Técnicas de Análisis Multivariante en SAS

TCNICAS DE ANLISIS
TM
MULTIVARIANTE EN SAS
Asignatura: Estadstica aplicada y minera de datos

Profesor: Carlos Rivero Rodrguez
Alumno:: Alfonso de la Fuente Ruiz
Fecha Mayo de 2009
Fecha:
Pgina 1
INTRODUCCIN
Este documento refleja las soluciones al cuestionario prctico enviado al alumno para
la parte dedicada a Tcnicas de Anlisis Multivariante en SAS (Software de Anlisis
Estadstico) en el marco de la asignatura Estadstica Aplicada y Minera de Datos
del Master Oficial en Ingeniera Matemtica impartido por la Universidad
Complutense de Madrid, en su matrcula extraordinaria Marzo-Junio 2009.
El objetivo principal de estas prcticas es mostrar el manejo del SAS y la comprensin e
interpretacin de las salidas relativas a las tcnicas de anlisis multivariante.
El alumno ha instalado una versin de SAS en su ordenador personal debido a la
imposibilidad de realizar las prcticas en las aulas universitarias por causa de fuerza
mayor. La versin domstica empleada es la 9.0, sin posibilidad de realizar (plotear)
grficos avanzados.
Con la resolucin de las prcticas se incluye el cdigo fuente SAS asociado y los
resultados devueltos por el software. Tambin se incluye una bibliografa consultada
por el alumno para el estudio de la asignatura y la realizacin del trabajo prctico.
Pgina 2
PRIMERA PRCTICA
Fichero de datos: discriminante.dat
-
100 observaciones (clientes);

13 variables, X2-X14;
Una variable de clasificacin en tres grupos de cliente, X1.
Considere las primeras 75 observaciones del fichero de datos DISCRIMINANTE y defina

con ellas un fichero de estimacin de la discriminacin (asgnele el nombre
DISCRIM_ESTIMA)
De forma anloga, con las ltimas 25 observaciones del fichero DISCRIMINANTE defina
un fichero de validacin de la discriminacin (asgnele el nombre DISCRIM_VALIDA).
CDIGO FUENTE:
(Paso DATA)
dm 'log; clear; output; clear'; /* limpiar ventanas */

data discrim_estima;
input X1 $ X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14;
/*ID
X1 - Customer Type
X2 - Product Quality
X3 - E-Commerce Activities
X4 - Technical Support
X5 - Complaint Resolution
X6 - Advertising
X7 - Product Line
X8 - Salesforce Image
X9 - Competitive Pricing
X10 - Warranty & Claims
X11 - New Products
Pgina 3
X12 - Order & Billing

