al t ro che una
combi nazi one l i near e del l e var i abi l i i n X
n,p
.
Qui ndi si sost i t ui sce l a mat r i ce X
n,p
, con una mat r i ce C
n,v
, dove
v<p.
Perch r i dur r e i l numero del l e var i abi l i ?
Per agevol ar e l i nt er pr et azi one dei dat i ;
Per una si nt esi i nt er pr et at i va dei r i sul t at i ;
Per l i nt er pr et azi one geomet r i ca dei r i sul t at i consegui t i .
Pr i ma osser vazi one
Come i n t ut t e l e anal i si st at i st i che, si pr esent a
una t r ade-of f t ra si nt et i ci t dei r i sul t at i e per di t a
di i nf or mazi one. Inf at t i , pi l a rappr esent azi one
dei r i sul t at i sar si nt et i ca maggi or e sar l a
per di t a di i nf or mazi oni .
Rovesci ando i l concet t o, l a domanda : quant a
i nf or mazi one si amo di spost i a sacr i f i car e (i n
t er mi ni di per di t a) a f r ont e di una maggi or e
si nt esi espl i cat i va dei r i sul t at i ?
L i nt ui zi one geomet r i ca
Per f aci l i t ar e l a compr ensi one di quest o met odol ogi a l a scuol a f r ancese, negl i anni 80,
(Benzcr i , J.-P. (1973). L' Anal yse des Donnes. Vol ume II. L' Anal yse des Cor r espondances.
Par i s, Fr ance: Dunod) ha i nt r odot t o un i nt er pr et azi one geomet r i ca del ACP.
Per sempl i ci t consi der i amo l a mat r i ce X
24,2
. I 24 i ndi vi dui possono esser e r appr esent at i ,
ol t r e che nel pi ano a 2 di mensi oni , anche sul l a r et t a F1, non per dendo una r i l evant e
i nf or mazi one st at i st i ca.
In quest o modo si passa da uno spazi o di anal i si a due di mensi one (X
24,2
) ad uno spazi o con
una uni ca di mensi one (C
24,1
).
Int ui zi one geomet r i ca: come
ot t enut a l a Component e Pr i nci pal e
Dat o l o spazi o di rappr esent azi one degl i i ndi vi dui (f i gura sot t ost ant e) di bar i cent r o G.
Si cer ca i l sot t ospazi o che meno def or ma l a d(e
i
, e
i
), ovver o l a di st anza, per ogni
coppi a di uni t .
Det er mi nazi one anal i t i ca del l a pr i ma
Component e Pr i nci pal e
La pr i ma Component e Pr i nci pal e, cos come l e event ual i al t r e, sono una
combi nazi one l i near e del l e var i abi l i del l a mat r i ce X
n,p
C
1
= u
1,1
X
1
+ u
2,1
X
2
. . u
p,1
X
p
Dove u
1
= [ u
1,1
. u
p,1
] un vet t or e r i ga a nor ma uni t ar i a (l a somma dei
quadrat i dei component i deve esser e par i a 1).
Dat a l a gener i ca C
]
, i val or i che essa assume non sono al t r o che l e coor di nat e
degl i i ndi vi dui nel sot t ospazi o di r i f er i ment o i ndi vi duat o da u
]
.
component e pr i nci pal e
Si cer ca di massi mi zzar e i l quadrat o del seguent e pr odot t o u
1
X (pr oi ezi oni
degl i i ndi vi dui , nel l a f i gura sot t ost ant e M
i
sul l a pr i ma component e pr i nci pal e,
nel l a f i gura sot t ost ant e 0H
i
)
Qui ndi :
Hox u
1
X
2
= Hox( u
1
XX u
1
) = Hox( u
1
)
Dove:
=mat r i ce var i anze e covar i anze di X
X=mat r i ce degl i scar t i
Sub, ovver o sot t o i l vi ncol o che u
1
abbi a nor ma 1:
u
1
u
1
=1
Passando al Lagrangi ano:
I = ( u
1
XXu
1
)
1
( u
1
u
1
1)
Der i vando i l Lagrangi ano r i spet t o a u
1
si
ot t i ene
1
(aut oval or e associ at o al l a pr i ma
component e pr i nci pal e) dal qual e si ot t i ene che:
u
1
XX= u
1

1
Dove u
1
rappr esent a l aut ovet t or e associ at o al l a
pr i ma CP
Det er mi nazi one anal i t i ca del l e
successi ve Component i Pr i nci pal i
Per l e successi ve Component i Pr i nci pal i si
i nt r oduce un ul t er i or e vi ncol o da i nser i r e nel
Lagrangi ano, l a condi zi one di or t ogonal i t
(i ncor r el azi one, dat a da u
1
u
2
=0) degl i
aut ovet t or i . Anal i t i cament e, per l a seconda CP
I = ( u
2
XXu
2
)
2
( u
2
u
2
1) u
1
u
i
2
Det er mi nazi one anal i t i ca del l e
successi ve Component i Pr i nci pal i
Da dove si ot t i ene
u
2
XX= u
2

