Imagina un conjunto de datos distribuidos aleatoriamente en un área cuadrada. (Las coordenadas x e y son variables aleatorias uniformes). La única agrupación o agrupación se debe a la aleatoriedad. Ahora imagine que la hipótesis alternativa Ha es que los datos se agrupan a través del tiempo. Los mismos datos en una semana parecen estar más agrupados, al menos visualmente. ¿Cómo puedo medir el grado de agrupación en clúster, donde cero no sería una agrupación distinta de la aleatoriedad y 1 serían todos los puntos de datos que se mueven a la misma ubicación? En algún punto intermedio se encontrarían grupos más pequeños donde los datos tienden a divagar y agruparse en varios grupos.
Puedo hacer un Grupo de Medios K utilizando un Rango de Grupos para cada conjunto de datos y elegir el Grupo de Clientes (número de grupos) con el mejor Criterio de Grupo Cúbico (CCC), donde los valores más grandes de CCC indican un mejor ajuste. Luego, puedo comparar el número de grupos, observando que los datos aleatorios tienen más grupos, pero más pequeños. Parece que hay un enfoque más estadísticamente válido para comparar el grado de agrupamiento, por lo que estoy llegando a esta comunidad llena de gente mucho más inteligente que yo.