X13 - Price Flexibility
X14 - Delivery Speed*/
datalines;
2
8.5
3.9
2.5
5.9
4.8
4.9
6.0
6.8
4.7
4.3
5.0
5.1
3.7
8.2
2.7
5.1
7.2
3.4
7.9
3.1
5.3
5.5
4.0
3.9
4.3
4.9
9.2
3.4
5.6
5.6
5.4
7.4
5.8
4.5
6.2
4.6
5.4
4.0
4.5
6.4
3.3
7.0
3.7
4.7
4.7
4.5
8.8
7.0
3.6
4.3
4.1
3.0
9.0
3.4
5.2
4.6
2.2
6.0
4.5
6.8
6.1
4.5
4.5
3.5
3.5
6.5
2.8
3.1
4.1
4.0
4.3
3.7
8.5
5.1
9.5
3.6
4.7
3.3
6.9
3.7
5.0
2.6
2.1
2.3
5.4
8.9
4.8
2.5
2.1
4.2
2.0
6.2
3.3
3.9
4.8
4.6
3.6
5.1
6.9
5.4
4.8
4.3
6.3
3.7
5.8
3.6
5.1
6.7
3.7
5.9
5.8
9.3
5.9
4.4
4.4
6.1
4.6
6.4
4.5
5.1
6.1
4.7
5.7
5.7
8.4
5.4
5.3
4.1
5.8
4.4
8.7
3.2
4.6
4.8
2.7
6.8
4.6
6.8
5.8
7.5
3.8
3.7
4.0
6.1
4.9
6.3
3.9
4.4
3.9
6.4
8.2
5.8
5.9
3.0
4.9
3.2
9.5
5.6
4.6
6.9
5.0
6.9
6.6
7.6
6.5
5.3
5.1
4.5
4.4
9.2
3.9
5.7
5.5
2.4
8.4
4.8
7.1
6.7
3.0
4.5
2.6
4.2
6.3
4.5
4.7
6.9
4.5
6.8
5.9
8.8
6.0
5.4
4.8
6.2
5.2
8.7
3.2
4.0
6.8
3.2
7.8
3.8
4.9
6.1
5.0
4.3
3.9
4.5
5.7
4.0
6.7
6.0
3.3
5.5
5.1
6.2
6.7
5.4
4.2
6.2
4.5
5.9
4.1
5.5
7.2
3.5
6.4
5.5
8.4
6.2
6.3
5.7
5.8
4.8
5.6
3.4
5.1
6.4
3.7
5.7
5.6
9.1
5.4
6.1
5.0
6.0
4.5
9.1
4.5
3.6
6.4
5.3
5.3
7.1
8.4
5.8
6.7
4.5
6.1
4.4
5.2
3.8
7.1
5.2
3.9
4.3
5.0
8.4
7.1
4.6
3.3
4.9
3.3
9.6
5.7
6.8
5.9
5.4
8.3
7.8
4.5
6.4
6.5
4.3
3.0
4.3
8.6
3.6
7.4
5.1
3.5
7.3
4.7
3.7
6.7
6.0
4.8
3.4
4.0
9.3
2.4
2.6
7.2
2.2
7.2
4.5
6.2
6.4
4.2
6.7
4.4
4.5
6.0
4.1
5.3
4.7
3.5
5.3
5.3
8.0
6.5
3.9
4.7
5.3
4.0
6.4
3.6
6.6
6.1
4.0
3.9
5.3
7.1
6.1
3.7
5.6
6.6
3.9
8.5
3.0
7.2
5.8
4.1
7.6
3.7
4.8
6.9
6.7
5.3
3.8
4.4
7.0
3.3
5.4
5.5
2.6
4.8
4.2
9.0
6.5
5.9
4.3
5.2
3.7
8.5
3.0
5.7
6.0
2.3
7.6
3.7
4.8
5.8
6.0
5.7
3.8
4.4
7.6
3.6
3.0
4.0
5.1
4.2
4.6
7.7
4.9
7.2
4.7
5.5
3.5
Pgina 4
6.9
3.4
8.5
4.3
4.5
6.4
4.7
5.2
7.7
3.3
3.7
2.7
3.3
8.1
2.5
7.2
4.5
2.3
5.1
3.8
6.6
6.8
6.1
3.0
3.5
3.0
6.7
3.7
6.5
5.3
5.3
5.1
4.9
9.2
5.7
4.2
3.5
4.5
3.4
8.0
3.3
6.1
5.7
5.5
4.6
4.7
8.7
5.9
3.8
4.7
6.6
4.2
6.7
4.0
5.2
3.9
3.0
5.4
6.8
8.4
6.2
6.0
2.5
4.3
3.5
8.7
3.2
6.1
4.3
3.5
6.1
2.9
5.6
6.1
6.5
3.1
2.9
2.5
9.0
3.4
5.9
4.6
3.9
6.0
4.5
6.8
6.4
4.3
3.9
3.5
3.5
9.6
4.1
6.2
7.3
2.9
7.7
5.5
7.7
6.1
4.4
5.2
4.6
4.9
8.2
3.6
3.9
6.2
5.8
4.9
5.0
9.0
5.2
7.1
4.7
6.9
4.5
6.1
4.9
3.0
4.8
5.1
3.9
6.4
8.2
5.1
6.8
4.5
4.9
3.2
8.3
3.4
3.3
5.5
3.1
4.6
5.2
9.1
4.1
1.7
4.6
5.8
3.9
9.4
3.8
4.7
5.4
3.8
6.5
4.9
8.5
4.9
6.2
4.1
4.5
4.1
9.3
5.1
4.6
6.8
5.8
6.6
6.3
7.4
5.1
4.1
4.6
4.6
4.3
5.1
5.1
6.6
6.9
4.4
5.4
7.8
5.9
7.2
5.2
4.9
6.3
4.5
8.0
2.5
4.7
7.1
3.6
7.7
3.0
5.2
5.1
3.9
4.3
4.2
4.7
5.9
4.1
5.7
5.9
5.8
6.4
5.5
8.4
6.4
5.1
5.2
5.8
4.8
3 10.0
4.3
7.1
6.3
2.9
5.4
4.5
3.8
6.7
3.7
5.0
4.0
3.5
5.7
3.8
6.8
7.5
5.7
5.7
6.0
8.2
6.6
4.8
6.5
7.3
5.2
9.9
3.7
3.7
6.1
4.2
7.0
6.7
6.8
5.9
7.2
4.5
3.4
3.9
7.9
3.9
4.3
5.8
4.4
6.9
5.8
4.7
5.2
3.6
4.1
4.2
4.3
6.7
3.6
5.9
4.2
3.4
4.7
4.8
7.2
5.7
5.3
4.0
3.6
2.8
8.2
2.7
3.7
7.4
2.7
7.9
3.1
5.3
5.3
5.0
4.5
4.3
4.9
9.4
2.5
4.8
6.1
3.2
7.3
4.6
6.3
6.3
9.2
4.7
4.6
4.6
6.9
3.4
5.7
4.4
3.3
6.4
4.7
5.2
6.4
4.4
3.2
2.7
3.3
8.0
3.3
3.8
5.8
3.2
4.6
4.7
8.7
5.3
4.2
4.9
6.6
4.2
9.3
3.8
7.3
5.7
3.7
6.4
5.5
7.4
6.6
5.9
4.1
3.2
3.4
7.4
5.1
4.8
7.7
4.5
7.2
6.9
9.6
6.4
7.4
5.7
6.5
5.5
7.6
3.6
5.2
5.8
5.6
6.6
5.4
4.4
6.7
6.4
4.6
3.9
4.0
3 10.0
4.3
5.3
3.7
4.2
5.4
4.5
3.8
6.7
4.5
3.7
4.0
3.5
9.9
2.8
7.2
6.9
2.6
5.8
3.5
5.4
6.2
7.0
5.6
4.9
4.0
8.7
3.2
8.4
6.1
2.8
7.8
3.8
4.9
7.2
4.5
5.4
3.9
4.5
8.4
3.8
6.7
5.0
4.5
4.7
5.9
6.7
5.1
4.2
2.7
5.0
3.6
8.8
3.9
3.8
5.1
4.3
4.7
4.8
5.8
5.0
7.2
4.4
3.7
2.9
7.7
2.2
6.3
4.5
2.4
4.7
3.4
6.2
6.0
4.7
3.3
3.1
2.6
Pgina 5
6.6
3.6
5.8
4.1
4.9
4.7
4.8
7.2
6.5
3.9
3.5
3.6
2.8
5.7
3.8
3.5
6.7
5.4
5.7
6.0
8.2
5.4
5.0
4.7
7.3
5.2
5.7
4.0
7.9
6.4
2.7
5.5
5.1
6.2
7.5
6.4
5.0
6.2
4.5
5.5
3.7
4.7
5.4
4.3
5.3
4.9
6.0
5.6
2.5
4.5
5.9
4.3
7.5
3.5
3.8
3.5
2.9
4.1
4.5
7.6
5.1
5.2
4.0
5.4
3.4
6.4
3.6
2.7
5.3
3.9
3.9
5.3
7.1
5.2
5.5
4.7
6.6
3.9
9.1
4.5
6.1
5.9
6.3
5.3
7.1
8.4
7.1
5.7
5.4
6.1
4.4
6.7
3.2
3.0
3.7
4.8
6.3
4.5
5.0
5.2
2.5
2.9
2.6
3.1
6.5
4.3
2.7
6.6
6.5
6.3
6.0
8.7
4.7
6.3
4.6
5.6
4.6
9.9
3.7
7.5
4.7
5.6
7.0
6.7
6.8
7.2
4.6
4.1
3.4
3.9
8.5
3.9
5.3
5.5
5.0
4.9
6.0
6.8
5.7
3.6
4.4
5.1
3.7
;
data discrim_valida;
input X1 $ X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14;
/*ID
X1 - Customer Type
X6 - Advertising
X7 - Product Line
X11 - New Products
X14 - Delivery Speed*/
datalines;
3
9.9
3.0
6.8
5.0
5.4
5.9
4.8
4.9
7.3
7.6
3.1
4.3
3.8
7.6
3.6
7.6
4.6
4.7
4.6
5.0
7.4
8.1
6.6
4.5
5.8
3.9
9.4
3.8
7.0
6.2
4.7
6.5
4.9
8.5
7.3
2.4
4.3
4.5
4.1
9.3
3.5
6.3
7.6
5.5
7.5
5.9
4.6
6.6
3.1
5.2
4.1
4.6
Pgina 6
7.1
3.4
4.9
4.1
4.0
5.0
5.9
7.8
6.1
3.5
2.6
3.1
2.7
9.9
3.0
7.4
4.8
4.0
5.9
4.8
4.9
5.9
6.9
3.2
4.3
3.8
8.7
3.2
6.4
4.9
2.4
6.8
4.6
6.8
6.3
5.1
4.3
3.7
4.0
8.6
2.9
5.8
3.9
2.9
5.6
4.0
6.3
6.1
4.0
2.7
3.0
3.0
6.4
3.2
6.7
3.6
2.2
2.9
5.0
8.4
7.3
6.5
2.0
3.7
1.6
7.7
2.6
6.7
6.6
1.9
7.2
4.3
5.9
6.5
4.1
4.7
3.9
4.3
7.5
3.5
4.1
4.5
3.5
4.1
4.5
7.6
4.9
2.8
3.4
5.4
3.4
5.0
3.6
1.3
3.0
3.5
4.2
4.9
8.2
4.3
7.6
2.4
4.8
3.1
7.7
2.6
8.0
6.7
3.5
7.2
4.3
5.9
6.9
7.7
5.1
3.9
4.3
9.1
3.6
5.5
5.4
4.2
6.2
4.6
8.3
6.5
4.1
4.6
4.3
3.9
5.5
5.5
7.7
7.0
5.6
5.7
8.2
6.3
7.4
4.9
5.5
6.7
4.9
9.1
3.7
7.0
4.1
4.4
6.3
5.4
7.3
7.5
4.6
4.4
3.0
3.3
7.1
4.2
4.1
2.6
2.1
3.3
4.5
9.9
5.5
3.5
2.0
4.0
2.4
9.2
3.9
4.6
5.3
4.2
8.4
4.8
7.1
6.2
6.6
4.4
2.6
4.2
9.3
3.5
5.4
7.8
4.6
7.5
5.9
4.6
6.4
4.9
4.8
4.1
4.6
9.3
3.8
4.0
4.6
4.7
6.4
5.5
7.4
5.3
4.8
3.6
3.2
3.4
8.6
4.8
5.6
5.3
2.3
6.0
5.7
6.7
5.8
3.6
4.9
3.6
3.6
7.4
3.4
2.6
5.0
4.1
4.4
4.8
7.2
4.5
6.4
4.2
5.6
3.7
8.7
3.2
3.3
3.2
3.1
6.1
2.9
5.6
5.0
4.3
3.1
2.9
2.5
7.8
4.9
5.8
5.3
5.2
5.3
7.1
7.9
6.0
5.7
4.3
4.9
3.9
7.9
3.0
4.4
5.1
5.9
4.2
4.8
9.7
5.7
5.8
3.4
5.4
3.5
Pgina 7
1. Realice un anlisis discriminante con las 13 variables del fichero

DISCRIM_ESTIMA, asumiendo distribuciones normales y matrices de varianzascovarianzas iguales dentro de cada grupo de clientes. Interprete los resultados
y seale las tres funciones discriminantes. Valide los resultados con el fichero
DISCRIM_VALIDA y seale las observaciones errneamente clasificadas.
CDIGO FUENTE:
Se aade lo siguiente al paso DATA:
proc discrim data=discrim_estima outstat=discrimstat method=normal pool=yes

list crossvalidate;
class X1;
priors prop;
var x2-x14;
run;
proc discrim data=discrimstat testdata=discrim_valida testout=tout testlist;
class X1;
var x2-x14;
run;
proc print data=tout;
run;
Pgina 8
RESULTADOS:
(Seales en color sobre las tablas)
Sistema SAS
EST type data set
Procedimiento DISCRIM
Observacione
75
Total DF
74
Variables
13
Clases Within DF
72
Clases Between DF
Clases
Informacin del nivel de la clase
X1
Nombre de
variable
Frecuencia
Peso
Proporcin
Probabilidad
anterior
_1
23
23.0000
0.306667
0.306667
_2
27
27.0000
0.360000
0.360000
_3
25
25.0000
0.333333
0.333333
Informacin de la matriz
de covarianza ponderada
Rango de la matriz
de covarianza
Registro natural de la
Determinante de la
matriz de covarianza
13
-9.67291
Sistema SAS
EST type data set
Distancia cuadrada generalizada para X1
De X1
2.36399
12.66618
22.78375
12.98686
2.04330
10.49577
22.95052
10.34184
2.19722
Funcin discriminante lineal para X1