2
Per l e successi ve Component i Pr i nci pal i , l a procedura di
cal col o adot t at a l a st essa vi st a per l a seconda
Component e Pr i nci pal e. In general e, qui ndi , l a K-esi ma
component e pr i nci pal e sar dat a da una combi nazi one
l i near e del l e var i abi l i cont enut e i n X. I coef f i ci ent i di
quest a combi nazi one l i neare sono dat i dal l aut ovet t or e
carat t er i st i co associ at o al l aut oval or e (
k
) del l a
Component e Pr i nci pal e cal col at a.
Not azi one
Le var i abi l i i nser i t e nel l ACP possono esser e
pr el i mi nar ment e st andar di zzat e; i n quest o caso
i l gener i co el ement o del l a mat r i ce ,
,]
=
1 per i = j e p
,]
= p
],
pcr i ]
Al cune r i f l essi oni
Le Component i Pr i nci pali pr esent ano var i anza non cr escent e i n
f unzi one dell a lor o est razione. Ovvero la pr ima CP pr esent a una
var i anza non i nf er ior e r i spet t o al l a seconda; l a quale a sua volt a
possi ede una var i anza non i nf er i or e al l a t er za et c..
Il numero massi mo di Component i Pr inci pal i i ndividuabi l i i n una
mat r i ce X
n,p
p, pat t o che X abbi a rango al meno par i a p.
Dat a l a condi zi one di or t ogonal it i nt rodot t a a par t i r e dal la
seconda Component e Pr i nci pal e, l e cor r elazi oni t ra le component i
pr i nci pal i r i sul t a nul l a.
Dat a l a mat r ice X, cost i t uit a da p vet t or i col onna i cui el ement i sono
st andar di zzat i non assicurat a l a pi ena cor r i spondenza dei r i sul t at i
ot t enut i r i spet t o al l a mat r i ce X non st andar di zzat a
Al cune r i f l essi oni
La t racci a dell a mat r ice var ianze e covar i anze di X () r i sul t a par i al la
somma del le var i anze del l e component i pr i nci pali (dat e dagl i
aut oval or i associ at i a ci ascuna di esse)
= Ir
p
Dat o che l e component i pr inci pal i sono, per cost r uzione, t ra di esse
i ncor r el at at e, i l cont r i but o del l a si ngol a CP (k-esima ad esempio)
al l a var i abi l i t compl essi va (si veda i l punt o pr ecedent e) dat o da:
\
k
\
i
p
i
=
\
k
1Z
Dove Ir l a t racci a del l a mat r i ce var i anze e covar i anze di X
Quant i f at t or i sel ezi onar e? I cr i t er i di
scel t a
Quant i f at t or i sel ezi onar e? Non c una r i spost a
uni voca a quest a domanda. Vengono pr opost i ,
i nvece, una ser i e di cr i t er i per l a scel t a del
numer o di f at t or i .
I pr i nci pal i cr i t er i sono:
Tassi di i ner zi a
Aut oval or e super i or e a 1 (Ei genval ue one)
Scr ee t est
Cr i t er i di sel ezi one dei f at t or i : i t assi di
i ner zi a
Dat o che
k
non al t r o che l a var i anza del l a
component e pr i nci pal e k-esi ma, i nol t r e dat o che
l e CP sono t ra l or o i ncor r el at e, si possono
sel ezi onar e l e pr i me k CP a pat t o che quest e
spi eghi no al meno l o% (stobilito oprioristi
comcntc) del l a t r acci a del l a mat r i ce var i anze e
covar i anze di X:
\
i
k
i
\
i
p
i
=
\
i
k
i
1Z
> o%
Cr i t er i di sel ezi one dei f at t or i :
ei genval ue one
Quest o cr i t er i o val i do i n pr esenza di var i abi l i
st andar di zzat e, si sel ezi onano CP f i no a quando

k
r i sul t a super i or e a 1. In quant o l a sel ezi one
di una CP con , ovver o var i anza, i nf er i or e ad
uno det er mi na un i ncr ement o del l a var i anza
t ot al e spi egat a i nf er i or e r i spet t o a quel l o f or ni t o
da una qual si asi var i abi l e consi derat e a se
st ant e.
Cr i t er i di sel ezi one dei f at t or i : scr ee
t est
Il t asso di i ner zi a f unzi one decr escent e, qui ndi
consi der i amo gl i aut oval or i (e qui ndi l e CP)
pr i ma del sal t o massi mo, vi si bi l e dal graf i co
chi amat o scr ee pl ot , ovver o i l graf i co degl i
aut oval or i .
Rel azi oni t r a var i abi l i e CP: i l cer chi o
del l e cor r el azi oni
Il cer chi o del l e cor r el azi oni una rappr esent azi one graf i ca che si ot t i ene
pr oi et t ando i punt i del l a var i abi l e posi zi onat i sul l i per sf era con r =1 sul pi ano
f at t or i al e. Al l i nt er no del cer chi o di raggi o uni t ar i o si col l ocano t ut t e l e
pr oi ezi oni dei punt i var i abi l e, con coor di nat e par i al l a cor r el azi one del l a
var i abi l e r i spet t i vament e con i l i -mo e j -mo asse f at t or i al e. Per conoscer e
l i mpor t anza di ci ascuna var i abi l e r i spet t o ad un f at t or e, suf f i ci ent e
guar dar e l e sue coor di nat e: pi el evat e sono l e coor di nat e, pi i l punt o
vi ci no si a al l a ci r conf er enza e al l asse, pi i nci de nel l a cost r uzi one del l asse
st esso. General ment e, punt i sul l a st essa bi set t r i ce hanno st esso coef f i ci ent e
di cor r el azi one. Per i nt er pr et ar e gl i assi , bi sogna qui ndi guar dar e qual i
var i abi l i sono concent rat e su una pol ar i t e qual i su quel l a oppost a.
Esempi o cer chi o del l e cor r el azi oni : i l
dat aset
Si anal i zzano i pr ezzi di l i st i no e l e speciche siche di numer ose mar che e model l i di
vei col i . I pr ezzi di l i st i no e l e speciche siche sono st at e ot t enut e dal si t o
edmunds.com e dai si t i dei pr odut t or i . Le var i abi l i anal i zzat e sono:
Pr i ce= pr ezzo di vendi t a del model l o
M pg= mi gl i a per gal l one
Type= t i pol ogi a di vei col o
Wheel bas= i nt erasse
Lengt h= l unghezza
Wi dt h= l ar ghezza
Fuel _cap= capi enza del ser bat oi o
Cur b_wgt =peso del l a car l i nga
Engi ne_s= pol l i ci cubi del mot or e
Hor sepower = caval l i vapor e
Resal e= pr ezzo di r i vendi t a a 4 anni dal l acqui st o
Sal es= ammont ar e del l e vendi t e i n mi gl i ai a di $
Le uni t anal i zzat e sono 157.
Rel azi oni t r a var i abi l i e CP: i l cer chi o
del l e cor r el azi oni
Dal cer chi o del l e cor r el azi oni
al l i nt er pr et azi one del f at t or e
Per quant o concer ne i l r uol o del l e var i abi l i , si
anal i zza sul cer chi o del l e cor r el azi oni e si
consi derano l e var i abi l i che pr esent ano el evat i
val or i di cor r el azi one con i f at t or i .
Per ogni f at t or e si consi derano l e cor r el azi oni
con l e var i abi l i che sono pi el evat e i n val or e
assol ut o r i spet t o a quel l e most rat e con gl i al t r i
f at t or i , al f i ne di at t r i bui r e un si gni f i cat o
(bat t ezzar e) i l f at t or e st esso.
Il cont r i but o del l i ndi vi duo al l asse
f at t or i al e k-esi mo
Per quant o r i guar da gl i i ndi vi dui i nt er essant e val ut ar e
quant o un i ndi vi duo cont r i bui sce al l a spi egazi one del l a
var i abi l i t di un asse f at t or i al e.
Dat o che z
k
dat o dal l a somma dei quadrat i del l e coor di nat e
di ci ascun punt o i ndi vi duo ( C
k
) con un peso
p
(general ment e esso par i a

