Академический Документы
Профессиональный Документы
Культура Документы
X2
X3
10
11
12
4 36
Anlisis de Datos
A Z la denominamos tabla disjunta completa. Una vez que tenemos Z, el Anlisis de Correspondencias
T
Mltiples se basa en realizar un Anlisis de Correspondencias sobre la matriz B=Z Z (Matrz de Burt) dando
como resultado:
T
B=Z Z
4
1 0
0 1
0 2
1 2
0 1
1 0
0 3
0 0
0 0
Que representa el HIPERCUBO formado por la tabla disjunta completa. La matriz de Burt contiene en la
diagonal principal las distribuciones marginales de cada una de las variables y por bloques las tablas de
frecuencias cruzadas para cada posible par de ellas.
Procedemos con el anlisis de los perfiles fila.
PERFILES FILA
En este grfico estudiaremos la dependencia entre todas las variables. Para eso nos valemos de:
1
ns
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,0278
0,0278
0,0278
0,0834
0,1112
0,139
0,0834
0,139
0,1946
0,0278
0,0834
0,1112
0,1112
A continuacin formamos la matrz D con los elementos z.j en la diagonal principal, sabiendo que:
z.
z
Anlisis de Datos
Y obtenemos como resultado:
D
4 0 0 0 0 0 0 0 0
0 5 0 0 0 0 0 0 0
0 0 3 0 0 0 0 0 0
0 0 0 5 0 0 0 0 0
0 0 0 0 7 0 0 0 0
0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 3 0 0
0 0 0 0 0 0 0 4 0
0 0 0 0 0 0 0 0 4
1
ns
0,1111
0,1389
0,0833
0,1389
0,1944
0,0278
0,0833
0,1111
0
0
0
Conformamos la matriz Dn usando:
0,1111
1
n
0,0834
0,0834
0,0834
0,0834
0,0834
0,0834
0,0834
0,0834
0,0834
0,0834
0
0
0
0
0
0,0834
0
0,0834
Anlisis de Datos
Procedemos a formar la matriz de perfiles fila (perfiles de las modalidades de la variable X):
-1
X = Dn F
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
CLCULO DE COORDENADAS
Procedemos con el clculo de:
-1
S = (1/s)BD
0,3333
0,1333
0,0952
0,3333
0,0833
0,1667
0
0
0,3333
0,1333
0,1429
0,1111
0,25
0,0833
0,3333
0,0667
0,0952
0,2222
0,0833
0,1667
0,1333
0,1111
0,3333
0,3333
0,2222
0,0833
0,0833
0,1667
0,2
0,2222
0,3333
0,1111
0,25
0,25
0,0833
0,0667
0,3333
0,0667
0,2222
0,1333
0,0476
0,3333
0,0833
0,2
0,0667
0,1429
0,3333
0,1667
0,0667
0,1111
0,0667
0,1429
0,3333
Procedemos con el clculo de valores y vectores propios para posteriormente calcular las coordenadas:
-1*
1*
Y = Dn F*Dp- U
Valores y vectores Propios
Obtenemos la matrz con los vectores propios asociados a cada uno de los valores propios:
1= 0.5494
2= 0.5440
Anlisis de Datos
U1
U2
0,3894
-0,4289
-0,435
-0,1259
0,0457
0,5548
0,4458
0,0895
-0,4458
-0,0895
0,2877
-0,1414
0,0895
0,582
-0,4096
-0,3216
0,0324
-0,119
Procedemos a comprobar que los vectores estn normalizados para esto se debe verificar que:
1
De donde observamos que:
9.7981
11.4081
Por lo tanto, dividimos cada vector propio para la raz cuadrada de sus valores de comprobacin y tenemos
los vectores propios a utilizarse:
U1n
0.0397
-0.0444
0.0047
0.0455
-0.0455
0.0294
0.0091
-0.0418
0.0033
Un2
-0.0376
-0.0110
0.0486
0.0078
-0.0078
-0.0124
0.0510
-0.0282
-0.0104
Y1 = Dn F*Dp*
U1n
-1*
Y2 = Dn F*Dp*
U2n
-0,1746
-0,0712
-0,1228
-0,0922
0,1644
0,4176
0,0512
-0,1576
-0,0842
-0,2109
-0,3100
-0,1245
Anlisis de Datos
-0,0494
0,1499
0,5805
-0,2426
0,0392
0,1965
Observamos como para 1 se forman 4 grupos de los cuales observamos que el conformado por individuos
1,5,7,6 es el que capta mayor cantidad de individuos, compartiendo similares caractersticas entre ellos ,
adems observamos como existe una dependencia entre todos los individuos que conforman dichos grupos
puesto que se encuentran en similares posiciones pero con signo contrario.
