Asignatura Datos del alumno Fecha

Apellidos: Caranqui Sánchez

Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

Actividades

Trabajo: Análisis discriminante

Objetivo

Aprender a usar e interpretar el análisis discriminante.

184,51
Descripción

Se tienen los siguientes datos sobre las piezas de una determinada fábrica que tiene 2
pisos:

N Longitud Anchura Altura Densidad Volumen Piso

1 178.5 135 136 71 124 2

2 171.5 148.5 132.5 65 146.5 2

3 180.5 139 132 74.5 134.5 2

4 183 149 121.5 76.5 142 2

5 169.5 130 131 68 119 2

6 172 140 136 70.5 133.5 2

7 170 126.5 134.5 66 118.5 2

8 182.5 136 138.5 76 134 1

9 179.5 135 128.5 74 132 1

10 191 140.5 140.5 72.5 131.5 1

11 184.5 141.5 134.5 76.5 141.5 1

12 181 142 132.5 79 136.5 2

13 173.5 136.5 126 71.5 136.5 2

14 188.5 130 143 79.5 136 2

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

N Longitud Anchura Altura Densidad Volumen Piso

15 175 153 130 76.5 142 1

16 196 142.5 123.5 76 134 1

17 200 139.5 143.5 82.5 146 1

18 185 134.5 140 82.5 137 1

19 174.5 143.5 132.5 74 136.5 1

20 195.5 144 138.5 78.5 144 1

Realiza un análisis discriminante de todos.

Entrega

Deberás entregar un análisis discriminante en el que expliques todos los pasos dados y
la interpretación de los datos. Puedes usar un programa o paquete estadístico para
hallar la solución.

Extensión máxima

La extensión máxima será de 10 páginas con fuente Georgia 11 e interlineado 1,5.

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

Los datos corresponden a las piezas de una determinada fábrica que tiene 2 pisos en las
que se tomaron diferentes medidas de longitud, anchura, altura, densidad y volumen. Se
trata de hacer un análisis discriminante sobre dos pisos de la fábrica.
Analizar -> Clasificar -> Discriminante

En la variable de agrupación se define el rango de 1 a 2 (cualitativa) y longitud,

anchura, altura, densidad y volumen como variables independientes

Un análisis discriminante estadístico inicial de descriptivos como medias y ANOVAs

univariados

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

En la clasificación calculamos las probabilidades según el tamaño de grupos

dependiendo del porcentaje que se tenga.

La probabilidad de pertenecer a un grupo y también para saber en qué grupo cae.

Estadísticas de grupo
Desviación N válido (por lista)
Piso Media estándar No ponderados Ponderados
1 Longitud 186,350 8,9506 10 10,000
Anchura 141,000 5,4518 10 10,000
Altura 135,000 6,3070 10 10,000
Densidad 76,900 3,3895 10 10,000
Volumen 137,850 5,1804 10 10,000
2 Longitud 176,800 6,4213 10 10,000
Anchura 137,650 7,6196 10 10,000
Altura 132,500 5,8166 10 10,000
Densidad 72,150 5,1210 10 10,000
Volumen 132,700 9,3429 10 10,000
Total Longitud 181,575 9,0267 20 20,000

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

Anchura 139,325 6,6733 20 20,000

Altura 133,750 6,0426 20 20,000
Densidad 74,525 4,8787 20 20,000
Volumen 135,275 7,8127 20 20,000
Media, desviación estándar número de casos validos (ponderado y no ponderado) para
cada uno de los grupos y para la muestra total. Nos da como resultado una media en
donde podemos ver que no existe mucha diferencia entre las piezas del piso 1 y piso 2.
Pero con la salvedad de que en el piso 1 de producen piezas de mayor longitud, anchura,
altura, densidad y volumen.

Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
1 ,418a 100,0 100,0 ,543
a. Se utilizaron las primeras 1 funciones discriminantes canónicas en el
análisis.

Lambda de Wilks
Lambda de
Prueba de funciones Wilks Chi-cuadrado gl Sig.
1 ,705 6,106 1 ,013

El autovalor es de difícil interpretación por si solo, por eso, se prefiere analizar el

Lambda. La correlación canónica es la correlación entre la función discriminante y la
variable dependiente (1, 2). Los lambda de Wilks entre más pequeño discrimina es
mejor, sin embargo el Sig nos da menos de 0,05 y como en nuestro ejemplo nos da
0,013 por lo tanto la función que se calculó si está explicando bien o discrimina bien la
variable dependiente. El Sig es un criterio importante para saber si mi modelo tiene
variables discriminadoras y la de correlación me la explica en mayor o menor grado.

Prueba de igualdad de medias de grupos

Lambda de
Wilks F gl1 gl2 Sig.
Longitud ,705 7,516 1 18 ,013
Anchura ,934 1,278 1 18 ,273
Altura ,955 ,849 1 18 ,369
Densidad ,751 5,983 1 18 ,025
Volumen ,886 2,324 1 18 ,145

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

Dado que los Sig menores de 0,05 se observan diferencias en los centros de cada
variable para los 2 pisos de la fábrica. Por lo tanto, si influyen.

Coeficientes de función discriminante

canónica estandarizados
Función
1
Longitud 1,000

Se puede afirmar que la variable longitud tiene mayor importancia al momento de

definir los grupos. Las piezas del piso 1 tienen mayor longitud.

Matriz de estructuras

Función
1
Longitud 1,000
Densidada ,634
Volumena ,312
Alturaa ,276
Anchuraa -,013
Correlaciones dentro de grupos combinados entre las
variables discriminantes y las funciones discriminantes
canónicas estandarizadas
Variables ordenadas por el tamaño absoluto de la correlación
dentro de la función.

a. Esta variable no se utiliza en el análisis.

Son correlaciones entre las variables y la función discriminante estandarizada.

A continuación, vemos los gráficos de discriminante canónico de los grupos por
separado con su media, desviación estándar y el número de casos.

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)

 Asignatura Datos del alumno Fecha
Apellidos: Caranqui Sánchez
Técnicas
09/11/2017
Multivariantes
Nombre: Víctor Manuel

TEMA 6 – Actividades © Universidad Internacional de La Rioja. (UNIR)