TRABAJO N 03, DE METODOS MULTIVARIANTES ESTUDIANTE: KID MAMANI CALISAYA CODIGO: 081370

CUESTIONES DE REVISIN 1. Defina el anlisis multivariante con sus propias palabras. Son anlisis simultneos de ms de dos variables puede ser aproximadamente como un anlisis multivariante. Tambin representadas como tcnicas multivariantes que son un medio de representar en un anlisis simple aquello que requiri varios anlisis utilizando tcnicas univariantes. Multivariante tambin expresada como relaciones entre ms de dos variables. Tambin se explica que para ser considerado multivariante, todas las variables deben ser aleatorias y estar interrelacionadas de tal forma que sus diferentes efectos no puedan ser interpretados separadamente con algn sentido.

2. Nombre varios factores que han contribuido a aumentar la aplicacin de las tcnicas del anlisis de datos multivariantes en los ltimos aos. Los factores que han contribuido a las tcnicas de anlisis de datos multivariantes desde varios aos atrs hasta ahora son los estudios cientficos y estudios centros educativos, como tambin los factores que han contribuido es la economa y diferentes etapas para un mejor decisin.

3. Enumere y describa las tcnicas de anlisis de datos multivariantes descritas en este capitulo. Cite ejemplos adecuados para cada tcnica. Regresin Mltiple.- Anlisis apropiado cuando el problema del investigador incluye una variable mtrica dependiente. Ejemplo: Prediccin de los gastos mensuales de un estudiante de la UNAPUNO Anlisis Discriminante Mltiple.-Variables dependientes dicotmicas o multidicotimicas y no mtricas. Ejemplo: Una agencia tributaria de impuestos.

Anlisis Multivariante de la Varianza y Covarianza.-Puede ser usada simultneamente para explorar las relaciones entre diversas categoras de variables independientes. Se usa en conjuncin con MANOVA para eliminar el efecto de cualquier variable independiente no controlada.

Anlisis conjunto.-Es una tcnica de dependencia emergente que ha introducido una nueva satisfaccin en la evaluacin de objetos. Ejemplos: Compra de nuevos productos de una tienda de calzados (encuesta). Correlacin Cannica.- El objetivo es correlacionar simultneamente varias variables mtricas dependientes e independientes. Ejemplo:

Anlisis clster.-Tcnica analtica para desarrollar subgrupos significativos de individuos u objetos. Ejemplo: Identificacin de subgrupos de una poblacin (muestras) Anlisis Multidimensional.-El objetivo es transformar los juicios de los consumidores de similitud o preferencia. Ejemplo: Encuesta de preferencia de tiendas de consumo humano. Anlisis de Correspondencia.-Es una tcnica de interdependencia recientemente desarrollada que facilita tanto la reduccin dimensional de una clasificacin de objetos sobre un conjunto de atributos. Ejemplo: Preferencia de los estudiantes en la marca de los jeans, categoras de renta, lugares, facultad, etc.

4. Explique cmo y por qu los diversos mtodos multivariantes pueden verse como una familia de tcnicas Porque todas esas tcnicas tienen un objetivo comn, todas trabajan con variables dependientes e independientes, a la vez el concepto de anlisis multivariantes llevan en su concepto especifico. Podemos decir tambin que son formas de llegar al objetivo final.

5. Por qu es importante el conocimiento de las escalas de media para entender el anlisis de datos multivariantes? Es muy importante para representar con precisin el concepto de nuestro inters y crucial en la seleccin del mtodo de anlisis multivariante. prctica y

6. Cules son las diferencias entre la significacin estadstica? Es un prerrequisito de la otra forma?

La significacin Practica.- Se refiere a la cuestin, para cualquier aplicaion en la gestin, los resultados deben tener un efecto demostrable. La significacin estadstica.- Es en donde se prueba mediante hiptesis demostrables y casi siempre aceptables.

7. Cules son las implicaciones de una potencia estadstica baja? Cmo puede aumentarse la potencia si se considera muy baja? Ejemplo.- Son la implicaciones bioticas, considerar una potencia alta igual o superior a 0.80, lo que se debe tener en cuenta al diseara un estudio clnica.

8. Explique detalladamente la aproximacin al diseo de modelos multivariantes, concentrndose en los supuestos principales en cada paso.