1
n
) ovvero z
k
=
p
C
k
2 n
al l ora possi bi l e cacol ar e i l cont r i but o assol ut o

del l i ndi vi duo al l asse f at t or i al e k-esi mo:
contr
=
pro]
C
k
2
z
k
Dove :
pro]
= l a proi ezi one del l i ndi vi duo j -esi mo

Cont r i but o r el at i vo del l a var i abi l e
al l asse f at t or i al e k-esi mo
Al l o st esso modo possi bi l e cal col ar e i l
cont r i but o del l a var i abi l e r i spet t o al l asse
f at t or i al e k.
Il cont r i but o assol ut o i ndi ca quant o l j -esi ma
var i abi l e ha cont r i bui t o al l a cost r uzi one del k-
esi mo asse f at t or i al e ovver o, post o che i l k-
esi mo asse quel l o che r ende massi ma l a
somma dei quadrat i dei coef f di cor r el azi one t ra
var i abi l i ed asse k-esi mo .
Cont r i but o r el at i vo del l a var i abi l e
al l asse f at t or i al e k
Qui ndi :
z
k
= r
2
( X
, C
k
)
p
Dove r
2
( X
, C
k
) i ndi ca i l quadrat o del l cor r el azi one t ra
l a var i abi l e i -esi ma e i l f at t or e k-esi mo.
Per quest a ragi one i l cont r i but o assol ut o del l a var i abi l e i -
esi mo pu esser e cal col at o come:
contr:or
=
r
2
( X
, C
k
)
z
k
Il cont r i but o r el at i vo
General ment e ut i l e conoscer e l a qual i t di
rappresent azi one di un punt o, o di un i ndi vi duo, sugl i assi
f at t or i al i , ossi a quant o un asse ha cont r i bui t o al l a
r i cost r uzi one del punt o ( o del l i ndi vi duo).
Il rappor t o t ra l a nor ma r i prodot t a sul l asse f at t or i al e, e l a
nor ma or i gi nar i a del vet t or e associ at o al l el ement o i -mo,
f or ni sce quest a i nf or mazi one.
Quest o rappor t o i n gener e ugual e al coseno del l angol o
f or mat o t ra i l vet t ore rappresent at i vo del l el ement o e
asse f at t or i al e r el at i vo CP k-esi ma.
LACP nel l o spazi o del l e var i abi l i
Pi ut t ost o che rappr esent ar e gl i i ndi vi dui i n uno
spazi o a k<p di mensi oni (dat a X
n,p
) si pu esser e
i nt er essat i a r i dur r e di et i chet t e che
carat t er i zzano gl i i ndi vi dui , i n modo da
rappr esent ar e l e var i abi l i i n uno spazi o j <n.
Anche i n quest o caso si cer ca i l sot t ospazi o di
r i f er i ment o che massi mi zzi l a sommat or i a al
quadrat o del l e di st anze del l e pr oi ezi oni
dal l or i gi ne.
Esempi o Pr i nci pal Component
Base dat i
Si consi der i l a mat r i ce X
(10,2)
(si veda l eser ci zi o svol t o
nel pr i mo i t em a proposi t o del l a c.d. col l et t i vi t b, sl i de
23)
2 1
2 1
2 2
4 1
4 2
4 2
4 3
6 2
6 3
6 3
me dia 4 2
de v. St andard 1, 63299 0,81650
M at r i ce st andar di zzat a
A ci ascun component e si sot t rae l a medi a, per
col onna, e si rappor t a ci ascun di f f er enzi al e al l a
devi azi one st andar d, di col onna.
- 1,225 - 1,225
- 1,225 - 1,225
- 1,225 0,000
0,000 - 1,225
0,000 0,000
0,000 0,000
0,000 1,225
1,225 0,000
1,225 1,225
1,225 1,225
me di a 0 0
de v. St andard 1,00000 1, 00000
Dal l a mat r i ce degl i Scar t i al l a mat r i ce
var i anze e covar i anze
La mat r i ce degl i scar t i coi nci de, si ccome oper i amo con una mat r i ce
st andar di zzat a (e qui ndi a medi a 0), cor r i sponde al l a mat r i ce st andar di zzat a
- 1,225 - 1,225
- 1,225 - 1,225
- 1,225 0,000
0,000 - 1,225
0,000 0,000
0,000 0,000
0,000 1,225
1,225 0,000
1,225 1,225
1,225 1,225
me di a 0 0
de v. St andard 1,00000 1, 00000
=X X
1
n-1
x x
-1,225 - 1, 225 -1,225 0, 000 0, 000 0, 000 0, 000 1,225 1, 225 1, 225
-1,225 - 1, 225 0,000 - 1, 225 0, 000 0, 000 1, 225 0,000 1, 225 1, 225
-1, 225 - 1,225
-1, 225 - 1,225
-1, 225 0,000
0, 000 - 1,225
0, 000 0,000
0, 000 0,000
0, 000 1,225
1, 225 0,000
1, 225 1,225
1, 225 1,225
1
n 1
M at r i ce di Cor r el azi one e Var i anze e
Covar i anze
La t racci a l a somma del l e component i del l a di agonal e pr i nci pal e, i n quest o caso 2.
1,0000 0,6667
0,6667 1,0000
La r i cer ca degl i aut oval or i
Gl i aut oval or i sono dat i dal l a r i sol uzi one del l a seguent e r el azi one:
Jct
1 z 0,6667
0,6667 1 z
=z
2
2z+0,5556=0
La speci f i ca f unzi onal e oz
2
+ bz+c=0
Lequazi one di secondo grado ammet t e due sol uzi oni se > 0, Jo:c = b
2
-
4ac=1,7777l e due sol uzi oni saranno:
z
1,2
=
-b A
2u
; z
1
=1,6666; z
2
= 0,33333
La r i cer ca degl i aut ovet t or i per z
1
Una vol t a i ndi vi duat i gl i aut oval or i oppor t uno i ndi vi duar e gl i aut ovet t or i
associ at i agl i aut oval or i . Gl i aut oval or i sono i ndi vi duat i secondo quant o
segue:
Si consi dera l aut oval or e i n f unzi one del qual e si cer ca l aut ovet t or e, i n
quest o caso z
1
=1,6666 e l o si sost i t ui sce i n quest a mat r i ce
1 z 0,6667
0,66667 1 z
che di vent a
0,6667 0,66667
0,66667 0,6667
Si mol t i pi ca l a mat r i ce di cui sopra per l e component i del l aut ovet t or e (a)
che ora sono i ncogni t e:
0,6667 0,66667
