277716_es-ES

liliconcom

Uso de métodos multivariados para explorar datos

Vea cómo:

• Comprender y utilizar métodos multivariados (PCA, clustering y K-Means)
• Crear e interpretar correlaciones y diagramas de dispersión multivariados
• Agrupar registros que tienen una gran cantidad de variables en grupos más pequeños de nuevas variables según características comunes.
• Filas de clúster que comparten valores similares en varias variables
• Utilice la agrupación jerárquica para crear un dendrograma, que es un gráfico de árbol dinámico y de respuesta para tablas pequeñas de hasta varios miles de filas.
• Utilice k-Means Clustering para tablas, hasta cientos de miles de filas
• Utilice mapas autoorganizados para formar grupos y formarlos en un diseño particular en una cuadrícula de grupos bidimensional donde la proximidad en el cerco indica similitud de grupos.
• Realizar Análisis de Componentes Principales (PCA) para factores continuos, donde el primer componente principal es la combinación lineal de las variables originales estandarizadas que tiene la mayor varianza posible. y cada componente principal subsiguiente es la combinación lineal de las variables que tiene la mayor varianza posible y no está correlacionada con todos los componentes previamente definidos.
• Analizar correspondencia múltiple para datos categóricos (similar a PCA, pero para datos categóricos)
• Utilice el análisis factorial para identificar factores latentes

Recursos

• JMP® para estadística básica univariada y multivariada: métodos para investigadores y científicos sociales, segunda edición por Ann Lehman, Norm O'Rourke, Larry Hatcher, Edward J. Stepanski
• Visual Six Sigma: Cómo optimizar el análisis de datos, segunda edición por Ian Cox, María Gaudard, Mia L. Stephens

 

Modelado estadístico avanzado