Variable
Pgina 9

Variable
-214.09833
-242.56274
-252.04512
X2
11.45843
13.14861
15.16736
X3
-0.90434
-4.21811
-5.40427
X4
-2.81883
-1.81536
-2.13207
X5
-3.14776
-3.33635
-2.33906
X6
-0.12005
-0.58428
-0.40680
X7
68.70245
70.49507
65.48143
X8
3.13840
5.79398
6.17267
X9
1.15050
-0.30014
-0.93680
X10
16.84896
14.78671
16.02767
X11
-1.77003
-2.35087
-2.13279
X12
-3.74753
-3.19593
-3.76753
X13
76.39380
80.43546
74.15738
X14
-118.51913
-116.61879
-104.65945
Constante
Sistema SAS
EST type data set
Resultados de clasificacin para los datos calibrados: WORK.DISCRIM_ESTIMA
Resultados de resustitucin usando Funcin discriminante lineal
Probabilidad posterior de pertenencia a X1
Obs
De X1
Clasificado en X1
0.0044
0.8118
0.1838
0.0000
0.0050
0.9950
0.0000
0.0017
0.9983
0.9998
0.0002
0.0000
0.2396
0.1841
0.5763
0.9999
0.0001
0.0000
0.9999
0.0001
0.0000
0.0531
0.9461
0.0008
0.0059
0.9934
0.0008
Pgina
10

Obs
De X1
Clasificado en X1
10
0.0956
0.9032
0.0012
11
0.0237
0.0624
0.9139
12
0.9986
0.0014
0.0000
13
0.0072
0.0425
0.9504
14
0.0088
0.0169
0.9743
15
0.0031
0.9826
0.0143
16
0.0000
0.0060
0.9940
17
0.0047
0.9925
0.0028
18
0.0261
0.9669
0.0070
19
0.0091
0.9905
0.0004
20
0.0001
0.2863
0.7136
21
0.9998
0.0002
0.0000
22
0.0000
0.0030
0.9970
23
0.0001
0.0404
0.9595
24
0.0000
0.0023
0.9977
25
0.7662
0.2337
0.0001
26
0.0007
0.9989
0.0004
27
0.0001
0.0127
0.9872
28
0.9836
0.0162
0.0001
29
0.0000
0.0493
0.9507
30
0.8697
0.1301
0.0002
31
0.9815
0.0099
0.0086
32
0.9673
0.0152
0.0176
33
0.9942
0.0058
0.0000
34
0.0005
0.9933
0.0062
35
0.9315
0.0682
0.0003
36
0.9998
0.0002
0.0000
37
0.2995
0.0917
0.6087
38
0.0000
0.0088
0.9912
Pgina
11

Obs
De X1
Clasificado en X1
39
0.0012
0.9772
0.0216
40
0.9998
0.0002
0.0000
41
0.0004
0.9960
0.0037
42
0.0174
0.6600
0.3226
43
0.0011
0.2105
0.7884
44
0.0007
0.9968
0.0025
45
0.0000
0.0237
0.9762
46
0.0473
0.9492
0.0035
47
0.0001
0.0046
0.9953
48
0.0000
0.9969
0.0030
49
0.0000
0.0015
0.9985
50
0.0000
0.1673
0.8327
51
0.9995
0.0005
0.0000
52
0.0000
0.0043
0.9957
53
0.0000
0.0023
0.9977
54
0.9902
0.0060
0.0038
55
0.0006
0.9951
0.0043
56
0.2474
0.1064
0.6461
57
0.0003
0.8769
0.1228
58
0.0042
0.0351
0.9607
59
0.0027
0.0110
0.9863
60
0.0000
0.0156
0.9844
61
0.0000
0.0271
0.9729
62
0.0009
0.8312
0.1678
63
0.9820
0.0109
0.0071
64
0.9962
0.0032
0.0006
65
0.9999
0.0001
0.0000
66
0.0000
0.9975
0.0024
67
0.0068
0.9878
0.0054
Pgina
12

Obs
De X1
Clasificado en X1
68
0.0038
0.9956
0.0006
69
0.5864
0.4133
0.0002
70
0.0208
0.9787
0.0005
71
0.0001
0.3360
0.6640
72
0.9970
0.0029
0.0001
73
0.1309
0.8633
0.0058
74
0.0000
0.0044
0.9956
75
0.0019
0.7850
0.2130
* Observacin mal clasificada
Sistema SAS
EST type data set
Resumen de clasificacin para los datos calibrados: WORK.DISCRIM_ESTIMA
Resumen de resustitucin usando Funcin discriminante lineal
Nmero de observaciones y porcentaje clasificado
en X1
De X1
Total
21
91.30
1
4.35
1
4.35
23
100.00
0
0.00
24
88.89
3
11.11
27
100.00
0
0.00
0
0.00
25
100.00
25
100.00
21
28.00
25
33.33
29
38.67
75
100.00
0.30667
0.36
0.33333
Total
Anteriores
Estimaciones de cuenta de error para X1

1
Total
Tasa
0.0870
0.1111
0.0000
0.0667
Anteriores
0.3067
0.3600
0.3333
Sistema SAS
EST type data set
Pgina
13
Resumen de validacin cruzada usando Funcin discriminante lineal

en X1
De X1
Total
20
86.96
2
8.70
1
4.35
23
100.00
0
0.00
22
81.48
5
18.52
27
100.00
1
4.00
2
8.00
22
88.00
25
100.00
21
28.00
26
34.67
28
37.33
75
100.00
0.30667
0.36
0.33333
Total
Anteriores

1
Total
Tasa
0.1304
0.1852
0.1200
0.1467
Anteriores
0.3067
0.3600
0.3333
Pgina
14
SEGUNDO PASO PROC DISCRIM:

Sistema SAS
EST type data set
Resultados de clasificacin para los datos de test: WORK.DISCRIM_VALIDA
Resultados de clasificacin usando Funcin discriminante lineal
Obs
De X1
Clasificado en X1
0.0000
0.0007
0.9993
0.3258
0.6025
0.0717
0.0112
0.1733
0.8155
0.0000
0.0002
0.9998
0.9995
0.0005
0.0000
0.0000
0.0094
0.9906
0.0036
0.1218
0.8747
0.9511
0.0199
0.0290
1.0000
0.0000
0.0000
10
0.0001
0.0593
0.9406
11
0.2767
0.7225
0.0008
12
1.0000
0.0000
0.0000
13
0.0002
0.0221
0.9777
14
0.2216
0.3205
0.4579
15
0.0000
0.9945
0.0055
16
0.8575
0.0284
0.1141
17
1.0000
0.0000
0.0000
18
0.0843
0.0079
0.9078
19
0.0000
0.0001
0.9999
20
0.6171
0.1572
0.2257
21
0.3951
0.3693
0.2357
22
0.1519
0.8415
0.0067
23
0.9993
0.0007
0.0000
24
0.1399
0.7557
0.1043
25
0.9465
0.0518
0.0017
Pgina
15
Sistema SAS
EST type data set
Resumen de clasificacin para los datos de test: WORK.DISCRIM_VALIDA
Resumen de clasificacin usando Funcin discriminante lineal
en X1
De X1
Total
6
66.67
3
33.33
0
0.00
9
100.00
2
25.00
2
25.00
4
50.00
8
100.00
2
25.00
0
0.00
6
75.00
8
100.00
Total
10
40.00
5
20.00
10
40.00
25
100.00
0.30667
0.36
0.33333
Anteriores

