Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1) Métodos de dependencia
Suponen que las variables analizadas están divididas en dos grupos:
las variables dependientes y las variables independientes. El objetivo de
los métodos de dependencia consiste en determinar si el conjunto de
variables independientes afecta al conjunto de variables dependientes y
de qué forma.
2) Métodos de interdependencia
Estos métodos no distinguen entre variables dependientes e
independientes y su objetivo consiste en identificar qué variables están
relacionadas, cómo lo están y por qué.
3) Métodos estructurales
Suponen que las variables están divididas en dos grupos: el de las
variables dependientes y el de las independientes. El objetivo de estos
métodos es análizar, no sólo como las variables independientes afectan
a las variables dependientes, sino también cómo están relacionadas las
variables de los dos grupos entre sí.
CLASIFICACIÓN DE LAS TÉCNICAS MULTIVARIANTES
El tipo de relación que está
siendo examinadas es de:
Dependencia Interdependencia.
La estructura de la
relación es entre:
Medicina
• Evaluar la presencia o ausencia de determinados síntomas
clínicos para diagnosticar la enfermedad de un paciente
(análisis discriminante).
• Para estimar la probabilidad de que la sintomatología de una
determinada enfermedad reaparezca antes de un período
determinado, conocidos el tiempo de respuesta al tratamiento
y los distintos hábitos del paciente, (Regresión logística).
• Se tabula las frecuencias de ciertos estímulos y sus respuestas.
Interesa obtener una representación bidimensional de las
correspondencias entre estímulos y respuestas (Análisis
Factorial de Correspondencia).
Biología:
Psicología:
X = X1 X2 ....... Xp
ESTADÍSTICAS
PUNTAJE DE
DIVERSIDAD PUNTAJE DE PUNTAJE DE
CULTURAL Y PUNTAJE DE ACTITUDES PUNTAJE DE EMPATÍA Y
PUNTAJE DE PUNTAJE DE LINGÜÍSTICA EN RECURSOS EN SU CAPACIDADES RESOLUCIÓN
ESTRATEGIAS PROTAGONISMO LOS PROCESOS INSUMO Y LABOR DE DE
METODOLÓGICAS Y PARTICIPACIÓN PEDAGÓGICOS ESPACIOS COTIDIANA COMUNICACIÓN PROBLEMAS
n 6 6 6 6 6 6 6
Media 11,00 7,67 6,67 21,17 13,67 11,00 8,00
Mediana
11,00 8,00 5,50 21,50 14,50 11,00 8,00
Matriz de varianzas-covarianzas muestral, es una
medida de dispersión
La variabilidad de los datos y la información relativa a las
relaciones lineales entre las variables se resumen en la matriz de
varianzas y covarianzas. Esta matriz es cuadrada y simétrica de
orden p, donde los términos diagonales son las varianzas y los
no diagonales, las covarianzas entre las variables. Llamando S a
esta matriz, tendremos que, por definición:
n i 1
EJEMPLO:
MATRIZ DE VARIANZAS-COVARIANZAS
PUNTAJE DE
DIVERSIDAD
CULTURAL Y PUNTAJE DE PUNTAJE DE
PUNTAJE DE LINGÜÍSTICA PUNTAJE DE ACTITUDES PUNTAJE DE EMPATÍA Y
PUNTAJE DE PROTAGONISMO EN LOS RECURSOS EN SU CAPACIDADES RESOLUCIÓN
ESTRATEGIAS Y PROCESOS INSUMO Y LABOR DE DE
METODOLÓGICAS PARTICIPACIÓN PEDAGÓGICOS ESPACIOS COTIDIANA COMUNICACIÓN PROBLEMAS
PUNTAJE DE ESTRATEGIAS
9,200 9,000 8,000 14,000 10,800 8,000 5,200
METODOLÓGICAS
PUNTAJE DE PROTAGONISMO Y
9,000 10,667 6,867 14,067 12,867 7,000 6,800
PARTICIPACIÓN
PUNTAJE DE DIVERSIDAD CULTURAL Y
LINGÜÍSTICA EN LOS PROCESOS 8,000 6,867 10,267 15,667 11,667 7,600 5,800
PEDAGÓGICOS
PUNTAJE DE RECURSOS INSUMO Y
14,000 14,067 15,667 31,367 27,667 13,800 10,000
ESPACIOS
PUNTAJE DE ACTITUDES EN SU LABOR 10,800 12,867 11,667 27,667 28,267 10,000 9,600
COTIDIANA
PUNTAJE DE CAPACIDADES DE 8,000 7,000 7,600 13,800 10,000 8,000 3,600
COMUNICACIÓN
PUNTAJE DE EMPATÍA Y RESOLUCIÓN DE 5,200 6,800 5,800 10,000 9,600 3,600 6,400
PROBLEMAS
p
VT tr (S) s 2j
j 1
7
VT tr (S) s 2j 104.168
j 1
p
1
S 2 s 2j 14.88
p i 1
VG S
3) Varianza Generalizada
Interpretación geométrica:
La varianza generalizada en p
Volumen 2
S
(n 1) p 1
Observación:
No es útil para comparar conjuntos de datos con diferentes
números de variables.