0,66667 0,6667
x
o
1,1
o
2,1
=0 da cui si r i cava i l seguent e si st ema di
equazi oni (Pr ossi ma sl i de)
1
_
0,6667 o
1,1
+ 0,6667 o
2,1
= 0
0,6667 o
2,1
0,6667 o
2,2
= 0
Ipot i zzando che o
1,1
=1 , o
2,1
=1
Tut t avi a i l vet t or e i ndi vi duat o(a= 1; 1 ) non ha nor ma 1(ovver o l a somma dei
quadrat i del l e component i ), qui ndi non r i spet t a l e condi zi oni enunci at e per l a
r i cer ca del l a C.P.. Per nor mal i zzar e l aut ovet t or e (a) si pr ocede al cal col o del l a
nor ma di a come a a = ot t enendo come val or e 2
A quest o punt o di rappor t a ci ascun component e di a al l a radi ce quadrat a
del l a nor ma di a, 2 i n quest o caso. Ot t enendo
l a cui nor ma 1
1 1 1
1
0,707106781
0,707106781
Il punt eggi o sul l a Pr i ma Component e
Pr i nci pal e
A quest o punt o per cal col ar e i punt eggi degl i
i ndi vi dui sul l a component e pr i nci pal e bast a
mol t i pl i car e l a mat r i ce st andar di zzat a per gl i
l aut oval or e i ndi vi duat o
x
=
Val or i , per ci ascun
i ndi vi duo, del l a Pr i ma
La var i anza del l a C.P. par i
a z
1
ovver o a 1,6666! ! !
-1, 225 - 1,225
-1, 225 - 1,225
-1, 225 0,000
0, 000 - 1,225
0, 000 0,000
0, 000 0,000
0, 000 1,225
1, 225 0,000
1, 225 1,225
1, 225 1,225
0,707106781
0,707106781
- 1,73205081
- 1,73205081
- 0,8660254
- 0,8660254
0
0
0,866025404
0,866025404
1,732050808
1,732050808
La seconda Component e Pr i nci pal e
Per i l cal col o del punt eggi o del l a seconda
Component e Pr i nci pal e si segue i l pr ocesso
pr ecedent ement e i l l ust rat o r i f er i t o al l a pr i ma
Component e Pr i nci pal e.
Nel l e successi ve sl i de sar i l l ust rat o i l
pr ocedi ment o per i l cal col o del l a seconda
2
segue:
quest o caso z
2
=0,3333e l o si sost i t ui sce i n quest a mat r i ce
1 z 0,6667
0,6667 1 z
che di vent a
0,6667 0,6667
0,6667 0,6667
Si mol t i pi ca l a mat r i ce di cui sopra per l e component i del l aut ovet t or e (h)
0,6667 0,6667
0,6667 0,6667
x
b
1,1
b
2,1
=0 da cui si r i cava i l seguent e si st ema di equazi oni
(Pr ossi ma sl i de)
2
_
0,6667 b
1,1
+ 0,6667 b
2,1
= 0
0,6667 b
1,1
+ 0,6667 b
2,1
= 0
Ipot i zzando che b
1,1
=1 b
2,1
=-1
Tut t avi a i l vet t or e i ndi vi duat o(h= 1; 1 ) non ha nor ma 1(ovver o l a somma
dei quadrat i del l e component i ), qui ndi non r i spet t a l e condi zi oni enunci at e
per l a r i cer ca del l a C.P.. Per nor mal i zzar e l aut ovet t or e (a) si pr ocede al
cal col o del l a nor ma di h come hx h = ot t enendo come val or e 2
A quest o punt o di rappor t a ci ascun component e di h al l a radi ce quadrat a
del l a nor ma di h, 2 i n quest o caso. Ot t enendo
l a cui nor ma 1 0,707106781
- 0,70710678
1 1 - 1
-1
Il punt eggi o sul l a Seconda
mol t i pl i car e l a mar t r i ce st andar di zzat a per gl i
x
=
a z
2
ovver o a 0,33333
! ! !
-1, 225 - 1,225
-1, 225 - 1,225
-1, 225 0,000
0, 000 - 1,225
0, 000 0,000
0, 000 0,000
0, 000 1,225
1, 225 0,000
1, 225 1,225
1, 225 1,225
0,707106781
- 0,70710678
0
0
-0, 8660254
0,866025404
0
0
-0, 8660254
0,866025404
0
0
Osser vazi oni
Dal l i ndi vi duazi one dei due aut ovet t or i si pu
osser var e l a condi zi oni di or t ogonal i t
0, 70711
- 0, 7071
0, 70711
0,707104
Pr i mo Aut ovet t or e
Secondo Aut ovet t or e
=
Domande
Ogni vol t a che bi sogna cal col ar e una C.P.
bi sogna segui r e quest o pr ocesso?
Se i l numer o del l e var i abi l i o del l e osser vazi oni
aument asse, sar ebbe ancora gest i bi l e come
pr ocesso?
La r i spost a si , ci sono dei sof t war e che seguono l a pr ocedura i l l ust rat a i n quest e sl i de
In modo aut omat i co. Quest i sof t war e come Spss o Spad r i escono a gest i r e anche gr ossi
quant i t at i vi di dat i i nput
St esso esempi o r i sol t o su SPSS 13.0
Si car i cano gl i i nput (mat r i ce st andar di zzat a);
Spss
Spss
Spss
Cl i ccat e su Ext ract i on
Spss
Poi cl i ccat e su OK
Negl i out put t r over et e
Aut oval or i ,
come cal col at i
nel l esempi o
Total Variance Expl ained
1,667 83, 333 83,333 1, 667 83, 333 83, 333
,333 16, 667 100,000 ,333 16, 667 100,000
Component
1
2
Tot al % of Variance Cumulat ive % Tot al % of Variance Cumulative %
Init ial Eigenv alues Extraction Sums of Squared Loadings
Extraction Met hod: Principal Component Analy sis.
Punt eggi f at t or i al i
I punt eggi del l e nuove Component i pr i nci pal i
FAC_1 e FAC_2 sono ugual i a quel l e cal col at e
nel l esempi o di vi so l a radi ce quadra di z
- 1,73205081
- 1,73205081
- 0,8660254
- 0,8660254
0
0
0,866025404
0,866025404
1,732050808
1,732050808
- 1, 341641
- 1, 341641
-0, 67082
-0, 67082
0
0
0,6708204
0,6708204
1,3416408
1,3416408
CP i n Evi ews
CP e conf r ont o con l a
r egr essi one/ cor r el azi one l i near e
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
-2 -1 0 1 2
Component 1 (83.3%)
C
o
m
p
o
n
e
n
t

