Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COMPONENTES PRINCIPALES
1. Introduccin
2 Componentes principales de dos variables
2.
3. Obtencin de los componentes principales
4. Caso prctico
introduccin
Anlisis de interdependencias
Relacin
entre
variables
Mtricas
componentes
principales
Relacin
entre
casos
Relacin
entre
objetos
j
anlisis
cluster
escalamiento
multidimensional
No mtricas
anlisis
factorial
anlisis
correspondencias
Introduccin
Objetivo.
Obj
ti
T
Transformar
f
un conjunto
j t de
d variables
i bl (variables
(
i bl
originales) en un nuevo conjunto de variables
(componentes principales),
principales) incorrelacionadas entre s.
s
Introduccin
Objetivo.
Obj
ti
T
Transformar
f
un conjunto
j t de
d variables
i bl
( i bl
(variables
originales) en un nuevo conjunto de variables
(componentes principales),
principales) incorrelacionadas entre s.
s
Inters.
-
de
variables
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Introduccin
Principios bsicos.
-
Los componentes
L
t
principales
i i l
se expresan como una
combinacin lineal de las variables originales.
Introduccin
Utilidad.
Utilid
d Si las
l
variables
i bl
que explican
li
un fenmeno
f
son
muchas y estn correlacionadas, es posible explicar el
fenmeno con muy pocos componentes principales.
principales
Anlisis de mercados.
Caracterizacin de explotaciones.
etc.
Qu
Q variables
i bl vamos a utilizar?
tili ?
Qu
Q variables
i bl vamos a utilizar?
tili ?
Beneficio: por explotacin
Dimensin: inversin por explotacin
775.104
775.218
700.963
674 063
674.063
631.003
537.744
489 155
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
12 756
14.729
9.059
12 541
12.541
13.495
-34.828
775.104
775.218
700.963
674 063
674.063
631.003
537.744
489 155
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
12 756
14.729
9.059
12 541
12.541
13.495
-34.828
Primer paso:
Hay correlacin entre ambas variables?
Correlations
n_vacas
beneficio
-------------------------------------------------------------------------------n_vacas
0,5460
(
9)
0,1283
beneficio
0,5460
(
9)
0,1283
--------------------------------------------------------------------------------
Primer paso:
Hay correlacin entre ambas variables?
Beneficio ()
60.000
40.000
20.000
0
-20.000
-40.000
400.000
variables originales
explotacin inversin () beneficios ()
1
2
3
4
5
6
7
8
9
775.104
775 218
775.218
700.963
674.063
631.003
537 744
537.744
489.155
448.465
445.853
23.795
58 778
58.778
1.531
-12.756
14.729
9 059
9.059
12.541
13.495
-34.828
500.000
600.000
Inversin ()
700.000
800.000
775.104
775.218
700.963
674 063
674.063
631.003
537.744
489 155
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
12 756
14.729
9.059
12 541
12.541
13.495
-34.828
Segundo paso:
Eli i
Eliminar
ell problema
bl
de
d la
l escala
l
775.104
775.218
700.963
674.063
631.003
537.744
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
14.729
9.059
12.541
13.495
-34.828
variables tipificadas
inversin
beneficios
1,257
1,258
0,697
,
0,494
0,169
-0,535
-0,902
0,902
-1,209
-1,229
0,556
1,927
-0,316
-0,875
,
0,201
-0,020
0,115
0,152
-1,749
Beneficio ()
60.000
40.000
20.000
0
-20.000
-40.000
400.000
variables originales
explotacin inversin () beneficios ()
1
2
3
4
5
6
7
8
9
775.104
775.218
700.963
674.063
631.003
537.744
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
14.729
9.059
12.541
13.495
-34.828
500.000
variables tipificadas
inversin
beneficios
,
1,257
1,258
0,697
0,494
0,169
-0,535
-0,902
-1,209
-1,229
0,556
,
1,927
-0,316
-0,875
0,201
-0,020
0,115
0,152
-1,749
600.000
Inversin ()
700.000
800.000
Be
eneficio
2,0
10
1,0
0,0
-1,0
-2,0
,
-3,0
-3
-2,5
variables originales
explotacin inversin () beneficios ()
1
2
3
4
5
6
7
8
9
775.104
775.218
700.963
674.063
631.003
537.744
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