Debido a que la VG se incrementa o decrece monótonamente
al incrementar el número de variables.
4) Varianza Efectiva, Peña y Rodríguez (2003) propusieron la
siguiente medida global de variabilidad:
VE VG S
1/ p 1/ p
DE VG S
1/ 2 p 1/ 2 p
PUNTAJE DE
DIVERSIDAD
CULTURAL Y
LINGÜÍSTICA EN
PUNTAJE DE PUNTAJE DE LOS
ESTRATEGIAS PROTAGONISMO PROCESOS
METODOLÓGICAS Y PARTICIPACIÓN PEDAGÓGICOS
PUNTAJE DE
ESTRATEGIAS 9,200 9,000 8,000
METODOLÓGICAS
PUNTAJE DE
PROTAGONISMO Y 9,000 10,667 6,867
PARTICIPACIÓN
PUNTAJE DE DIVERSIDAD
CULTURAL Y
LINGÜÍSTICA EN LOS 8,000 6,867 10,267
PROCESOS
PEDAGÓGICOS
VT 30.1340
VM 10.0447
VG 48.2671
VE = 3.6410
DE =1.9081
Variabilidad y Distancias
Dados dos vectores xk , xl p , la función “d” es una distancia o
métrica con las siguientes propiedades:
i) d: p x p + ; es decir d(xk , xl )0
ii) d(xk , xk )= 0
iii) d(xk , xl ) = d(xl , xk )
iv) d(xk , xl ) = d(xk , xm ) + d(xm , xl ) (desigualdad triangular)
y
x y
d ( x, y) x y
x
Una familia de medidas de distancias muy conocidas en p son
las distancias de Minkowski:
1/ r
p
r
d (r )
kl ( xkj xlj )
j 1
1/ 2
p
2
r 2d
(2)
kl ( xkj xlj )
j 1
1/ 2
d (2)
kl (xk xl ) M (xk xl )
' 1
1/ 2
di (xi x) S (xi x)
' 1
i 1, 2,...n
EJEMPLO:
Consideremos las primeras cuatro variables de las PEC
MATRIZ DE VARIANZAS-COVARIANZAS
PUNTAJE DE
DIVERSIDAD
CULTURAL Y
PUNTAJE DE LINGÜÍSTICA EN PUNTAJE DE
PUNTAJE DE PROTAGONISMO LOS RECURSOS
ESTRATEGIAS Y PROCESOS INSUMO Y
METODOLÓGICAS PARTICIPACIÓN PEDAGÓGICOS ESPACIOS
PUNTAJE DE
ESTRATEGIAS 9,200 9,000 8,000 14,000
METODOLÓGICAS
PUNTAJE DE
PROTAGONISMO Y 9,000 10,667 6,867 14,067
PARTICIPACIÓN
PUNTAJE DE DIVERSIDAD
CULTURAL Y
LINGÜÍSTICA EN LOS 8,000 6,867 10,267 15,667
PROCESOS
PEDAGÓGICOS
PUNTAJE DE RECURSOS
14,000 14,067 15,667 31,367
INSUMO Y ESPACIOS
VT 61.5
VM 15.3750
VG 249.3765
VE = 3.9739
DE = 1.9935
d1 = 1,3128
d2 =1,7670
Los resultados de las d3 = 1,9849
d4 =1,9535
Distancias de mahalanobis
d5=1,8501
son:
d6 =1,9939
Medidas de Dependencia lineal
Permite evaluar la estructura de dependencia entre las
variables bajo estudio.