1
Total
Tasa
0.3333
0.7500
0.2500
0.4556
Anteriores
0.3067
0.3600
0.3333
Pgina
16
PASO PROC PRINT:

Sistema SAS
EST type data set
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
_1
_2
_3
9
.
9
3
.
0
6
.
8
5
.
0
5
.
4
5
.
9
4
.
8
4
.
9
7
.
3
7
.
6
3
.
1
4
.
3
3
.
8
0.00
001
0.00
071
0.99
928
7
.
6
3
.
6
7
.
6
4
.
6
4
.
7
4
.
6
5
.
0
7
.
4
8
.
1
6
.
6
4
.
5
5
.
8
3
.
9
0.32
576
0.60
253
0.07
171
9
.
4
3
.
8
7
.
0
6
.
2
4
.
7
6
.
5
4
.
9
8
.
5
7
.
3
2
.
4
4
.
3
4
.
5
4
.
1
0.01
119
0.17
332
0.81
549
9
.
3
3
.
5
6
.
3
7
.
6
5
.
5
7
.
5
5
.
9
4
.
6
6
.
6
3
.
1
5
.
2
4
.
1
4
.
6
0.00
000
0.00
019
0.99
981
7
.
1
3
.
4
4
.
9
4
.
1
4
.
0
5
.
0
5
.
9
7
.
8
6
.
1
3
.
5
2
.
6
3
.
1
2
.
7
0.99
951
0.00
048
0.00
001
9
.
9
3
.
0
7
.
4
4
.
8
4
.
0
5
.
9
4
.
8
4
.
9
5
.
9
6
.
9
3
.
2
4
.
3
3
.
8
0.00
000
0.00
935
0.99
065
8
.
7
3
.
2
6
.
4
4
.
9
2
.
4
6
.
8
4
.
6
6
.
8
6
.
3
5
.
1
4
.
3
3
.
7
4
.
0
0.00
355
0.12
179
0.87
466
8
.
6
2
.
9
5
.
8
3
.
9
2
.
9
5
.
6
4
.
0
6
.
3
6
.
1
4
.
0
2
.
7
3
.
0
3
.
0
0.95
108
0.01
991
0.02
901
6
.
4
3
.
2
6
.
7
3
.
6
2
.
2
2
.
9
5
.
0
8
.
4
7
.
3
6
.
5
2
.
0
3
.
7
1
.
6
1.00
000
0.00
000
0.00
000
1
0
7
.
7
2
.
6
6
.
7
6
.
6
1
.
9
7
.
2
4
.
3
5
.
9
6
.
5
4
.
1
4
.
7
3
.
9
4
.
3
0.00
005
0.05
931
0.94
063
1
1
7
.
5
3
.
5
4
.
1
4
.
5
3
.
5
4
.
1
4
.
5
7
.
6
4
.
9
2
.
8
3
.
4
5
.
4
3
.
4
0.27
673
0.72
251
0.00
075
1
2
5
.
0
3
.
6
1
.
3
3
.
0
3
.
5
4
.
2
4
.
9
8
.
2
4
.
3
7
.
6
2
.
4
4
.
8
3
.
1
0.99
998
0.00
002
0.00
000
1
3
7
.
7
2
.
6
8
.
0
6
.
7
3
.
5
7
.
2
4
.
3
5
.
9
6
.
9
7
.
7
5
.
1
3
.
9
4
.
3
0.00
017
0.02
212
0.97
771
1
4
9
.
1
3
.
6
5
.
5
5
.
4
4
.
2
6
.
2
4
.
6
8
.
3
6
.
5
4
.
1
4
.
6
4
.
3
3
.
9
0.22
161
0.32
050
0.45
789
1
5
5
.
5
5
.
5
7
.
7
7
.
0
5
.
6
5
.
7
8
.
2
6
.
3
7
.
4
4
.
9
5
.
5
6
.
7
4
.
9
0.00
003
0.99
451
0.00
546
Pgina
17
_IN
TO_
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
_1
_2
_3
1
6
9
.
1
3
.
7
7
.
0
4
.
1
4
.
4
6
.
3
5
.
4
7
.
3
7
.
5
4
.
6
4
.
4
3
.
0
3
.
3
0.85
754
0.02
839
0.11
406
1
7
7
.
1
4
.
2
4
.
1
2
.
6
2
.
1
3
.
3
4
.
5
9
.
9
5
.
5
3
.
5
2
.
0
4
.
0
2
.
4
1.00
000
0.00
000
0.00
000
1
8
9
.
2
3
.
9
4
.
6
5
.
3
4
.
2
8
.
4
4
.
8
7
.
1
6
.
2
6
.
6
4
.
4
2
.
6
4
.
2
0.08
433
0.00
789
0.90
778
1
9
9
.
3
3
.
5
5
.
4
7
.
8
4
.
6
7
.
5
5
.
9
4
.
6
6
.
4
4
.
9
4
.
8
4
.
1
4
.
6
0.00
000
0.00
009
0.99
991
2
0
9
.
3
3
.
8
4
.
0
4
.
6
4
.
7
6
.
4
5
.
5
7
.
4
5
.
3
4
.
8
3
.
6
3
.
2
3
.
4
0.61
712
0.15
719
0.22
568
2
1
8
.
6
4
.
8
5
.
6
5
.
3
2
.
3
6
.
0
5
.
7
6
.
7
5
.
8
3
.
6
4
.
9
3
.
6
3
.
6
0.39
507
0.36
925
0.23
568
2
2
7
.
4
3
.
4
2
.
6
5
.
0
4
.
1
4
.
4
4
.
8
7
.
2
4
.
5
6
.
4
4
.
2
5
.
6
3
.
7
0.15
185
0.84
150
0.00
665
2
3
8
.
7
3
.
2
3
.
3
3
.
2
3
.
1
6
.
1
2
.
9
5
.
6
5
.
0
4
.
3
3
.
1
2
.
9
2
.
5
0.99
926
0.00
074
0.00
000
2
4
7
.
8
4
.
9
5
.
8
5
.
3
5
.
2
5
.
3
7
.
1
7
.
9
6
.
0
5
.
7
4
.
3
4
.
9
3
.
9
0.13
992
0.75
574
0.10
433
2
5
7
.
9
3
.
0
4
.
4
5
.
1
5
.
9
4
.
2
4
.
8
9
.
7
5
.
7
5
.
8
3
.
4
5
.
4
3
.
5
0.94
655
0.05
175
0.00
170
Pgina
18
_IN
TO_
2. Realice el mismo anlisis del apartado anterior, pero utilizando distribuciones

normales y matrices de varianzas-covarianzas diferentes dentro de cada grupo
de clientes. Valide los resultados con el fichero DISCRIM_VALIDA y seale las
observaciones errneamente clasificadas. Comente las diferencias con los
resultados del apartado 1.
CDIGO FUENTE:
proc discrim data=discrim_estima outstat=discrimstat method=normal pool=no

list crossvalidate;
class X1;
priors prop;
var x2-x14;
run;
class X1;
var x2-x14;
run;
run;
Pgina
19
RESULTADOS:
Sistema SAS
EST type data set
Observacione
75
Total DF
74
Variables
13
Clases Within DF
72
Clases Between DF
Clases
X1
Nombre de
variable
Frecuencia
Peso
Proporcin
Probabilidad
anterior
_1
23
23.0000
0.306667
0.306667
_2
27
27.0000
0.360000
0.360000
_3
25
25.0000
0.333333
0.333333
Informacin de la matriz de covarianza

Within
Rango de la matriz
de covarianza
Determinante de la
13
-12.94975
13
-16.98286
13
-13.18000
X1
Sistema SAS
EST type data set
De X1
-10.58576
7.21178
31.26802
13.69913
-14.93955
19.71244
5.80642
9.43731
-10.98277
Sistema SAS
EST type data set
Pgina
20
Resultados de resustitucin usando Funcin discrimimante cuadrtica
Obs
De X1
Clasificado en X1
0.0000
1.0000
0.0000
0.0000
0.0000
1.0000
0.0000
0.0000
1.0000
1.0000
0.0000
0.0000
0.0008
0.9905
0.0087
1.0000
0.0000
0.0000
1.0000
0.0000
0.0000
0.0000
1.0000
0.0000
0.0000
1.0000
0.0000
10
0.3570
0.6430
0.0000
11
0.0052
0.0066
0.9882
12
1.0000
0.0000
0.0000
13
0.9136
0.0000
0.0864
14
0.0000
0.0004
0.9996
15
0.0003
0.9997
0.0000
16
0.0022
0.0000
0.9978
17
0.0000
1.0000
0.0000
18
0.0000
1.0000
0.0000
19
0.0000
1.0000
0.0000
20
0.0000
0.0046
0.9954
21
1.0000
0.0000
0.0000
22
0.0000
0.0000
1.0000
23
0.0000
0.0387
0.9613
24
0.0000
0.0000
1.0000
25
1.0000
0.0000
0.0000
26
0.0000
1.0000
0.0000
27
0.0000
0.0000
0.9999
28
0.9997
0.0003
0.0000
Pgina
21