14.729
9.059
12.541
13.495
-34.828
-2
-1,5
-1
variables tipificadas
inversin
beneficios
,
1,257
1,258
0,697
0,494
0,169
-0,535
-0,902
-1,209
-1,229
0,556
,
1,927
-0,316
-0,875
0,201
-0,020
0,115
0,152
-1,749
-0,5
0,5
Inversin
1,5
2,5
3,0
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3,0
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3,0
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
Elipse de concentracin
1,5
2,5
45
775.104
775.218
700.963
674 063
674.063
631.003
537.744
489 155
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
12 756
14.729
9.059
12 541
12.541
13.495
-34.828
Tercer paso:
Obt
Obtener
los
l componentes
t principales
i i l
2 = 0,45397
2 = 0,45397
2 = 0,45397
2 = 0,45397
2 = 0,45397
de CP2 = 2 - de CP1
2 = 0,45397
2 = 0,45397
de CP2 = 2 - de CP1
Analysis Summary
Data variables:
inversion
beneficio
Data input: observations
Number of complete cases: 9
Missing
i i value
l
treatment: li
listwise
i
Standardized: yes
Number of components extracted: 2
Principal Components Analysis
----------------------------------------------Component
Percent of Cumulative
Number
Eigenvalue Variance
Percentage
1
1,54604
77,302
77,302
2
0,453963
22,698
100,000
-----------------------------------------------
u12
u21
y
u2 =
u22
u12
Deben cumplir:
u21
y
u2 =
u211 + u212 = 1
u221 + u222 = 1
u22
u12
Deben cumplir:
u21
y
u2 =
u22
u211 + u212 = 1
u221 + u222 = 1
0,7071 y
0,7071
u2 =
-0,7071
En nuestro caso:
0,7071
,
u1 =
0,7071 y
0,7071
,
u2 =
-0,7071
En nuestro caso:
0,7071
,
u1 =
0,7071 y
0,7071
,
u2 =
-0,7071
inversion
beneficio
Component
1
-----------0,707107
0,707107
Component
2
-----------0,707107
-0,707107
The St
Th
StatAdvisor
tAd i
--------------This table shows the equations of the principal components.
example, the first principal component has the equation
0,707107*inversion + 0,707107*beneficio
For
cos 45
45 = 0,7071
0 7071
sen 45
45 = 0,7071
0 7071
cos 45
45 = 0,7071
0 7071
sen 45
45 = 0,7071
0 7071
3,0
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3,0
45
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3,0
Be
eneficio
2,0
1,0
,
0,0
45 (135
45
(135))
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3,0
Be
eneficio
2,0
1,0
,
0,0
-1,0
-2,0
20
-3,0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
Inversin
1,5
2,5
3
2
C
CP2
1
0
-1
-2
-3
3
-3
-2
-1
0
CP1
0,5460
(
9)
0,1283
PCOMP_1
0,8792
(
9)
0,0018
0,8792
(
9)
0,0018
0,8792
(
9)
0,0018
PCOMP_2
0,4764
-0,4764
0,0000
(
9)
(
9)
(
9)
0,1948
0,1948
1,0000
-------------------------------------------------------------------------------PCOMP_2
-------------------------------------------------------------------------------inversion
0,4764
(
9)
0,1948
beneficio
-0,4764
(
9)
0,1948
PCOMP_1
0,0000
(
9)
1,0000
Row
R
-----1
2
3
4
5
6
7
8
9
Component
1
-----------1,28273
2,25274
0,269787
-0,269788
0,269788
0,261855
-0,393362
-0,556388
0 556388
-0,747277
-2,10029
Component
2
-----------0,495675
-0,473118
0,716637
0,968866
-0,0227454
-0,363724
-0,719727
0 719727
-0,963488
0,361623
775.104
775.218
700.963
674.063
631 003
631.003
537.744
489.155
448.465
445.853
23.795
58.778
1.531
-12.756
14 729
14.729
9.059
12.541
13.495
-34.828
variables tipificadas
componentes principales
inversin
beneficios
CP1
CP2
1,257
1,258
0,697
0,494
0 169
0,169
-0,535
-0,902
-1,209
-1,229
0,556
1,927
-0,316
-0,875
0 201
0,201
-0,020
0,115
0,152
-1,749
1,283
2,253
0,270
-0,270
0 262
0,262
-0,393
-0,556
-0,747
-2,100
-0,496
0,473
-0,717
-0,969
0 023
0,023
0,364
0,720
0,963
-0,362
Tercer paso:
Obt
Obtener
los
l componentes
t principales
i i l
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
2 = 0,45397
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
Es un caso tpico
E
t i
d clculo
de
l l de
d races
y vectores
t
en matrices
ti
simtricas.
