metodos-multivariados « WordPress.com Tag Feed

Variantes al modelo lineal general

psirusteam — Thu, 11 Jun 2009 01:52:51 +0000

Felipe Ortiz ha presentado esta charla que entrega un sobrevuelo de las variantes al modelo lineal general. Es una muy buena recopilación que nos recuerda que el estadístico no debe saberlo todo pero sí que debe saber en dónde buscar. Que lo disfruten aligual que yo.

My talk in USTA

psirusteam — Wed, 10 Jun 2009 02:50:32 +0000

Haciendo clic acá encontrará la conferencia divulgativa de los resultados de nuestro nuevo grupo de investigación en muestreo y marketing acerca de este artículo - junto con la propuesta del análisis de correspondencias doblemente ponderado aplicado al posicionamiento de marca y al Brand Equity. La charla estuvo enmarcada en el desarrollo del seminario de investigadores de la Facultad de Estadística de la USTA.

Quick-R, el único portal decente de R en internet

psirusteam — Thu, 01 May 2008 15:27:07 +0000

Para usuarios o potenciales usuarios de R …

Realmente no existe otro software que tenga la potencia de R, en realidad lo prefiero sobre otros pues permite todo tipo de interacciones y se puede hacer tan robusto (con respecto a la capacidad de procesamiento de los datos) como uno quiera. Sin embargo, aunque tenga un profundo sentimiento de amor y lealtad hacia R, tengo que decir que tiene una documentación simplemente horrible y esto hace que el proceso de aprendizaje sea lento. Recientemente comencé a leer la página de Quick-R, un sitio de excelente documentación. Pienso que ha sido dramáticamente útil para mí.

R es un elegante lenguaje de programación estadística y gráfica. Quick-R fue creado para usuarios experimentados de otros paquetes estadísticos como SAS, SPSS, Stata, y Systat. El propósito del sitio es ayudar a lograr un rápido acceso a este lenguaje. Se asume que el usuario está familiarizado con la mayoría de métodos estadísticos. Además de proveer el código necesario para empezar rápidamente la herramienta lo orienta para futuros aprendizajes.

¿Por qué usar R?

Si usted es usuario de paquetes como SAS, SPSS, Stata, o Systat ¿por qué usar R?

Es gratis. Si usted es un profesor o un estudiante, los beneficios son obvios.
Es ejecutable en una variedad de plataformas incluyendo Windows, Unix y MacOS.
Provee una plataforma para la programación de nuevos métodos estadísticos de un amanera sencilla.
Contiene rutinas estadísticas avanzadas que aún no están disponibles en otros paquetes.
Genera potentes gráficos actualizados con el estado del arte.

Estadísticas básicas

Esta sección de Quic-R describe el manejo estadísticas básicas (y no tan básicas). Incluye el código para obtener estadísticas descriptivas, conteos de frecuencia y tabulación cruzada (junto con las pruebas de independencia), correlaciones (Pearson, Spearman y Kendall), pruebas-t (asumiendo varianzas iguales y diferentes), pruebas no-paramétricas de diferencias de grupo ( Mann White U, rango signado de Wilcoxon, pruebas de Kruskall Wallis, pruebas de Friedman), regresión lineal múltiple (diagnóstico, validación cruzada y selección de variables), análisis de varianza (también ANCOVA y MANOVA) y algunas estadísticas basadas en re muestreo.

Estadísticas Avanzadas

Esta sección de Quick-R describe métodos estadísticos un poco más avanzados. Incluye la descripción y exploración de relaciones multivariados complejas entre las variables de estudio.

Modelos predictivos

Modelos lineales generalizados (regresión logística, Poisson y análisis de sobrevida), análisis discriminante (lineal y cuadrático), y modelamiento de series temporales.

Modelos de Variable latente

Incluyendo análisis factorial (componentes principales, análisis de factores exploratorio y confirmatorio), análisis de correspondencias, y escalonamiento multidimensional (métrico y no – métrico).

Métodos de partición

Análisis de clústeres (k-medias), aglomerativo jerárquico y basado en modelos. Métodos de árbol (!aunque también pueden ser incluidos como modelos predictivos!) de clasificación y árboles de regresión.

Otras herramientas

Esta sección incluye bootstrapping en R y programación de álgebra de matrices (algo como los procedimientos MATRIX en SPSS o PROC IML en SAS).

Junto con cada uno de los métodos estadísticos está la contraparte gráfica. Una de las razones principales por la cual deberíamos utilizar R es por su potencia con respecto a la graficación. Por esta y mil razones, usemos R !!!