Obs
De X1
Clasificado en X1
29
0.0000
0.0000
1.0000
30
1.0000
0.0000
0.0000
31
1.0000
0.0000
0.0000
32
1.0000
0.0000
0.0000
33
1.0000
0.0000
0.0000
34
0.0000
1.0000
0.0000
35
1.0000
0.0000
0.0000
36
1.0000
0.0000
0.0000
37
0.0696
0.7047
0.2257
38
0.0000
0.0000
1.0000
39
0.0000
1.0000
0.0000
40
1.0000
0.0000
0.0000
41
0.0000
1.0000
0.0000
42
0.0000
1.0000
0.0000
43
0.0207
0.0000
0.9792
44
0.0000
1.0000
0.0000
45
0.0000
0.0000
1.0000
46
0.0340
0.9660
0.0000
47
0.0000
0.0000
1.0000
48
0.0000
1.0000
0.0000
49
0.0000
0.0000
1.0000
50
0.0001
0.0230
0.9770
51
1.0000
0.0000
0.0000
52
0.0000
0.0000
1.0000
53
0.0000
0.0000
1.0000
54
0.9991
0.0009
0.0000
55
0.0000
1.0000
0.0000
56
0.0076
0.0023
0.9901
57
0.0000
1.0000
0.0000
Pgina
22

Obs
De X1
Clasificado en X1
58
0.0000
0.0000
1.0000
59
0.0000
0.0000
1.0000
60
0.0000
0.0000
1.0000
61
0.0000
0.0000
1.0000
62
0.0000
1.0000
0.0000
63
1.0000
0.0000
0.0000
64
1.0000
0.0000
0.0000
65
1.0000
0.0000
0.0000
66
0.0000
1.0000
0.0000
67
0.0000
1.0000
0.0000
68
0.0000
1.0000
0.0000
69
1.0000
0.0000
0.0000
70
0.0000
1.0000
0.0000
71
0.0000
0.0000
1.0000
72
1.0000
0.0000
0.0000
73
0.0001
0.9999
0.0000
74
0.0000
0.0000
1.0000
75
0.0000
0.9999
0.0001
Sistema SAS
EST type data set
Resumen de resustitucin usando Funcin discrimimante cuadrtica
en X1
De X1
Total
22
95.65
1
4.35
0
0.00
23
100.00
0
0.00
26
96.30
1
3.70
27
100.00
0
0.00
0
0.00
25
100.00
25
100.00
Pgina
23

en X1
De X1
Total
Total
22
29.33
27
36.00
26
34.67
75
100.00
0.30667
0.36
0.33333
Anteriores

1
Total
Tasa
0.0435
0.0370
0.0000
0.0267
Anteriores
0.3067
0.3600
0.3333
Sistema SAS
EST type data set
Resumen de validacin cruzada usando Funcin discrimimante cuadrtica
en X1
De X1
Total
17
73.91
3
13.04
3
13.04
23
100.00
2
7.41
22
81.48
3
11.11
27
100.00
4
16.00
6
24.00
15
60.00
25
100.00
Total
23
30.67
31
41.33
21
28.00
75
100.00
0.30667
0.36
0.33333
Anteriores

1
Total
Tasa
0.2609
0.1852
0.4000
0.2800
Anteriores
0.3067
0.3600
0.3333
Pgina
24
Sistema SAS
EST type data set
Resultados de clasificacin usando Funcin discrimimante cuadrtica
Obs
De X1
Clasificado en X1
0.0000
0.0000
1.0000
0.0003
0.2444
0.7552
0.1490
0.0000
0.8510
0.0000
0.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0233
0.9767
0.0004
0.5905
0.4092
0.9834
0.0165
0.0001
1.0000
0.0000
0.0000
10
0.0015
0.0000
0.9985
11
0.0082
0.9918
0.0000
12
1.0000
0.0000
0.0000
13
0.0000
0.0000
1.0000
14
0.1249
0.6591
0.2160
15
0.0000
1.0000
0.0000
16
0.0076
0.0000
0.9924
17
1.0000
0.0000
0.0000
18
0.0000
0.9994
0.0006
19
0.0000
0.0000
1.0000
20
0.5296
0.4694
0.0011
21
0.0089
0.1313
0.8599
22
0.0033
0.9967
0.0000
23
1.0000
0.0000
0.0000
24
0.9986
0.0001
0.0013
Pgina
25

Obs
De X1
Clasificado en X1
25
0.0010
0.8342
0.1648
Sistema SAS
EST type data set
Resumen de clasificacin usando Funcin discrimimante cuadrtica
en X1
De X1
Total
5
55.56
2
22.22
2
22.22
9
100.00
2
25.00
3
37.50
3
37.50
8
100.00
1
12.50
2
25.00
5
62.50
8
100.00
Total
8
32.00
7
28.00
10
40.00
25
100.00
0.30667
0.36
0.33333
Anteriores

1
Total
Tasa
0.4444
0.6250
0.3750
0.4863
Anteriores
0.3067
0.3600
0.3333
Pgina
26
PASO PROC PRINT:
Sistema SAS
EST type data set
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
_1
_2
_3
9
.
9
3
.
0
6
.
8
5
.
0
5
.
4
5
.
9
4
.
8
4
.
9
7
.
3
7
.
6
3
.
1
4
.
3
3
.
8
0.00
000
0.00
000
1.00
000
7
.
6
3
.
6
7
.
6
4
.
6
4
.
7
4
.
6
5
.
0
7
.
4
8
.
1
6
.
6
4
.
5
5
.
8
3
.
9
0.00
034
0.24
445
0.75
521
9
.
4
3
.
8
7
.
0
6
.
2
4
.
7
6
.
5
4
.
9
8
.
5
7
.
3
2
.
4
4
.
3
4
.
5
4
.
1
0.14
897
0.00
000
0.85
103
9
.
3
3
.
5
6
.
3
7
.
6
5
.
5
7
.
5
5
.
9
4
.
6
6
.
6
3
.
1
5
.
2
4
.
1
4
.
6
0.00
000
0.00
000
1.00
000
7
.
1
3
.
4
4
.
9
4
.
1
4
.
0
5
.
0
5
.
9
7
.
8
6
.
1
3
.
5
2
.
6
3
.
1
2
.
7
1.00
000
0.00
000
0.00
000
9
.
9
3
.
0
7
.
4
4
.
8
4
.
0
5
.
9
4
.
8
4
.
9
5
.
9
6
.
9
3
.
2
4
.
3
3
.
8
0.00
000
0.02
325
0.97
675
8
.
7
3
.
2
6
.
4
4
.
9
2
.
4
6
.
8
4
.
6
6
.
8
6
.
3
5
.
1
4
.
3
3
.
7
4
.
0
0.00
038
0.59
045
0.40
917
8
.
6
2
.
9
5
.
8
3
.
9
2
.
9
5
.
6
4
.
0
6
.
3
6
.
1
4
.
0
2
.
7
3
.
0
3
.
0
0.98
341
0.01
650
0.00
009
6
.
4
3
.
2
6
.
7
3
.
6
2
.
2
2
.
9
5
.
0
8
.
4
7
.
3
6
.
5
2
.
0
3
.
7
1
.
6
1.00
000
0.00
000
0.00
000
1
0
7
.
7
2
.
6
6
.
7
6
.
6
1
.
9
7
.
2
4
.
3
5
.
9
6
.
5
4
.
1
4
.
7
3
.
9
4
.
3
0.00
150
0.00
000
0.99
850
1
1
7
.
5
3
.
5
4
.
1
4
.
5
3
.
5
4
.
1
4
.
5
7
.
6
4
.
9
2
.
8
3
.
4
5
.
4
3
.
4
0.00
823
0.99
177
0.00
000
1
2
5
.
0
3
.
6
1
.
3
3
.
0
3
.
5
4
.
2
4
.
9
8
.
2
4
.
3
7
.
6
2
.
4
4
.
8
3
.
1
1.00
000
0.00
000
0.00
000
1
3
7
.
7
2
.
6
8
.
0
6
.
7
3
.
5
7
.
2
4
.
3
5
.
9
6
.
9
7
.
7
5
.
1
3
.
9
4
.
3
0.00
002
0.00
000
0.99
998
1
4
9
.
1
3
.
6
5
.
5
5
.
4
4
.
2
6
.
2
4
.
6
8
.
3
6
.
5
4
.
1
4
.
6
4
.
3
3
.
9
0.12
489
0.65
910
0.21
601
0.00
1.00
0.00
Pgina
27
_IN
TO_
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
.
5
.
5
.
7
.
0
.
6
.
7
.
2
.
3
.
4
.
9
.
5
.
7
.
9
_1
_2
_3
000
000
000
_IN
TO_
1
6
9
.
1
3
.
7
7
.
0
4
.
1
4
.
4
6
.
3
5
.
4
7
.
3
7
.
5
4
.
6
4
.
4
3
.
0
3
.
3
0.00
764
0.00
000
0.99
236
1
7
7
.
1
4
.
2
4
.
1
2
.
6
2
.
1
3
.
3
4
.
5
9
.
9
5
.
5
3
.
5
2
.
0
4
.
0
2
.
4
0.99
998
0.00
000
0.00
002
1
8
9
.
2
3
.
9
4
.
6
5
.
3
4
.
2
8
.
4
4
.
8
7
.
1
6
.
2
6
.
6
4
.
4
2
.
6
4
.
2
0.00
000
0.99
937
0.00
063
1
9
9
.
3
3
.
5
5
.
4
7
.
8
4
.
6
7
.
5
5
.
9
4
.
6
6
.
4
4
.
9
4
.
8
4
.
1
4
.
6
0.00
000
0.00
000
1.00
000
2
0
9
.
3
3
.
8
4
.
0
4
.
6
4
.
7
6
.
4
5
.
5
7
.
4
5
.
3
4
.
8
3
.
6
3
.
2
3
.
4
0.52
955
0.46
937
0.00
107
2
1
8
.
6
4
.
8
5
.
6
5
.
3
2
.
3
6
.
0
5
.
7
6
.
7
5
.
8
3
.
6
4
.
9
3
.
6
3
.
6
0.00
886
0.13
129
0.85
985
2
2
7
.
4
3
.
4
2
.
6
5
.
0
4
.
1
4
.
4
4
.
8
7
.
2
4
.
5
6
.
4
4
.
2
5
.
6
3
.
7
0.00
327
0.99
673
0.00
000
2
3
8
.
7
3
.
2
3
.
3
3
.
2
3
.
1
6
.
1
2
.
9
5
.
6
5
.
0
4
.
3
3
.
1
2
.
9
2
.
5
1.00
000
0.00
000
0.00
000
2
4
7
.
8
4
.
9
5
.
8
5
.
3
5
.
2
5
.
3
7
.
1
7
.
9
6
.
0
5
.
7
4
.
3
4
.
9
3
.
9
0.99
859
0.00
008
0.00
133
2
5
7
.
9
3
.
0
4
.
4
5
.
1
5
.
9
4
.
2
4
.
8
9
.
7
5
.
7
5
.
8
3
.
4
5
.
4
3
.
5
0.00
099
0.83
421
0.16
480
COMENTARIO:
En el anlisis discriminante del primer apartado, la tasa de estimaciones de cuenta de
error por validacin cruzada fue ligeramente inferior a la registrada con matrices de
varianzas-covarianzas diferentes: 0,4556 contra 0,4863.
Pgina
28
3. De las 13 variables empleadas, selecciones aquella que tenga mayor capacidad