Muestra de tamao n sobre las siguientes variables. X1, X2, ... Xp.
Muestra de tamao n sobre las siguientes variables. X1, X2, ... Xp.
Muestra de tamao n sobre las siguientes variables. X1, X2, ... Xp.
Muestra de tamao n sobre las siguientes variables. X1, X2, ... Xp.
u11
CP12
u12
...
...
...
CP1n
...
u1p
Se repite
p el mismo p
proceso aunque
q se impone
p
la restriccin de q
que
cada nuevo vector sea ortogonal a los anteriores:
u`hu1 = u`hu2 = ... = u`huh-1 = 0
Se repite
p el mismo p
proceso aunque
q se impone
p
la restriccin de q
que
cada nuevo vector sea ortogonal a los anteriores:
u`hu1 = u`hu2 = ... = u`huh-1 = 0
El grfico de sedimentacin.
Scree Plot
Eigen
nvaluee
4
3
2
1
0
0
Component
Scree Plot
Eigen
nvaluee
4
3
2
1
0
0
Component
Scree Plot
Eigen
nvaluee
4
3
2
1
0
0
Component
4. Retencin de variables.
-
Si alguna
g
de las variables p
presenta correlaciones muy
y dbiles con
los componentes retenidos, lo ideal es eliminarla del estudio (no
est representada en ningn CP).
4. Retencin de variables.
-
Si alguna
g
de las variables p
presenta correlaciones muy
y dbiles con
los componentes retenidos, lo ideal es eliminarla del estudio (no
est representada en ningn CP).
El investigador
g
debe conocer el tema en p
profundidad p
para
interpretar qu parte de la variabilidad explica el CP.
El investigador
g
debe conocer el tema en p
profundidad p
para
interpretar qu parte de la variabilidad explica el CP.
Caso prctico
Objetivo:
Obj
ti
C
Caracterizacin
t i
i tcnica
t i
d las
de
l
explotaciones
l t i
ecolgicas de vacuno lechero.
Se recoge
g la informacin mediante encuestas directas al
ganadero, con muestreo aleatorio estratificado segn
localizacin geogrfica (12 explotaciones en total, 55%
d la
de
l poblacin).
bl i )
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
2. Las variables deben:
-
Ser mtricas,
mtricas aunque tambin ficticias
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
2. Las variables deben:
-
Ser mtricas,
mtricas aunque tambin ficticias
Alta variabilidad
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
2. Las variables deben:
-
Ser mtricas,
mtricas aunque tambin ficticias
Alta variabilidad
Altas correlaciones
-
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
2. Las variables deben:
-
Ser mtricas,
mtricas aunque tambin ficticias
Alta variabilidad
Altas correlaciones
Caso prctico
D t
Determinar
i
l variables
las
i bl a analizar
li
1. Los casos deben superar al conjunto de variables
2. Las variables deben:
-
Ser mtricas,
mtricas aunque tambin ficticias
Alta variabilidad
Altas correlaciones
-
Caso prctico
V i bl originales:
Variables
i i l
-
I
Intensificacin:
ifi
i consumo de
d concentrado
d (kg)
(k )
Caso prctico
C
Correlaciones
l i
NHT
NHT NHP
NHT_NHP
nhp
NVAC
TREP
TMORT
CARGA
ITC
ntc
ILC
NLC
ccon
CCON_NVAC
UTHT
NVAC_UTHT
GASANIT_NVAC
NVAC
0,49
0,12
0,54
0,48
-0,32
0,65
0 39
0,39
0,96
-0,02
0,96
0,52
-0,23
0,43
0,91
0,89
Caso prctico
C
Correlaciones