Matriz de Correlación; el grado de asociación lineal entre
dos variables se estudia mediante el coeficiente de
correlación simple.
1 r12 r1 p
r21 1 r2 p s jk
R , rjk 1 rjk 1
s 2 2
s
j k
rp1 rp 2 1
MATRIZ DE CORRELACIONES
PUNTAJE DE
DIVERSIDAD
CULTURAL Y PUNTAJE DE
PUNTAJE DE PUNTAJE DE LINGÜÍSTICA EN RECURSOS
ESTRATEGIAS PROTAGONISMO LOS PROCESOS INSUMO Y
METODOLÓGICAS Y PARTICIPACIÓN PEDAGÓGICOS ESPACIOS
PUNTAJE DE ESTRATEGIAS METODOLÓGICAS 1 ,909 ,823 ,824
PUNTAJE DE PROTAGONISMO Y PARTICIPACIÓN ,909 1 ,656 ,769
PUNTAJE DE DIVERSIDAD CULTURAL Y ,823 ,656 1 ,873
LINGÜÍSTICA EN LOS PROCESOS
PUNTAJE DE RECURSOS INSUMOPEDAGÓGICOS
Y ESPACIOS ,824 ,769 ,873 1
2) Correlación Múltiple, permite evaluar el grado de asociación
de una variable “j” con el resto de variables.
R1 = 0.9584
1 R2 =0.9379
Rj 1 R3 = 0.9263
s jj s jj
R4=0.9139
3) Correlaciones Parciales; mide el grado de asociación entre
dos variables controlando el efecto de las otras variables.
Trabajamos con la matriz inversa de la matriz de varianzas-
covarianzas.
s jk 1 / 2 1 / 2
rjk .1,2,...., p P (1) D (S1 ) S 1 D (S 1 )
s jj s kk
EJEMPLO:
-1.0000 0.8394 0.6339 -0.1789
0.8394 -1.0000 -0.5526 0.4352
P
0.6339 -0.5526 -1.0000 0.6946
-0.1789 0.4352 0.6946 -1.0000
4)Coeficiente de Dependencia efectiva; es una medida global
de la dependencia de los datos:
1
CDE 1 R p p 1
ˆij 1 sij
sij 2
s 2
ii
rij .R
s (i)
r sr (i) sii s jj
Ejemplo:
1] ANDERSONT.W.:An Introduction to Multivariate Analysis. 2nd Edition. John Wiley & Sons.
[
[2] BERNARD FLURY. 1997. A First Course in Multivariate Statistics. Editorial Springer – Verlag. New
York Inc.
[3] CASTRO POSADA. 2000. Estadística Multivariante. Análisis de Correlaciones Amaru Ediciones
Melendez 21. Salamanca. España.
[4] CARLES M. CUADRAS, 2007. Nuevos Métodos de Análisis Multivariante . CMC EDITIONS.
España
[5] DANIEL PEÑA, 2002. Análisis de Datos Multivariados. McGRAW-HILL/ Interamericana de
España.
[6] URIEL, EZEQUIEL, ALDAS JOAQUIN. 2005 Análisis Multivariante Aplicado. Editorial Thompson
Editores. España.
7] JOHNSON, R.; WICHERN, D. 1982. Applied Multivariate Statistical Analysis. Editorial Prentice –
Hall Inc.Englewood Cliffs. New Jersey.
[8] MARDIA, KENT AND BIBBY. 1982. Multivariate Analysis. Academic Press. London.
Textos de Consulta:
[1] DALLAS E. JOHNSON. 2000. Métodos Multivariados Aplicados al Análisis de Datos. International
Thomson Editores.
[2] HAIR J., ANDERSON R., TATHAM R., BLACK W. 2001. Análisis Multivariante. Prentice Hall.