Asignatura
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez
Técnicas Multivariantes
09/11/2017 Nombre: Víctor Manuel
Acc t i v i d a d e s A Trabajo: Análisis discriminante Objetivo Aprender a usar e interpretar interpretar el análisis discriminante. discriminante. 184,51 Descripción Se tienen los siguientes datos sobre las piezas de una determinada fábrica que tiene 2 pisos:
N
Longitud
Anchura
Altura
Densidad
Volumen
Piso
1
178.5
135
136
71
124
2
2
171.5
148.5
132.5
65
146.5
2
3
180.5
139
132
74.5
134.5
2
4
183
149
121.5
76.5
142
2
5
169.5
130
131
68
119
2
6
172
140
136
70.5
133.5
2
7
170
126.5
134.5
66
118.5
2
8
182.5
136
138.5
76
134
1
9
179.5
135
128.5
74
132
1
10
191
140.5
140.5
72.5
131.5
1
11
184.5
141.5
134.5
76.5
141.5
1
12
181
142
132.5
79
136.5
2
13
173.5
136.5 136.5
126
71.5
136.5
2
14
188.5
130
143
79.5
136
2
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez
Técnicas Multivariantes
09/11/2017 Nombre: Víctor Manuel
N
Longitud
Anchura
Altura
Densidad
Volumen
Piso
15
175
153
130
76.5
142
1
16
196
142.5
123.5
76
134
1
17
200
139.5
143.5
82.5
146
1
18
185
134.5
140
82.5
137
1
19
174.5
143.5
132.5
74
136.5
1
20
195.5
144
138.5
78.5
144
1
Realiza un análisis discriminante de todos. Entrega Deberás entregar un análisis discriminante en el que expliques todos los pasos dados y la interpretación de los datos. Puedes usar un programa o paquete estadístico para hallar la solución. Extensión máxima La extensión máxima será de 10 páginas con fuente Georgia 11 e interlineado 1,5.
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura Técnicas Multivariantes
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez 09/11/2017 Nombre: Víctor Manuel
Los datos corresponden a las piezas de una determinada fábrica que tiene 2 pisos en las que se tomaron diferentes medidas de longitud, anchura, altura, densidad y volumen. Se trata de hacer un análisis discriminante sobre dos pisos de la fábrica. Analizar -> Clasificar -> Discriminante
En la variable de agrupación se define el rango de 1 a 2 (cualitativa) y longitud, anchura, altura, densidad y volumen como variables independientes
Un análisis discriminante estadístico inicial de descriptivos como medias y ANOVAs univariados
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura Técnicas Multivariantes
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez 09/11/2017 Nombre: Víctor Manuel
En la clasificación calculamos las probabilidades según el tamaño de grupos dependiendo del porcentaje que se tenga.
La probabilidad de pertenecer a un grupo y también para saber en qué grupo cae. Estadístic as de grupo Desviación Piso 1
2
Total
Media
estándar
N válido (por lista) No ponderados
Ponderados
Longitud
186,350
8,9506
10
10,000
Anchura
141,000
5,4518
10
10,000
Altura
135,000
6,3070
10
10,000
Densidad
76,900
3,3895
10
10,000
Volumen
137,850
5,1804
10
10,000
Longitud
176,800
6,4213
10
10,000
Anchura
137,650
7,6196
10
10,000
Altura
132,500
5,8166
10
10,000
Densidad
72,150
5,1210
10
10,000
Volumen
132,700
9,3429
10
10,000
Longitud
181,575
9,0267
20
20,000
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez
Técnicas Multivariantes
09/11/2017 Nombre: Víctor Manuel
Anchura
139,325
6,6733
20
20,000
Altura
133,750
6,0426
20
20,000
Densidad
74,525
4,8787
20
20,000
Volumen
135,275
7,8127
20
20,000
Media, desviación estándar número de casos validos (ponderado y no ponderado) para cada uno de los grupos y para la muestra total. Nos da como resultado una media en donde podemos ver que no existe mucha diferencia entre las piezas del piso 1 y piso 2. Pero con la salvedad de que en el piso 1 de producen piezas de mayor longitud, anchura, altura, densidad y volumen. Autov alo res Correlación Función
Autovalor
% de varianza
,418a
1
% acumulado
100,0
canónica
100,0
,543
a. Se utilizaron las primeras 1 funciones discriminantes canónicas en el análisis.
Lambda de Wilks Lambda de Prueba de funciones
Wilks
1
Chi-cuadrado ,705
gl
Sig.
6,106
1
,013
El autovalor es de difícil interpretación por si solo, por eso, se prefiere analizar el Lambda. La correlación canónica es la correlación entre la función discriminante y la variable dependiente (1, 2). Los lambda de Wilks entre más pequeño discrimina es mejor, sin embargo el Sig nos da menos de 0,05 y como en nuestro ejemplo nos da 0,013 por lo tanto la función que se calculó si está explicando bien o discrimina bien la variable dependiente. El Sig es un criterio importante para saber si mi modelo tiene variables discriminadoras y la de correlación me la explica en mayor o menor grado. Prueba de igualdad de medias de grupo s Lambda de Wilks
F
gl1
gl2
Sig.
Longitud
,705
7,516
1
18
,013
Anchura
,934
1,278
1
18
,273
Altura
,955
,849
1
18
,369
Densidad
,751
5,983
1
18
,025
Volumen
,886
2,324
1
18
,145
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura Técnicas Multivariantes
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez 09/11/2017 Nombre: Víctor Manuel
Dado que los Sig menores de 0,05 se observan diferencias en los centros de cada variable para los 2 pisos de la fábrica. Por lo tanto, si influyen. Coefici entes de funci ón discr iminante canónica estandarizados Función 1 Longitud
1,000
Se puede afirmar que la variable longitud tiene mayor importancia al momento de definir los grupos. Las piezas del piso 1 tienen mayor longitud. Matriz de estru cturas Función 1 Longitud
1,000
Densidad a
,634
Volumen a
,312
Alturaa
,276
Anchuraa
-,013
Correlaciones dentro de grupos combinados entre las variables discriminantes y las funciones discriminantes canónicas estandarizadas Variables ordenadas por el tamaño absoluto de la correlación dentro de la función. a. Esta variable no se utiliza en el análisis.
Son correlaciones entre las variables y la función discriminante estandarizada. A continuación, vemos los gráficos de discriminante canónico de los grupos por separado con su media, desviación estándar y el número de cas os.
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)
Asignatura Técnicas Multivariantes
Datos del alumno
Fecha
Apellidos: Caranqui Sánchez 09/11/2017 Nombre: Víctor Manuel
TEMA 6 – Actividades
© Universidad Internacional de La Rioja. (UNIR)