discriminatoria. Realice un anlisis discriminante con esa nica variable
utilizando el fichero DISCRIM_ESTIMA, asumiendo distribuciones normales y
matrices de varianzas-covarianzas iguales dentro de cada grupo de clientes.
Seale las tres funciones discriminantes. Valide los resultados con el fichero
DISCRIM_VALIDA y comprelos con los del apartado 1.
CDIGO FUENTE:
proc discrim data=discrim_estima outstat=discrimstat method=normal pool=yes ncan=1

list crossvalidate;
class X1;
priors prop;
var x2-x14;
run;
class X1;
var x2-x14;
run;
run;
Pgina
29
RESULTADOS:
Sistema SAS
EST type data set
Observacione
75
Total DF
74
Variables
13
Clases Within DF
72
Clases Between DF
Clases
X1
Nombre de
variable
Frecuencia
Peso
Proporcin
Probabilidad
anterior
_1
23
23.0000
0.306667
0.306667
_2
27
27.0000
0.360000
0.360000
_3
25
25.0000
0.333333
0.333333
Informacin de la matriz
de covarianza ponderada
Rango de la matriz
de covarianza
Determinante de la
13
-9.67291
Sistema SAS
EST type data set
De X1
2.36399
12.66618
22.78375
12.98686
2.04330
10.49577
22.95052
10.34184
2.19722
Sistema SAS
EST type data set
Anlisis discriminante cannico
Pgina
30
Corr
elac
in
can
nica
Corr
elac
in
can
nica
ajus
tada
Erro
r
est
ndar
apro
xima
do
Corr
elac
in
can
nica
cuad
rada
0.88
0041
0.85
7415
0.02
6217
0.71
0078
0.66
4532
0.05
7634
Autovalores de Inv(E)*H
= CanRsq/(1-CanRsq)
Test de H0: Las

correlaciones cannicas de
la
fila actual y de todas las
siguientes son cero
Aut
ova
lor
Dife
renc
ia
Prop
orci
n
Acu
mul
ada
Ratio
de
proba
bilid
ad
0.77
4472
3.4
340
2.41
71
0.77
15
0.7
715
0.111
81421
9.19
26
12
0
<.
00
01
0.50
4211
1.0
170
0.22
85
1.0
000
0.495
78945
5.17
12
61
<.
00
01
Sistema SAS
EST type data set
Estructura cannica total
Variable
Can1
X2
0.618164
X3
-0.051906
X4
0.037941
X5
0.673266
X6
0.002180
X7
0.704304
X8
0.061770
X9
-0.441844
X10
0.131308
X11
0.038470
X12
0.571957
X13
0.013434
X14
0.691678
Estructura cannica entre

grupos
Variable
X2
Can1
0.812887
Pgina
31
Valo
r F
apro
xima
do
Nu
m
DF
De
n
DF
Pr
>
F
Estructura cannica entre

grupos
Variable
Can1
X3
-0.315371
X4
0.309563
X5
0.924828
X6
0.011029
X7
0.934356
X8
0.227172
X9
-0.755396
X10
0.531800
X11
0.305511
X12
0.889031
X13
0.018344
X14
0.878637
Estructura cannica combinada

dentro
Variable
Can1
X2
0.395079
X3
-0.024913
X4
0.018124
X5
0.416414
X6
0.001051
X7
0.446977
X8
0.030212
X9
-0.244746
X10
0.063884
X11
0.018383
X12
0.329523
X13
0.008344
X14
0.455492
Sistema SAS
Pgina
32
EST type data set

Coeficientes cannicos estandarizados
de la muestra total
Variable
Can1
X2
1.152519569
X3
-0.708650279
X4
0.238179297
X5
0.190328133
X6
-0.076000439
X7
-0.848424984
X8
0.748144787
X9
-0.734633804
X10
-0.157175033
X11
-0.126777415
X12
0.003982978
X13
-0.504119738
X14
2.092849592

combinados dentro de la clase
Variable
Can1
X2
0.868196474
X3
-0.710849271
X4
0.240055972
X5
0.148154165
X6
-0.075874728
X7
-0.643632786
X8
0.736429978
X9
-0.638518366
X10
-0.155535792
X11
-0.127734549
X12
0.003328400
Pgina
33

combinados dentro de la clase
Variable
Can1
X13
-0.390764142
X14
1.530067712
Coeficientes cannicos brutos

Variable
Can1
X2
0.810994580
X3
-1.004236836
X4
0.161255410
X5
0.167885569
X6
-0.068056661
X7
-0.651958632
X8
0.683912222
X9
-0.464428111
X10
-0.206684856
X11
-0.085994881
X12
0.004627842
X13
-0.407759346
X14
2.959661620
Medias de clase en
las variables cannicas
X1
Can1
-2.444556283
0.147032956
2.090196188
Sistema SAS
EST type data set
Variable
Pgina
34