l i
NHT
NHT NHP
NHT_NHP
nhp
NVAC
TREP
TMORT
CARGA
ITC
ntc
ILC
NLC
ccon
CCON_NVAC
UTHT
NVAC_UTHT
GASANIT_NVAC
Alta correlacin :
NVAC
0,49
0,12
0,54
0,48
-0,32
0,65
0 39
0,39
0,96
-0,02
0,96
0,52
-0,23
0,43
0,91
0,89
Caso prctico
D
Descripcin
i i estadstica
t d ti
Summary Statistics
NHT
NHT
NHT_NHP
NHP
NVAC
-------------------------------------------------------------------------------Count
12
12
12
Average
42,8108
0,592407
52,8333
Median
37,5
,
0,54
,
42,0
,
Variance
1003,82
0,110589
1322,52
Standard error
9,14615
0,0959989
10,4981
Minimum
18,0
0,0555556
14,0
Maximum
136,0
1,0
128,0
Lower quartile
il
24,5
24 5
0
0,341667
341667
29
29,0
0
Upper quartile
48,0
0,899451
62,5
Coeff. of variation 74,0074%
56,1354%
68,8323%
-------------------------------------------------------------------------------NREP
NTM
TREP
-------------------------------------------------------------------------------Count
12
12
12
Average
25,0833
3,25
20,1842
Median
15,5
3,0
22,16
Variance
1020,08
4,56818
122,09
Standard error
9,21992
0,616994
3,18969
Minimum
1,0
0,0
0,76
Maximum
109,0
6,0
42,58
Lower quartile
6,5
1,5
14,105
Upper quartile
21,0
5,5
24,29
Coeff. of variation 127,331%
65,764%
54,743%
--------------------------------------------------------------------------------
Caso prctico
D
Descripcin
i i estadstica
t d ti
NTP
TMORT
CARGA
-------------------------------------------------------------------------------Count
12
12
12
Average
48,5833
8,28083
1,57167
Median
35,0
8,535
1,22
Variance
1636,81
23,2112
2,54731
Standard error
11,6791
,
1,39078
,
0,460734
,
Minimum
14,0
0,0
0,37
Maximum
148,0
15,15
6,49
Lower quartile
25,0
5,335
0,945
Upper quartile
51,0
11,655
1,47
Coeff. of variation 83,2745%
58,1801%
101,55%
-------------------------------------------------------------------------------ITC
ILC
NLC
-------------------------------------------------------------------------------Count
12
12
12
Average
0,820833
5351,34
281543,0
Median
0,86
5704,68
228850,0
Variance
0,0234811
2,15118E6
3,8528E10
Standard error
0,0442352
423,397
56662,7
Minimum
0,57
2500,0
50000,0
Maximum
1,14
7571,43
650000,0
Lower quartile
0,69
4836,54
152200,0
Upper quartile
0,89
6325,4
353209,0
Coeff. of variation 18,6683%
27,4079%
69,7177%
--------------------------------------------------------------------------------
Caso prctico
D
Descripcin
i i estadstica
t d ti
CCON_NVAC
CCON_NVAC*NVAC
UTHT
-------------------------------------------------------------------------------Count
12
12
12
Average
1899,78
92601,7
2,28
Median
1525,0
65575,0
2,0
Variance
1,01814E6
4,52938E9
0,6222
Standard error
291,282
19428,0
0,227706
Minimum
698,48
21000,0
1,16
Maximum
3406,62
221430,0
4,0
Lower quartile
1143,75
47427,4
2,0
Upper quartile
Uppe
qua t e
2998,81
998,8
137000,0
3 000,0
2,895
,895
Coeff. of variation 53,113%
72,6776%
34,5963%
-------------------------------------------------------------------------------GASANIT_NVAC
GASANIT_NVAC*NVAC