Métodos multivariados en Excel

psirusteam — Mon, 31 Mar 2008 15:51:00 +0000

Haciendo click aquí tendrá acceso a una macro para Excel que le permite realizar diversas clases de métodos multivariados. La salida principal es un Biplot que es un gráfico de filas y columnas obtenido a partir de datos de una tabla cruzada. Las coordenadas del Biplot se calculan mediante una descomposición en valores singulares (SVD por sus siglas en inglés) de la matriz de datos. El Biplot puede ser usado en muchas técnicas del análisis multivariado para desplegar las relaciones entre variables y objetos.

Este artículo describe la macro para Excel que puede ser usada para graficar un Biplot basado en resultados de análisis de componentes principales, análisis de correspondencias, análisis canónico discriminante, escalonamiento multi-dimensional o análisis de correlación canónica. La macro permite una amplia variedad de transformaciones a priori de los datos antes de realizar el análisis de SVD y consiste en un complemento para Excel que está implementado en Visual Basic. Para que este complemento funcione correctamente requiere Excel 97 o una versión más reciente. El programa calcula la descomposición en valores singulares de la matriz de datos (o de la matriz de datos transformada) y produce un Biplot estándar como en el análisis de componentes principales o de correspondencias. Además, el programa también produce salidas de las otras técnicas mencionadas anteriormente. Los pasos para añadir el complemento en Excel son muy sencillos:

La macro está guardada en el archivo BIPLOT01.XLA que puede ser añadido al ambiente de Excel.
Abra Excel, luego HERRAMIENTAS > COMPLEMENTOS.
Cuando la ventana de complementos aparezca, clic en EXAMINAR y encuentre la ruta en donde se ha guardado el archivo BIPLOT01.XLA.

Si todo ha salido bien, el ítem Biplot aparecerá en su menú de Excel en la parte superior de la hoja de datos. Al seleccionar la opción Biplot se abrirá un menú que consta de dos partes, una para los respectivos cálculos algebraicos y la otra para graficación. También existe un menú de información que le ayudará a implementar mejor sus análisis multivariados.

Algunos usos del biplot en mercadeo

psirusteam — Sun, 23 Mar 2008 22:42:00 +0000

Un mapa perceptual es una herramienta del análisis multivariado usada para describir y retratar las diferencias entre grupos sobre atributos múltiples. El término mapa perceptual es un término general usado para referirse a un conjunto de técnicas estadísticas entre las que se encuentra el análisis discriminante, escalonamiento multidimensional, gráficos de medias grupales, componentes principales, análisis factoriales o una nueva técnica llamada el biplot. El biplot, a diferencia de otras técnicas de mapeo provenientes del análisis multivariado, puede ser usado con diversos tipos de datos como medias, porcentajes, conteos de frecuencias.

En mercadeo es de vital importancia plasmar las relaciones que existen en la mente del consumidor. Es así como un biplot permite determinar agrupaciones de las marcas a distintos atributos de la categoría. Para esto las columnas de la matriz de datos deben corresponder a los atributos propios de la categoría y las filas las marcas de la misma. Hasta ahora el mayor énfasis de los biplots ha sido puesto en examinar las diferencias entre grupos sobre los atributos de la categoría. Sin embargo, esta técnica es muy general y permite otros usos potenciales.

Primero, las columnas en la matriz de datos no deben ser necesariamente atributos de la categoría. Se podría tener una matriz de datos cuyas filas fueran características demográficas de la población encuestada, por ejemplo grupo de edad. Por otro lado las columnas de la matriz de datos corresponderían a las marcas de la categoría y las entradas de la matriz indican la frecuencia de uso de las marcas en cada grupo de edad. Para las categorías que contienen demasiadas marcas, como por ejemplo la categoría de vinos, un biplot plasmaría olas diferencias entre grupos de edad más clara y eficientemente que una enorme tabla con números.

Para los conjuntos de datos que no son demasiado extensos, el biplot puede ser usado para crear agrupaciones (clusters) de individuos. En este caso la matriz de datos debería tener a los individuos en las filas y los atributos como columnas. Los atributos pueden ser afirmaciones de actitud o de uso, marcas, etc. Si las columnas son marcas, las entradas de la matriz de datos podrían indicar frecuencia de uso o puntuaciones generales (overall ratings).

Se podría examinar el biplot para distintos clusters de individuos y entonces usar la información del atributo para caracterizarlos. Esencialmente, la interpretación de la información es la misma que al reemplazar clusters por respondientes. En este caso el resultado del biplot es el mismo que al realizar un análisis factorial (por medio de componentes principales) de los atributos y construir un gráfico mostrando las relaciones de los atributos con los factores y los puntajes de cada factor por individuos.

Adaptado de Market Facts Volumen 29.