Variable
-214.09833
-242.56274
-252.04512
X2
11.45843
13.14861
15.16736
X3
-0.90434
-4.21811
-5.40427
X4
-2.81883
-1.81536
-2.13207
X5
-3.14776
-3.33635
-2.33906
X6
-0.12005
-0.58428
-0.40680
X7
68.70245
70.49507
65.48143
X8
3.13840
5.79398
6.17267
X9
1.15050
-0.30014
-0.93680
X10
16.84896
14.78671
16.02767
X11
-1.77003
-2.35087
-2.13279
X12
-3.74753
-3.19593
-3.76753
X13
76.39380
80.43546
74.15738
X14
-118.51913
-116.61879
-104.65945
Constante
Sistema SAS
EST type data set
Resultados de resustitucin usando Funcin discriminante lineal
Obs
De X1
Clasificado en X1
0.0044
0.8118
0.1838
0.0000
0.0050
0.9950
0.0000
0.0017
0.9983
0.9998
0.0002
0.0000
0.2396
0.1841
0.5763
0.9999
0.0001
0.0000
0.9999
0.0001
0.0000
0.0531
0.9461
0.0008
0.0059
0.9934
0.0008
Pgina
35

Obs
De X1
Clasificado en X1
10
0.0956
0.9032
0.0012
11
0.0237
0.0624
0.9139
12
0.9986
0.0014
0.0000
13
0.0072
0.0425
0.9504
14
0.0088
0.0169
0.9743
15
0.0031
0.9826
0.0143
16
0.0000
0.0060
0.9940
17
0.0047
0.9925
0.0028
18
0.0261
0.9669
0.0070
19
0.0091
0.9905
0.0004
20
0.0001
0.2863
0.7136
21
0.9998
0.0002
0.0000
22
0.0000
0.0030
0.9970
23
0.0001
0.0404
0.9595
24
0.0000
0.0023
0.9977
25
0.7662
0.2337
0.0001
26
0.0007
0.9989
0.0004
27
0.0001
0.0127
0.9872
28
0.9836
0.0162
0.0001
29
0.0000
0.0493
0.9507
30
0.8697
0.1301
0.0002
31
0.9815
0.0099
0.0086
32
0.9673
0.0152
0.0176
33
0.9942
0.0058
0.0000
34
0.0005
0.9933
0.0062
35
0.9315
0.0682
0.0003
36
0.9998
0.0002
0.0000
37
0.2995
0.0917
0.6087
38
0.0000
0.0088
0.9912
Pgina
36

Obs
De X1
Clasificado en X1
39
0.0012
0.9772
0.0216
40
0.9998
0.0002
0.0000
41
0.0004
0.9960
0.0037
42
0.0174
0.6600
0.3226
43
0.0011
0.2105
0.7884
44
0.0007
0.9968
0.0025
45
0.0000
0.0237
0.9762
46
0.0473
0.9492
0.0035
47
0.0001
0.0046
0.9953
48
0.0000
0.9969
0.0030
49
0.0000
0.0015
0.9985
50
0.0000
0.1673
0.8327
51
0.9995
0.0005
0.0000
52
0.0000
0.0043
0.9957
53
0.0000
0.0023
0.9977
54
0.9902
0.0060
0.0038
55
0.0006
0.9951
0.0043
56
0.2474
0.1064
0.6461
57
0.0003
0.8769
0.1228
58
0.0042
0.0351
0.9607
59
0.0027
0.0110
0.9863
60
0.0000
0.0156
0.9844
61
0.0000
0.0271
0.9729
62
0.0009
0.8312
0.1678
63
0.9820
0.0109
0.0071
64
0.9962
0.0032
0.0006
65
0.9999
0.0001
0.0000
66
0.0000
0.9975
0.0024
67
0.0068
0.9878
0.0054
Pgina
37

Obs
De X1
Clasificado en X1
68
0.0038
0.9956
0.0006
69
0.5864
0.4133
0.0002
70
0.0208
0.9787
0.0005
71
0.0001
0.3360
0.6640
72
0.9970
0.0029
0.0001
73
0.1309
0.8633
0.0058
74
0.0000
0.0044
0.9956
75
0.0019
0.7850
0.2130
Sistema SAS
EST type data set
Resumen de resustitucin usando Funcin discriminante lineal
en X1
De X1
Total
21
91.30
1
4.35
1
4.35
23
100.00
0
0.00
24
88.89
3
11.11
27
100.00
0
0.00
0
0.00
25
100.00
25
100.00
21
28.00
25
33.33
29
38.67
75
100.00
0.30667
0.36
0.33333
Total
Anteriores

1
Total
Tasa
0.0870
0.1111
0.0000
0.0667
Anteriores
0.3067
0.3600
0.3333
Sistema SAS
EST type data set
Pgina
38
Resumen de validacin cruzada usando Funcin discriminante lineal

en X1
De X1
Total
20
86.96
2
8.70
1
4.35
23
100.00
0
0.00
22
81.48
5
18.52
27
100.00
1
4.00
2
8.00
22
88.00
25
100.00
21
28.00
26
34.67
28
37.33
75
100.00
0.30667
0.36
0.33333
Total
Anteriores

1
Total
Tasa
0.1304
0.1852
0.1200
0.1467
Anteriores
0.3067
0.3600
0.3333
Pgina
39
Sistema SAS
EST type data set
Resultados de clasificacin usando Funcin discriminante lineal
Obs
De X1
Clasificado en X1
0.0000
0.0007
0.9993
0.3258
0.6025
0.0717
0.0112
0.1733
0.8155
0.0000
0.0002
0.9998
0.9995
0.0005
0.0000
0.0000
0.0094
0.9906
0.0036
0.1218
0.8747
0.9511
0.0199
0.0290
1.0000
0.0000
0.0000
10
0.0001
0.0593
0.9406
11
0.2767
0.7225
0.0008
12
1.0000
0.0000
0.0000
13
0.0002
0.0221
0.9777
14
0.2216
0.3205
0.4579
15
0.0000
0.9945
0.0055
16
0.8575
0.0284
0.1141
17
1.0000
0.0000
0.0000
18
0.0843
0.0079
0.9078
19
0.0000
0.0001
0.9999
20
0.6171
0.1572
0.2257
21
0.3951
0.3693
0.2357
22
0.1519
0.8415
0.0067
23
0.9993
0.0007
0.0000
24
0.1399
0.7557
0.1043
Pgina
40

Obs
De X1
Clasificado en X1
25
0.9465
0.0518
0.0017
Sistema SAS
EST type data set
Resumen de clasificacin usando Funcin discriminante lineal
en X1
De X1
Total
6
66.67
3
33.33
0
0.00
9
100.00
2
25.00
2
25.00
4
50.00
8
100.00
2
25.00
0
0.00
6
75.00
8
100.00
Total
10
40.00
5
20.00
10
40.00
25
100.00
0.30667
0.36
0.33333
Anteriores