2

(
1
6
.
7
%
)
Scores (Orthonormal Loadings)
Var i abi l i nel l o spazi o or i gi nar i o
CP1 CP1^ 2 CP2 CP2^ 2
- 1,83 3,33 0 0,00
- 1,83 3,33 0 0,00
- 0,91 0,83 0,912871 0,83
- 0,91 0,83 - 0,91287 0,83
0,00 0,00 0 0,00
0,00 0,00 0 0,00
0,91 0,83 0,912871 0,83
0,91 0,83 - 0,91287 0,83
1,83 3,33 0 0,00
1,83 3,33 0 0,00
Sum 16,666666666667 3,333333333333
1,67 0,33 2, 00
t eori co_Y_X t eor i co_Y_X^ 2 t eor i co_X_Y t eor i co_X_Y^ 2
-0, 8607 0, 7407 -0, 8607 0, 7407
-0, 8607 0, 7407 -0, 8607 0, 7407
-0, 8607 0, 7407 0,0000 0, 0000
0, 0000 0, 0000 -0, 8607 0, 7407
0, 0000 0, 0000 0,0000 0, 0000
0, 0000 0, 0000 0,0000 0, 0000
0, 0000 0, 0000 0,8607 0, 7407
0, 8607 0, 7407 0,0000 0, 0000
0, 8607 0, 7407 0,8607 0, 7407
0, 8607 0, 7407 0,8607 0, 7407
4,4444 4, 4444
0,4444 0, 4444 0,8889
Esempi o Pr i nci pal Component
Base dat i
Si consi der i l a mat r i ce X(5,2)
1 3
3 3
3 5
5 5
4 6
M e die 3,2 4, 4
Dev. St andard 1, 48324 1,341641
M at r i ce st andar di zzat a
A ci ascun component e si sot t rae l a medi a, per
col onna, e si rappor t a ci ascun di f f er enzi al e al l a
devi azi one st andar d, di col onna.
-1, 48324 - 1,04350
-0, 13484 - 1,04350
-0, 13484 0,44721
1,21356 0,44721
0,53936 1,19257
M e di e 0 0
De v. St andard 1 1
La mat r i ce degl i scar t i coi nci de, si ccome oper i amo con una mat r i ce
st andar di zzat a (e qui ndi a medi a 0), cor r i sponde al l a mat r i ce st andar di zzat a
-1, 48324 - 1,04350
-0, 13484 - 1,04350
-0, 13484 0,44721
1,21356 0,44721
0,53936 1,19257
M e di e 0 0
De v. St andard 1 1
=X X
1
n-1
-1, 483 - 1,043
-0, 135 - 1,043
-0, 135 0,447
1, 214 0,447
0, 539 1,193
- 1,48324 - 0,13484 - 0, 13484 1, 21356 0,53936
- 1,0435 - 1, 0435 0,447214 0, 447214 1,19257
x x
1
n 1
M at r i ce di Cor r el azi one e Var i anze e
Covar i anze
1,0000 0,7035
0,7035 1,0000
t r acci a 2,00000
La t racci a l a somma del l e component i del l a di agonal e pr i nci pal e, i n quest o caso 2.
La r i cer ca degl i aut oval or i
Gl i aut oval or i sono dat i dal l a r i sol uzi one del l a seguent e r el azi one:
Jct
1 z 0,7035
0,7035 1 z
=z
2
2z+0,50506=0
La speci f i ca f unzi onal e oz
2
+ bz+c=0
Lequazi one di secondo grado ammet t e due sol uzi oni se > 0, Jo:c = b
2
-
4ac=1,9797 l e due sol uzi oni saranno:
z
1,2
=
-b A
2u
; z
1
=1,70352; z
2
= 0,29648
1
segue:
quest o caso z
1
1 z 0,7035
0,7035 1 z
che di vent a
0,70352 0,7035
0,7035 0,70352
Si mol t i pi ca l a mat r i ce di cui sopra per l e component i del l aut ovet t or e (a)
0,70352 0,7035
0,7035 0,70352
x
o
1,1
o
2,1
1
_
0,70352 o
1,1
+ 0,70352 o
2,1
= 0
0,70352 o
1,1
0,70352 o
2,1
= 0
Ipot i zzando che o
1,1
=1 o
2,1
=0,999990803
Tut t avi a i l vet t or e i ndi vi duat o(a= 1; 0,999990803 ) non ha nor ma 1(ovver o l a
somma dei quadrat i del l e component i ), qui ndi non r i spet t a l e condi zi oni
enunci at e per l a r i cer ca del l a C.P.. Per nor mal i zzar e l aut ovet t or e (a) si
pr ocede al cal col o del l a nor ma di a come ax a = ot t enendo come val or e 2
A quest o punt o di rappor t a ci ascun component e di a al l a radi ce quadrat a
del l a nor ma di a, 2 i n quest o caso. Ot t enendo
l a cui nor ma 1
1 1 0,999991 = 2,000
0,999991
0, 70711
0,707104
Il punt eggi o sul l a Pr i ma Component e
Pr i nci pal e
mol t i pl i car e l a mat r i ce st andar di zzat a per gl i
-1, 483 - 1,043
-0, 135 - 1,043
-0, 135 0,447
1, 214 0,447
0, 539 1,193
x
0, 70711
0,707104
=
- 1,78668
- 0,83321
0, 22088
1,174347
1,224657
a z
1
ovver o a
1,703526471! ! !
La seconda Component e Pr i nci pal e
Per i l cal col o del punt eggi o del l a seconda
Component e Pr i nci pal e si segue i l pr ocesso
pr ecedent ement e i l l ust rat o r i f er i t o al l a pr i ma
Component e Pr i nci pal e.
Nel l e successi ve sl i de sar i l l ust rat o i l
pr ocedi ment o per i l cal col o del l a seconda
2
segue:
quest o caso z
2
1 z 0,7035
0,7035 1 z
che di vent a
0,70352 0,7035
0,7035 0,70352
Si mol t i pi ca l a mat r i ce di cui sopra per l e component i del l aut ovet t or e (h)
0,70352 0,7035
0,7035 0,70352
x
b
1,1
b
2,1
2
_
0,70352 b
1,1
+ 0,70352 b
2,1
= 0
0,70352 b
1,1
+ 0,70352 b
2,1
= 0
Ipot i zzando che b
1,1
=1 b
2,1
=-0,999990803
Tut t avi a i l vet t or e i ndi vi duat o(h= 1; 0,999990803 ) non ha nor ma 1(ovver o
l a somma dei quadrat i del l e component i ), qui ndi non r i spet t a l e condi zi oni
enunci at e per l a r i cer ca del l a C.P.. Per nor mal i zzar e l aut ovet t or e (a) si
pr ocede al cal col o del l a nor ma di h come hx h = ot t enendo come val or e 2
A quest o punt o di rappor t a ci ascun component e di h al l a radi ce quadrat a