PROYECCION 2
Observamos como se forman 4 grupos, los cuales no estn muy distantes entre s, por lo que notamos que
existe caractersticas similares entre ellos, hacindolos dependientes entre s.
Grafica en 2d
Interpretacin:
Anlisis de Datos
Para la representacin conjunta notamos de manera ms eficaz la formacin de los grupos de individuos
segn caractersticas en comn que comparten unos con otros, adems notamos como ciertos individuos
tienen ciertas propiedades que les asemeja a otros individuos pero con signo contrario.
PERFILES COLUMNA
Procedemos a realizar el clculo de los perfiles columna, iniciamos con:
1* T
T = F*Dp- F * Dn
-1
0,1978
0,0667
0,1311
0,0477
0,1144
0,1311
0,0667
0,1144
0,0477
0,0834
0,0667
0,2168
0,0667
0,0834
0,1501
0,0667
0,1334
0,1501
0,0667
0,0667
0,2892
0,1112
0,0667
0,178
0,2225
0,0667
0,1311
0,2145
0,1311
0,0477
0,1311
0,0834
0,0477
0,0477
0,1668
0,0477
0,0834
0,1311
0,2145
0,1311
0,0477
0,0834
0,1311
0,0477
0,0834
0,1144
0,1501
0,0477
0,1311
0,1978
0,0477
0,0667
0,1978
0,0477
0,1311
0,1112
0,1311
0,0477
0,0477
0,2423
0,0477
0,1589
0,0834
0,0667
0,0667
0,0834
0,0834
0,4835
0,0667
0,1501
0,0667
0,1334
0,178
0,0667
0,0667
0,2447
0,0667
0,1112
0,0667
0,1144
0,1501
0,0477
0,1311
0,1978
0,0477
0,0667
0,1978
0,0477
0,0477
0,2225
0,0477
0,0477
0,0477
0,1589
0,1112
0,0477
0,2702
0,0834
0,0667
0,0667
0,1668
0,0834
0,0834
0,1501
0,0667
0,2335
U2
U1
0.1852
-0.2188
0.1357
-0.5447
-0.3531
0.1686
-0.0376
-0.3803
-0.4397
0.2508
0.4018
0.2076
0.3152
0.2897
-0.5758
0.0071
-0.1267
-0.4449
0.1394
0.3073
Verificamos que los vectores propios estn normalizados esto es:
Anlisis de Datos
Calculando obtenemos:
.
.
Por lo tanto, dividimos cada vector propio para la raz cuadrada de sus valores de comprobacin y tenemos
los vectores propios a utilizarse:
V1n
V2n
-0,0179
-0,0076
-0,0126
-0,01
0,0173
0,0458
0,005
-0,0175
-0,0089
-0,0231
-0,0317
-0,0133
-0,0048
0,0166
0,0587
-0,0276
0,0043
0,0216
-0,0317
-0,0133
-0,0017
0,0425
0,0241
-0,0142
1*
-1* T
1*
O1 = Dp F *Dn- V1n
O2 = Dp F *Dn- V2n
-2,9613
2,8352
-0,6499
-2,5764
5,0303
0,5183
0,4521
2,6406
-0,3243
-1,8852
-3,9616
8,4344
5,2733
0,9553
-2,148
-3,0528
-0,8166
0,2287
Anlisis de Datos
Interpretacin:
Para la representacin conjunta notamos de manera ms eficaz la formacin de los grupos de variables
segn caractersticas en comn que comparten unos con otros, adems notamos como ciertos individuos
tienen ciertas propiedades que les asemeja a otros individuos pero con signo contrario.