-------------------------------------------------------------------------------Count
12
12
Average
6558,33
719057,0
Median
1650,0
49500,0
Variance
1,56612E8
2,62893E12
Standard error
3612,62
468057,0
Minimum
0,0
0,0
Maximum
40200,0
5,1456E6
Lower quartile
1000,0
26900,0
Upper quartile
2640,0
144240,0
Coeff. of variation 190,818%
225,49%
--------------------------------------------------------------------------------
Caso prctico
D
Descripcin
i i estadstica
t d ti
Summary Statistics
NHT
NHT
NHT_NHP
NHP
NVAC
-------------------------------------------------------------------------------Count
12
12
12
Average
42,8108
0,592407
52,8333
Median
37,5
,
0,54
,
42,0
,
Variance
1003,82
0,110589
1322,52
Standard error
9,14615
0,0959989
10,4981
Minimum
18,0
0,0555556
14,0
Maximum
136,0
1,0
128,0
Lower quartile
il
24,5
24 5
0
0,341667
341667
29
29,0
0
Upper quartile
48,0
0,899451
62,5
Coeff. of variation 74,0074%
56,1354%
68,8323%
-------------------------------------------------------------------------------NREP
NTM
TREP
-------------------------------------------------------------------------------Count
12
12
12
Average
25,0833
3,25
20,1842
Median
15,5
3,0
22,16
Variance
1020,08
4,56818
122,09
Standard error
9,21992
0,616994
3,18969
Minimum
1,0
0,0
0,76
Maximum
109,0
6,0
42,58
Lower quartile
6,5
1,5
14,105
Upper quartile
21,0
5,5
24,29
Coeff. of variation 127,331%
65,764%
54,743%
--------------------------------------------------------------------------------
Caso prctico
D
Descripcin
i i estadstica
t d ti
NTP
TMORT
CARGA
-------------------------------------------------------------------------------Count
12
12
12
Average
48,5833
8,28083
1,57167
Median
35,0
8,535
1,22
Variance
1636,81
23,2112
2,54731
Standard error
11,6791
,
1,39078
,
0,460734
,
Minimum
14,0
0,0
0,37
Maximum
148,0
15,15
6,49
Lower quartile
25,0
5,335
0,945
Upper quartile
51,0
11,655
1,47
Coeff. of variation 83,2745%
58,1801%
101,55%
-------------------------------------------------------------------------------ITC
ILC
NLC
-------------------------------------------------------------------------------Count
12
12
12
Average
0,820833
5351,34
281543,0
Median
0,86
5704,68
228850,0
Variance
0,0234811
2,15118E6
3,8528E10
Standard error
0,0442352
423,397
56662,7
Minimum
0,57
2500,0
50000,0
Maximum
1,14
7571,43
650000,0
Lower quartile
0,69
4836,54
152200,0
Upper quartile
0,89
6325,4
353209,0
Coeff. of variation 18,6683%
27,4079%
69,7177%
--------------------------------------------------------------------------------
Caso prctico
D
Descripcin
i i estadstica
t d ti
CCON_NVAC
CCON_NVAC*NVAC
UTHT
-------------------------------------------------------------------------------Count
12
12
12
Average
1899,78
92601,7
2,28
Median
1525,0
65575,0
2,0
Variance
1,01814E6
4,52938E9
0,6222
Standard error
291,282
19428,0
0,227706
Minimum
698,48
21000,0
1,16
Maximum
3406,62
221430,0
4,0
Lower quartile
1143,75
47427,4
2,0
Upper quartile
Uppe
qua t e