del l a nor ma di h, 2 i n quest o caso. Ot t enendo
l a cui nor ma 1
1 1 -0, 99999 = 2,000
- 0,99999
0, 70711
- 0, 7071
Il punt eggi o sul l a Seconda
mol t i pl i car e l a mar t r i ce st andar di zzat a per gl i
-1, 483 - 1,043
-0, 135 - 1,043
-0, 135 0,447
1, 214 0,447
0, 539 1,193
x
=
a z
2
ovver o a 0,296473529
! ! !
0, 70711
- 0, 7071
- 0,31095
0,642515
- 0,41157
0,541894
- 0,46188
Osser vazi oni
Dal l i ndi vi duazi one dei due aut ovet t or i si pu
osser var e l a condi zi oni di or t ogonal i t
0, 70711
- 0, 7071
0, 70711
0,707104
Pr i mo Aut ovet t or e
Secondo Aut ovet t or e
=
Domande
Ogni vol t a che bi sogna cal col ar e una C.P.
bi sogna segui r e quest o pr ocesso?
Se i l numer o del l e var i abi l i o del l e osser vazi oni
aument asse, sar ebbe ancora gest i bi l e come
pr ocesso?
La r i spost a si , ci sono dei sof t war e che seguono l a pr ocedura i l l ust rat a i n quest e sl i de
In modo aut omat i co. Quest i sof t war e come Spss o Spad r i escono a gest i r e anche gr ossi
quant i t at i vi di dat i i nput
St esso esempi o r i sol t o su SPSS 13.0
Si car i cano gl i i nput (mat r i ce st andar di zzat a);
Spss
Spss
Spss
Cl i ccat e su Ext ract i on
Spss
Poi cl i ccat e su OK
Negl i out put t r over et e
1, 703 85, 167 85, 167 1, 703 85, 167 85, 167
,297 14, 833 100,000 ,297 14, 833 100,000
Component
1
2
Tot al % of Variance Cumulat ive % Tot al % of Variance Cumulat ive %
Aut oval or i ,
come cal col at i
nel l esempi o
Punt eggi f at t or i al i
I punt eggi del l e nuove Component i pr i nci pal i
FAC_1 e FAC_2 sono ugual i a quel l e cal col at e
nel l esempi o di vi so l a radi ce quadra di z
- 1,78668
- 0,83321
0,22088
1, 174347
1, 224657
-1,368901
-0,638381
0, 1692318
0, 8997517
0, 9382981
CP i n Evi ews
Input : mat r i ce st ar dar di zzat a dei dat i i ni zi al i
Pr i ma di ef f et t uar e unanal i si i n CP, necessar i o
cr ear e un gr uppo di var i abi l i , i n Evi ews uni co.
98
Eser ci zi o i n Evi ews
1, 703 85, 167 85, 167 1, 703 85, 167 85, 167
,297 14, 833 100,000 ,297 14, 833 100,000
Component
1
2
Tot al % of Variance Cumulat ive % Tot al % of Variance Cumulat ive %
Spss
Le di f f er enze t r a Evi ews e Spss: gl i
scor es
Scor es i n E vi ews Scor es i n Spss
La di f f er enza st a nel f at t o che r i spet t o agl i scor es or i gi nal i , Evi ews st andar di zza per
l a devi azi one st andar d del l a popol azi one ment r e spss per l a devi azi one st andar d
campi onar i a.
Spss 13.0 f or Wi ndows
Aper t ura Pr ogramma
Aper t ura pr ogramma ( Avvi ar e i l pr ogramma
medi ant e col l egament o sul desk oppur e: St ar t
Pr ogrammi Spss f or Wi ndows)
Aper t ura f i l e:
Ti po Fi l e Excel :
1. Fi l e Open Dat a Fi l e Open Dat a i ndi vi duar e dov
si t uat o i l f i l e Esempi o1 - Ti po f i l e ( Tut t i i f i l e o excel )
Spuntare la riga per
Attribuire a ciascuna
variabile il nome contenuto
nella prima riga
Aper t ura Fi l e (2):
Apr i r e Fi l e f or mat o (* .sav) Fi l e di Spss
Fi l e Open Dat a - Cer car e i f i l e che si
desi derano apr i r e es. Car s nel l a Car t el l a Spps
che si apr e come def aul t ( Pr i ma di quest a
operazi one chi uder e e r i apr i r e Spss)
Di zi onar i o Var i abi l i :
Variabili
quantitative
Variabili
qualitative
Unit
statistiche \
osservate
M odi f i car e Var i abi l i
Var i abl e Vi ew :
Pr i ma col onna: Nome del l a var i abi l e ( si modi f i ca
ent r ando nel l a st r i nga)
Seconda col onna: i l t i po di dat i che sono i nser i t i
Ter za col onna: l ampi ezza ovver o i l numer o si spazi che
cont i ene
Quar t a col onna: numer o di deci mal i ammessi
Qui nt a col onna: val or e di et i chet t a
Val ue Label
Spss per met t e di at t r i bui r e un val or e et i chet t a
per ci ascuna var i abi l e;
Per i carat t er i qual i t at i vi ( es. f emmi na -
maschi o; Assent e pr esent e) si sol i t i
at t r i bui r e un val or e numer i co da associ ar e ad
una carat t er i st i ca.
possi bi l e evi denzi ar l o spunt ando i n
In: Vi ew Val ue Label
Val ue Label (2)
Es. i n Car s ; sel ezi onando Val ue Label da
Vi ew, nel l a col onna Or i gi n si osser vano t r e
modal i t :
1. Amer i cane
2. Eur opee
3. Gi apponesi
Come si fa ad attribuire un valore etichetta ad una variabile qualirativa?
(continua
Val ue Label (3)
Per cor so:
Var i abl e vi ew andar e nel l a col onna Val ue
sel ezi onando l a var i abi l e Or i gi n; compar i r
una t abel l a:
Valore della
variabile (es
1,2,3)
Etichetta da
attribuire a
quel valore
Es. se la variabile Origin assume
valore 1 vuol dire che lauto
stata prodotta in U.S.A.
Cr ear e una nuova var i abi l e
