MUCHA ESPINOZA, Franco Pavel

 Engloba un grupo de técnicas o métodos estadísticos con la finalidad de analizar

simultáneamente cijuntos de datos multivariantes
 Dar métodos para el estudio de conjunto de datos multivariantes
 Ayudar al analista a decidir, teniendo en cuenta la información disponible por el
conjunto de datos analizado
 1. Métodos de dependencia
 Suponen que las variables se dividen en 2 (dependientes e independientes), su
método consiste en determinar si el conjunto de v. independientes afecta el
conjunto de v. dependientes
 2. métodos de interdependencia
 No distinguen entre variables dependientes o independientes e identifica que
variables están relacionadas, como y por que
 3. modelos estructurales
 No solo analiza el efecto de las variables independientes, sino como están
relacionadas las variables de ambos grupos
Dependencia métrica
 Análisis de regresión: se usa si hay varias
variables dependientes métricas cuyo valor
depende de las independientes métricas
 Análisis de supervivencia: la variable
independiente es el tiempo de supervivencia
 Análisis de la varianza: si la muestra se divide
en varios grupos basados en variables
independientes no métricas y las
dependientes son métricas, averiguan si hay
diferencia entre dichos grupos en cuanto a
variables dependientes
 Correlación canónica: relacionan
simultáneamente las variables métricas
dependientes e independientes calculando
combinaciones lineales
Dependencia no métrica
 Análisis discriminante: averigua las
características de un grupo para utilizarlas
para estimar el grupo de procedencia de otros
individuos
 Modelos de regresión logística: se usa si hay
varias variables dependientes no métricas
cuyo valor depende de las independientes
 Análisis Conjoint: analiza el efecto de variables
independientes no métricas sobre otras
métricas o no métricas, los valores de las
variables independientes no métricas son
fijadas por el analista
 Dependencia métrica:
 Análisis factorial y análisis de componentes principales: analiza interrelaciones entre
variables métricas explicando dichas interrelaciones en términos de un numero menor
de variables
 Escalado multidimensional: trasforma juicios de semejanza o preferencia en distancias
representadas en un espacio multidimensional
 Análisis Cluster: clasifica una muestra de entidades en un numero pequeño de grupos
de forma que las observaciones de un grupo sean similares entre si y distintas del resto
 Dependencia no métrica
 Análisis de correspondencias: se aplica a tablas multidimensionales y es similas a las
escalas multidimensionales
 Modelos log-lineales: se aplica a tablas de contingencia multidimensional y modelizan
relaciones de dependencia multidimensionales de las variables observadas que
buscan explicar las frecuencias observadas
 • objetivo del análisis: definir el problema, los objetivos y técnicas
1

• diseño del análisis: determinar el tamaño muestral, las ecuaciones a estimar, las distancias a
2 calcular y las técnicas de estimación a emplear

• hipótesis del análisis: evaluar las hipótesis subyacentes a la técnica multivariante

3

• relación de análisis: se estima el modelo y se evalúa el ajuste de datos

4

• Interpretación de los resultados: pueden llevar a re-especificaciones de las variables o del

5 modelo

• validación del análisis

6