2998,81
998,8
137000,0
3 000,0
2,895
,895
Coeff. of variation 53,113%
72,6776%
34,5963%
-------------------------------------------------------------------------------GASANIT_NVAC
GASANIT_NVAC*NVAC
-------------------------------------------------------------------------------Count
12
12
Average
6558,33
719057,0
Median
1650,0
49500,0
Variance
1,56612E8
2,62893E12
Standard error
3612,62
468057,0
Minimum
0,0
0,0
Maximum
40200,0
5,1456E6
Lower quartile
1000,0
26900,0
Upper quartile
2640,0
144240,0
Coeff. of variation 190,818%
225,49%
--------------------------------------------------------------------------------
Caso prctico
V i bl seleccionadas:
Variables
l
i
d
-
I
Intensificacin:
ifi
i consumo de
d concentrado
d (kg)
(k )
Caso prctico
Caso prctico
Scree Plot
6
Eigennvaluee
5
4
3
2
1
0
0
Component
10
Caso prctico
Matriz factorial
NHT
NHP
NVAC
UTH
CCON
GASAN
NTP
NLC
NREP
NTM
CP1
0,61
0,68
0,97
0,51
0,54
0,84
0,92
0,96
0 82
0,82
0,49
CP2
-0,54
-0,53
0,13
-0,03
0,55
0,51
0,31
0,05
0 54
0,54
-0,7
Caso prctico
V i bl seleccionadas:
Variables
l
i
d
-
IIntensificacin:
ifi
i
consumo de
d concentrado
d por vaca (kg),
(k ) carga
ganadera, UTH/nmero de vacas
Caso prctico
Caso prctico
Scree Plot
Eigen
nvaluee
5
4
3
2
1
0
0
Component
10
12
Caso prctico
Matriz factorial
NHT
NHT/NHP
NVAC
UTHT
TREP
TMORT
ITC
CARGA
ILC
CCON/NVAC
NVAC/UTH
GASAN/NVAC
CP1
0,25
-0,12
0 12
0,85
0,31
0 76
0,76
-0,64
0,72
0 79
0,79
-0,21
-0,52
0,76
0,96
CP2
0,18
0 89
0,89
0,35
0,4
0 09
0,09
0,58
-0,5
01
0,1
0,75
-0,06
0,27
0,14
CP3
-0,83
0 08
0,08
-0,33
-0,18
0 41
0,41
0,04
0,08
0 39
0,39
0,35
-0,46
-0,3
-0,03
CP4
-0,28
-0,1
01
0,14
-0,47
-0,44
0 44
0,05
0,15
0 33
0,33
0,33
0,46
0,4
0,09
CP5
-0,31
-0,12
0 12
0,05
0,67
-0,2
02
0
0
0 23
0,23
-0,07
0,48
-0,19
0,02
Caso prctico
V i bl seleccionadas:
Variables
l
i
d
-
IIntensificacin:
ifi
i
consumo de
d concentrado
d por vaca (kg),
(k ) carga
ganadera, UTH/nmero de vacas
Caso prctico
Caso prctico
Scree Plot
Eigen
nvaluee
5
4
3
2
1
0
0
Component
10
Caso prctico
Matriz factorial
NHT
NHT/NHP
TREP
TMORT
O
ITC
CARGA
ILC
CCON/NVAC
NVAC/UTH
GASAN/NVAC
CP1
-0,14
0 14
0,26
-0,78
0,73
-0,81
-0,78
0,3
0,57
-0,66
-0,91
CP2
0
0,85
0,29
0,46
-0,33
0,3
0,81
-0,3
0,31
0,25
CP3
0 94
0,94
0,15
-0,24
0
-0,08
-0,3
-0,15
0,22
0,47
0,19
CP4
-0,27
0 27
-0,12
-0,42
0,02
0,16
0,38
0,25
0,64
0,35
0,15
CP5
0 06
0,06
0,27
0,06
-0,4
0,28
-0,17
0,27
0,19
-0,24
-0,02
Caso prctico
Matriz factorial
NHT
NHT/NHP
TREP
TMORT
O
ITC
CARGA
ILC
CCON/NVAC
NVAC/UTH
GASAN/NVAC
CP1
-0,14
0 14
0,26
-0,78
0,73
-0,81
-0,78
0,3
0,57
-0,66
-0,91
CP2
0
0,85
0,29
0,46
-0,33
0,3
0,81
-0,3
0,31
0,25
CP3
0 94
0,94
0,15
-0,24
0
-0,08
-0,3
-0,15
0,22
0,47
0,19
CP4
-0,27
0 27
-0,12
-0,42
0,02
0,16
0,38
0,25
0,64
0,35
0,15
CP5
0 06
0,06
0,27
0,06
-0,4
0,28
-0,17
0,27
0,19
-0,24
-0,02
caso prctico
C
Caso
prctico.
ti
1. Caracterizar y tipificar a los alumnos del master.
-
p
CP
Aplicar
-
Interpretar
Aplicar Cluster
-
Interpretar