Chi amandol a Ai r bag
1= Assent e
2= Avant i
3= Avant i e l at eral e
Esempi o di Cost r uzi one
Eser ci zi o
Cr ear e una var i abi l e che accogl i e i seguent i
val or i :
1, 2, 3, 4 r el at i vi a 6 Ti t ol i et i chet t ando
I seguent i val or i nel modo seguent e:
1= Tr end Ri al zi st a
2= Tr end Ri bassi st a
3= Fase Lat eral e
4= Fase i nver si one t r end
St at i st i che descr i t t i ve:
Ri apr i r e i l f i l e Car s
Per cost r ui r e una t abel l a di f r equenza e al cune
rappr esent azi oni graf i che;
Anal i ze Descr i pt i ve St at i st i cs - Fr equenci es
Tabel l e
1. Inserire la
variabile
2. Entrare e
selezionare:
Quartili; Media,
Mediana; e altre
misure di
dispersione
3. Consente di scegliere il
tipo di grafico
4. Ok
4. Tabella di
frequenza
Out put
Statistics
Vehicle Weight (lbs.)
406
0
2969,56
2811,00
849,827
722206,2
,468
,121
-,752
,242
2222,25
2811,00
3614,75
Valid
Missing
N
Mean
Median
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
25
50
75
Percentiles
1. Statistiche
Descrittive
Tabel l e di Fr equenza (Pr oveni enza aut o)
Country of Origin
253 62,3 62,5 62,5
73 18,0 18,0 80,5
79 19,5 19,5 100,0
405 99,8 100,0
1 ,2
406 100,0
American
European
Japanese
Total
Valid
System Missing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Tabella di
frequenze
Pie Graph
(grafico a
torta)
Espor t azi one del l Out put
In Spss c l a possi bi l i t di espor t ar e i l pr opr i o
Out put .
Posi zi onar si sul l a f i nest ra out out
Fi l e espor t a
Fi nest ra di espor t azi one
1. Dove
posizionarlo
2. Formato
esportazione
(html, xls, txt
Cor r el azi one
Tra mi gl i a per Gal l one e Pot enza del l aut o ;
Anal i ze Cor r el at e - Bi var i at e - Pear son
Correlations
1 -,771**
,000
398 392
-,771** 1
,000
392 400
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Miles per Gallon
Horsepower
Miles per
Gallon Horsepower
Correlation is significant at the 0.01 level (2-tailed).
**.
St andar di zzar e una var i abi l e
Anal i ze - Desci pt i ve st at i st i cs - descr i pt i vi es
Spuntare ed
inserire la o
le variabili
Eser ci zi o (2)
Sul f i l e Car s cal col ar si :
1. l e t abel l e di f r equenza del l a var i abi l e cyl i nder s
2. Pi e char t ;
3. Espor t ar e l out put i n f or mat o ht m sul desk del
pr opr i o pc;
4. Cal col ar e l i ndi ce di cor r el azi one con l a var i abi l e
caval l i ( hor se);
5. Espor t ar e l out put i n f or mat o t xt .
Al cune operazi oni su excel
M at r i ce i nver sa, t raspost a, operazi oni t ra mat r i ci
Cor r el azi oni , medi a, devi azi one st andar d, ecc
At t i var e dai component i aggi unt i vi St r ument i di anal i si
In Of f i ce 2007 compar i r i n Dat i
Per excel 2003 St r ument i Component i Aggi unt i vi - St r ument i di Anal i si ; (
Compar i r i n St r ument i Anal i si dei dat i );
Open Fi l e:
1. Aprire la cartella;
2. Aprire Sample file;
3. Aprire Car_sales.sav
Tabel l a
Sel ect Cases:
Cl i ccar e su Dat a- (i n Basso) Sel ect ed cases
Ser ve per sel ezi onar e uni t st at i st i che /
osser vazi oni che soddi sf ano al cune
carat t er i st i che
Sel ect Cases (2)
Cliccare sul cerchio vuoto:
if condition is satisfied
Sel ect Cases
Condizioni immesse:
Lunit statisica deve avere
come type la modalit 1
(truck)
Condizioni immesse:
Lunit statisica deve avere
sales maggiore di 100
Anal i si dei Cl ust er : Gerar chi ci
Solo sulle unit statistiche
che soddisfano le
condizioni date!!!!
Cl ust er Gerar chi ci
Si inseriscono le variabili
( non quelle
standaridizzate)
Si inserisce
letichetta delle
Unit statistiche
Ci si riferisce alla unit
statistiche
Cl ust er gerar chi ci : Pl ot
Dendogramma;
Per tutti i Cluster
Cl ust er gerar chi ci : M et od
Metodo del
legame singolo
Distanza
Standardizza le
variabili
(quando si
standardizza)
Cl ust er : Out put (1)
Agglomeration Schedule
4 9 2,491 0 0 6
2 5 7,280 0 0 5
1 8 7,536 0 0 7
3 7 7,581 0 0 5
2 3 7,714 2 4 6
2 4 12,095 5 1 8
1 6 14,178 3 0 8
1 2 16,771 7 6 0
Stage
1
2
3
4
5
6
7
8
Cluster 1 Cluster 2
Cluster Combined
Coefficients Cluster 1 Cluster 2
Stage Cluster First
Appears
Next Stage
Nel men Cluster era presente in
Statistic come default
4 e 9 sono i primi Cluster con un
coefficiente di distanza pari a
2,49
Questo gruppo lo ritroveremo
nella fase 6 ( si aggrega con 2
il quale a sua volta si era
aggregato con 5 nella fase 2 e
con 3 nella fase 5)
Cl ust er : Out put (2)
Vertical Icicle
X X X X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X
X X X X X X X X X X X X X X
X X X X X X X X X X X X X
X X X X X X X X X X X X
X X X X X X X X X X X
X X X X X X X X X X
Number of clusters
1
2
3
4
5
6
7
8
9
:
G
r
a
n
d

