Академический Документы
Профессиональный Документы
Культура Документы
library(readr)
datos=read_csv("E:/MULTI/Libro1.csv")
View(datos)
INTERPRETACION :
Con el comando Str obtenemos una información estructurada del tipo de variable en este caso los
tipos de variable que predominan son enteros(int) y numéricos(num)
class(datos)
datos=datos[,-5]
INTERPRETACION : Nos muestra una clara vista de estructura y no están 5 variables que
anteceden a IMC
# Analisis descriptivo
summary(datos)
INTERPRETACION : El summary nos muestra un resumen , una síntesis de todas las variables , los
valores minimos ,máximos,la media y mediana
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
boxplot(datos,col=10:16)
INTERPRETACION: En el Grafico se observa un evidente error o datos oustlier que están fuera del
rango de las medianas en las cajas de glicemia_basal asimismo en cot_tot
cor(datos) # Correlacion
is.na(datos)
which (is.na(datos))
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
>
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
INTERPRETACION : El resultado sirve para deteccion de valores NA o ausentes en este caso no
existe valores ausentes
library(psych)
describe(datos)
INTERPRETACION: Se Observa el nivel de relación que cada variable tiene con las otras , en donde
el color azul esta mucho mas notorio indica que existe una buena evidente correlacion.
library(carData)
library(tibble)
library(data.table)
library(car)
x11()
scatterplotMatrix(datos)
# estudio:
#entre las variables. De ser igual a cero (matriz no singular), esto indicaría
#que es muy cercano a 0, lo que sugiere un alto nivel de colinealidad en el conjunto de variables
involucradas en la matriz}
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
#supuesto de colinealidad
det(Rcor)
#es decir a valores pequeños de K-squared expresa que existe una homogeneidad en las varianzas
#y por lo consiguiente existen un buen número de correlaciones positivas entre las variables y
#con un alfa=0.05.
#test proporciona la probabilidad de que la matriz de correlación de las variables sea una matriz
identidad
#Por consiguiente vamos a ubicar el cálculo de los estimadores del Test de Bartlett y el MSA(KMO):
bartlett.test(datos)
print(cortest.bartlett(Rcor,n = nrow(datos)))
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
#Los valores pequeños indican que el análisis factorial puede no ser una buena idea,
#dado que las correlaciones entre los pares de variables no pueden ser explicadas por otras
variables.
#Los menores que 0.5 indican que no debe utilizarse el AF con la matriz de datos que se están
analizando
library(psych)
KMO(datos)
# Bartlett y el MSA(KMO)
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
CPnorotado1<-principal(datos,nfactors=1,rotate="none",use=pairwise)
CPnorotado1
#grafico de sedimentacion
plot(sedimentacion,type="lines")
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
En el segundo grafico se visualiza el número de factores o componentes la línea roja indica que
existe una optima coordinalidad .
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
La determinacion del número de factores a retener es, en parte, arbitraria y queda a juicio del
investigador.
Un criterio es retener los factores con valor propio superior a 1.
Tambien podemos representar un gráfico de sedimentación (scree plot) de los valores propios
como el de
la figura anterior considerar el numero de componentes en el que el descenso se estabiliza.
5 permiten una representacion grafica en 5 dimensiones.
rotacion varimax
Con el fin n de facilitar la interpretacion del signicado de los factores seleccionados se suele llevar
acabo una rotacion de los ejes factoriales. Uno de los metodos mas corrientes es el Varimax,
desarrolladopor Kaiser (1958), que efectua una rotaci_on ortogonal de los ejes factoriales. El
objetivo de la rotación Varimax es conseguir que la correlacion de cada una de las variables sea lo
mas proxima a 1 con solo un de los factores y proxima a cero con todos los demas.
Recordemos que las correlaciones de las variables con las componentes obtenidas han sido las
siguientes:
Cprotado
MARI MARITZA RAMOS AROHUANCA
SCRIPT Y SALIDA DE COMPONENTES PRINCIPALES
INTERPRETAICON : En este análisis de componentes principales con varimax se observa la
generación de un componente para las variables en donde la proporción de la variable es 0.72
También nos indica que la chi cuadrada es de 6.59 con una probabilidad <0.25