C
h
e
r
o
k
e
e

4
:
E
x
p
l
o
r
e
r

7
:
R
a
n
g
e
r

3
:
C
a
r
a
v
a
n

5
:
W
i
n
d
s
t
a
r

2
:
D
a
k
o
t
a

6
:
E
x
p
e
d
i
t
i
o
n

8
:
F
-
S
e
r
i
e
s

1
:
R
a
m

P
i
c
k
u
p
Case
Codice per ciascun case ( unit
statistica)
Ghiacciolo Verticale
Ci dice che Dakota ed Expedition
si uniscono per uno stage
Cl ust er Out put : dendogramma
Come determinare
il numero di
Cluster
Eser ci zi o
Sul l o st esso f i l e sel ezi onar e l e uni t st at i st i che
con l e seguent i condi zi oni Type=0
Sal es maggi or e di 100
Cr i t er i o di War d.
Espor t ar e i n ht ml i l f i l e sul desk t op.
Comment ar e i r i sul t at i .
Cl ust er K mean
K mean men
Si inserisce
letichetta delle
Unit statistiche
Si inseriscono le variabili
(quelle standaridizzate)
Numero Cluster
Spuntare questa
K mean: It erat e
K mean: Opt i on
Informazioni per
Ogni unit
statistica
K mean: save
Spuntare le
caselle
OK!!
K mean out put (1)
Iteration History
a
,312 ,852 ,780 ,427 ,000
,104 ,284 ,260 ,142 ,000
,035 ,095 ,087 ,047 ,000
,012 ,032 ,029 ,016 ,000
,004 ,011 ,010 ,005 ,000
,001 ,004 ,003 ,002 ,000
,000 ,001 ,001 ,001 ,000
,000 ,000 ,000 ,000 ,000
4,76E-005 ,000 ,000 6,51E-005 ,000
1,59E-005 4,33E-005 3,97E-005 2,17E-005 ,000
Iteration
1
2
3
4
5
6
7
8
9
10
1 2 3 4 5
Change in Cluster Centers
Iterations stopped because the maximum number of iterations
was performed. Iterations failed to converge. The maximum
absolute coordinate change for any center is 2,99E-005. The
current iteration is 10. The minimum distance between initial
centers is 3,148.
a.
K mean: out put (2)
Cluster Membership
Ram
Pickup
1 ,468
Dakota 2 1,277
Durango . .
Caravan 3 1,171
Explorer 4 ,641
Windstar 3 1,171
Expeditio
n
5 ,000
Ranger 2 1,277
F-Series 1 ,468
Grand
Cherokee
4 ,641
Case Number
41
44
45
46
53
54
55
56
57
70
Model Cluster Distance
Distanza dal
centro ( La
distanza
euclidea)
K mean: out put (3)
Distances between Final Cluster Centers
5,052 4,804 5,660 3,306
5,052 2,555 3,685 5,210
4,804 2,555 2,846 3,911
5,660 3,685 2,846 3,754
3,306 5,210 3,911 3,754
Cluster
1
2
3
4
5
1 2 3 4 5
Number of Cases in each Cluster
2,000
2,000
2,000
2,000
1,000
9,000
1,000
1
2
3
4
5
Cluster
Valid
Missing
Eser ci zi o
Apr i r e i l f i l e Tel co_ext ra.sav che si t r ova nel l a
car t el l a sampl e_f i l e ;
Con l e var i abi l i st andar di zzat e e con
un i t erazi one di 20 ot t ener e 3 Cl ust er.
Espor t ar e i l f i l e i n f or mat o * .t xt sul pr opr i o
desk.
A.C.P.: open
File Open Data aprire car_sales nella cartella sample file in tutorial
A.C.P: maschera
Inserire la variabili
non
standardizzate (
ovvero escludere
le Z score del file)
A.C.P: ext ract i on
Inserire come
metodo Principal
Component
Corralation Matrix
se i caratteri sono
misurati
diversamente
Spuntare per
visualizzare il
grafico degli
autovalori
Saranno
selezionate quelle
componenti
principali con
autovalori
superiori a 1
A.C.P: r ot at i on
Massima varianza:
criterio di
individuazione di
autovalori e
autovettori
A.C.P: scor es
Salva la C.P. come
se fosse una
variabile
Salva come
variabili di
regressione
Lasciare la casella
vuota
A.C.P: out put
Communalities
1,000 ,408
1,000 ,866
1,000 ,928
1,000 ,914
1,000 ,808
1,000 ,909
1,000 ,858
1,000 ,780
1,000 ,910
1,000 ,887
1,000 ,865
1,000 ,850
Sales in thousands
4-year resale value
Vehicle type
Price in thousands
Engine size
Horsepower
Wheelbase
Width
Length
Curb weight
Fuel capacity
Fuel efficiency
Initial Extraction
Extraction Method: Principal Component Analysis.
Varianza iniziale:
1 se si usa la
matrice di
correlaione
Varianza spiegata
dalle componenti
principali ( valori
compresi tra 0 e 1
se si usa la
matrice di
correlazione)
Le C.P. sono
selezionate in
base al valore
soglia
dellautovalore
A.C.P: Out put (2)
Total Variance Explained
6,153 51,275 51,275 6,153 51,275 51,275 3,838 31,982 31,982
2,652 22,101 73,376 2,652 22,101 73,376 3,706 30,884 62,866
1,179 9,825 83,201 1,179 9,825 83,201 2,440 20,336 83,201
,740 6,164 89,366
,429 3,576 92,942
,254 2,113 95,054
,193 1,612 96,667
,132 1,100 97,766
,120 ,999 98,765
,074 ,614 99,379
,053 ,438 99,818
,022 ,182 100,000
Component
1
2
3
4
5
6
7
8
9
10
11
12
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Autovalori
Varianza spiegata dalla C.P.
Varianza
cumulata,
perch si
somma
Dati relativi alle
sole componenti
principali
selezionate
A.C.P: graf i co aut oval or i
A.C.P: out put (3)
Component Matrix
a
,110 ,620 ,105
,522 -,765 -,088
,384 ,489 -,737
,645 -,706 -,007
,869 -,211 ,090
,775 -,535 ,149
,677 ,584 ,243
,802 ,240 ,280
,713 ,391 ,499
,929 ,124 -,096
,863 ,213 -,275
-,856 -,038 ,340
Sales in thousands
4-year resale value
Vehicle type
Price in thousands
Engine size
Horsepower
Wheelbase
Width
Length
Curb weight
Fuel capacity
Fuel efficiency
1 2 3
Component
3 components extracted.
a.
Correlazione con
la C.P.
A.C.P.: out put (4)
Analogia con il
cerchio delle
correlazioni
Eser ci zi o 1:
A.C.P sul f i l e Car s ( car t el l a def aul t ):
1. Aut oval or i con val or e super i or e a 1,5;
2. M et hod: var i max;
3. Sal var e l e C.P. come var i abi l i ;
4. Espor t ar e l out put i n f or mat o ht ml sul desk.
Eser ci zi o 2: cl ust er su A.C.P.
Sel ezi onar e l e uni t st at i st i che che hanno
come modal i t del carat t er e t ype=1;
Far e Cl ust er ( gerar chi ci ) sul l e C.P.:
1. Legame si ngol o;
2. Di st anza squar ed eucl i dean
3. Espor t ar e i l f i l e i n f or mat o ht ml
4. Comment ar e i r i sul t at i .

CalcoloMatriciale e ACP

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

CalcoloMatriciale e ACP

Caricato da

Copyright:

Formati disponibili

El ement i di cal col o mat r i ci al e

M et odi St at ist ici e St at ist ica per la Finanza a.a. 2011-2012

Si pu assumer e che A di una f or ma quadrat i ca X

(general ment e esso par i a

al l ora possi bi l e cacol ar e i l cont r i but o assol ut o

= l a proi ezi one del l i ndi vi duo j -esi mo

Potrebbero piacerti anche