1
Total
Tasa
0.3333
0.7500
0.2500
0.4556
Anteriores
0.3067
0.3600
0.3333
Pgina
41
PASO PROC PRINT:
Sistema SAS
EST type data set
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
_1
_2
_3
9
.
9
3
.
0
6
.
8
5
.
0
5
.
4
5
.
9
4
.
8
4
.
9
7
.
3
7
.
6
3
.
1
4
.
3
3
.
8
0.00
001
0.00
071
0.99
928
7
.
6
3
.
6
7
.
6
4
.
6
4
.
7
4
.
6
5
.
0
7
.
4
8
.
1
6
.
6
4
.
5
5
.
8
3
.
9
0.32
576
0.60
253
0.07
171
9
.
4
3
.
8
7
.
0
6
.
2
4
.
7
6
.
5
4
.
9
8
.
5
7
.
3
2
.
4
4
.
3
4
.
5
4
.
1
0.01
119
0.17
332
0.81
549
9
.
3
3
.
5
6
.
3
7
.
6
5
.
5
7
.
5
5
.
9
4
.
6
6
.
6
3
.
1
5
.
2
4
.
1
4
.
6
0.00
000
0.00
019
0.99
981
7
.
1
3
.
4
4
.
9
4
.
1
4
.
0
5
.
0
5
.
9
7
.
8
6
.
1
3
.
5
2
.
6
3
.
1
2
.
7
0.99
951
0.00
048
0.00
001
9
.
9
3
.
0
7
.
4
4
.
8
4
.
0
5
.
9
4
.
8
4
.
9
5
.
9
6
.
9
3
.
2
4
.
3
3
.
8
0.00
000
0.00
935
0.99
065
8
.
7
3
.
2
6
.
4
4
.
9
2
.
4
6
.
8
4
.
6
6
.
8
6
.
3
5
.
1
4
.
3
3
.
7
4
.
0
0.00
355
0.12
179
0.87
466
8
.
6
2
.
9
5
.
8
3
.
9
2
.
9
5
.
6
4
.
0
6
.
3
6
.
1
4
.
0
2
.
7
3
.
0
3
.
0
0.95
108
0.01
991
0.02
901
6
.
4
3
.
2
6
.
7
3
.
6
2
.
2
2
.
9
5
.
0
8
.
4
7
.
3
6
.
5
2
.
0
3
.
7
1
.
6
1.00
000
0.00
000
0.00
000
1
0
7
.
7
2
.
6
6
.
7
6
.
6
1
.
9
7
.
2
4
.
3
5
.
9
6
.
5
4
.
1
4
.
7
3
.
9
4
.
3
0.00
005
0.05
931
0.94
063
1
1
7
.
5
3
.
5
4
.
1
4
.
5
3
.
5
4
.
1
4
.
5
7
.
6
4
.
9
2
.
8
3
.
4
5
.
4
3
.
4
0.27
673
0.72
251
0.00
075
1
2
5
.
0
3
.
6
1
.
3
3
.
0
3
.
5
4
.
2
4
.
9
8
.
2
4
.
3
7
.
6
2
.
4
4
.
8
3
.
1
0.99
998
0.00
002
0.00
000
1
3
7
.
7
2
.
6
8
.
0
6
.
7
3
.
5
7
.
2
4
.
3
5
.
9
6
.
9
7
.
7
5
.
1
3
.
9
4
.
3
0.00
017
0.02
212
0.97
771
1
4
9
.
1
3
.
6
5
.
5
5
.
4
4
.
2
6
.
2
4
.
6
8
.
3
6
.
5
4
.
1
4
.
6
4
.
3
3
.
9
0.22
161
0.32
050
0.45
789
Pgina
42
_IN
TO_
O
b
s
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X
1
0
X
1
1
X
1
2
X
1
3
X
1
4
_1
_2
_3
1
5
5
.
5
5
.
5
7
.
7
7
.
0
5
.
6
5
.
7
8
.
2
6
.
3
7
.
4
4
.
9
5
.
5
6
.
7
4
.
9
0.00
003
0.99
451
0.00
546
1
6
9
.
1
3
.
7
7
.
0
4
.
1
4
.
4
6
.
3
5
.
4
7
.
3
7
.
5
4
.
6
4
.
4
3
.
0
3
.
3
0.85
754
0.02
839
0.11
406
1
7
7
.
1
4
.
2
4
.
1
2
.
6
2
.
1
3
.
3
4
.
5
9
.
9
5
.
5
3
.
5
2
.
0
4
.
0
2
.
4
1.00
000
0.00
000
0.00
000
1
8
9
.
2
3
.
9
4
.
6
5
.
3
4
.
2
8
.
4
4
.
8
7
.
1
6
.
2
6
.
6
4
.
4
2
.
6
4
.
2
0.08
433
0.00
789
0.90
778
1
9
9
.
3
3
.
5
5
.
4
7
.
8
4
.
6
7
.
5
5
.
9
4
.
6
6
.
4
4
.
9
4
.
8
4
.
1
4
.
6
0.00
000
0.00
009
0.99
991
2
0
9
.
3
3
.
8
4
.
0
4
.
6
4
.
7
6
.
4
5
.
5
7
.
4
5
.
3
4
.
8
3
.
6
3
.
2
3
.
4
0.61
712
0.15
719
0.22
568
2
1
8
.
6
4
.
8
5
.
6
5
.
3
2
.
3
6
.
0
5
.
7
6
.
7
5
.
8
3
.
6
4
.
9
3
.
6
3
.
6
0.39
507
0.36
925
0.23
568
2
2
7
.
4
3
.
4
2
.
6
5
.
0
4
.
1
4
.
4
4
.
8
7
.
2
4
.
5
6
.
4
4
.
2
5
.
6
3
.
7
0.15
185
0.84
150
0.00
665
2
3
8
.
7
3
.
2
3
.
3
3
.
2
3
.
1
6
.
1
2
.
9
5
.
6
5
.
0
4
.
3
3
.
1
2
.
9
2
.
5
0.99
926
0.00
074
0.00
000
2
4
7
.
8
4
.
9
5
.
8
5
.
3
5
.
2
5
.
3
7
.
1
7
.
9
6
.
0
5
.
7
4
.
3
4
.
9
3
.
9
0.13
992
0.75
574
0.10
433
2
5
7
.
9
3
.
0
4
.
4
5
.
1
5
.
9
4
.
2
4
.
8
9
.
7
5
.
7
5
.
8
3
.
4
5
.
4
3
.
5
0.94
655
0.05
175
0.00
170
COMENTARIOS:
La probabilidad de superar el estadstico F est por debajo de 0.0001.
Pgina
43
_IN
TO_
SEGUNDA PRCTICA
Fichero de datos: cluster.dat
-
97 observaciones (pases);
3 variables relativas al ndice de desarrollo.
1. Utilizar el procedimiento ACECLUS para transformar las 3 variables originales en

solamente 2 variables que tengan matriz de varianzas-covarianzas esfrica
dentro de cada cluster.
CDIGO FUENTE:
(Se emplean veinte caracteres para los pases)
dm 'log; clear; output; clear'; /** Limpiar las ventanas registro y salida de SAS **/
data poverty; /** Se conserva el nombre reflejado en el manual para los datos **/
input Birth Death InfantDeath Country $20. @@; /** Se ampla el n de caracteres **/
datalines;
30.8 Albania
28.3
7.3
56 Guyana
12.5 11.9
14.4 Bulgaria
34.8
6.6
42 Paraguay
13.4 11.7
11.3 Czechoslovakia
32.9
8.3 109.9 Peru
24.7
12
5.7
12.4
7.6 Former_E._Germany
18
9.6
21.9 Uruguay
27.5
4.4
23.3 Venezuela
11.6 13.4
14.8 Hungary
14.3 10.2
16 Poland
29 23.2
43 Mexico
13.6 10.7
26.9 Romania
12 10.6
7.9 Belgium
13.2 10.1
5.8 Finland
12.4 11.9
7.5 Denmark
13.6
7.4 France
14
17.7
10
15.2
9.5
13.4 11.6
20.2 Yugoslavia
23 USSR
13.1 Byelorussia_SSR
9.4
11.4 11.2
13 Ukrainian_SSR
7.4 Germany
20.7
8.4
25.7 Argentina
10.1
9.2
11 Greece
46.6
18
111 Bolivia
15.1
9.1
7.5 Ireland
28.6
7.9
63 Brazil
9.7
9.1
8.8 Italy
23.4
5.8
13.2
8.6
7.1 Netherlands
27.4
6.1
40 Columbia
14.3 10.7
32.9
7.4
63 Ecuador
11.9
17.1 Chile
Pgina
44
9.5
7.8 Norway
13.1 Portugal
8.1 Spain
17.8
5.2
7.5 Singapore
14.5 11.1
5.6 Sweden
21.3
6.2
19.4 Sri_Lanka
12.5
7.1 Switzerland
22.3
7.7
28 Thailand
8.4 U.K.
31.8
9.5
64 Vietnam
35.5
8.3
74 Algeria
10.7
8.2
9.5
13.6 11.5
14.9
7.4
8 Austria
9.9
6.7
4.5 Japan
47.2 20.2
14.5
7.3
7.2 Canada
48.5 11.6
67 Botswana
16.7
8.1
9.1 U.S.A.
46.1 14.6
73 Congo
40.4 18.7 181.6 Afghanistan
38.8
28.4
48.6 20.7
137 Ethiopia
42.5 11.5 108.1 Iran
39.4 16.8
103 Gabon
42.6
7.8
69 Iraq
47.4 21.4
143 Gambia
22.3
6.3
9.7 Israel
44.4 13.1
90 Ghana
38.9
6.4
44 Jordan
47 11.3
72 Kenya
26.8
2.2
15.6 Kuwait
44
9.4
82 Libya
31.7
8.7
48 Lebanon
48.3
25
130 Malawi
45.6
7.8
40 Oman
35.5
9.8
42.1
7.6
71 Saudi_Arabia
45 18.5
141 Mozambique
29.2
8.4
76 Turkey
44 12.1
135 Namibia
22.8
3.8
26 United_Arab_Emirates
48.5 15.6
105 Nigeria
3.8
16 Bahrain
9.5
137 Angola
49.4 Egypt
82 Morocco
42.2 15.5
119 Bangladesh
48.2 23.4
154 Sierra_Leone
41.4 16.6
130 Cambodia
50.1 20.2
132 Somalia
21.2
6.7
11.7
4.9
32.1
32 China
6.1 Hong_Kong
9.9
72 South_Africa
44.6 15.8
108 Sudan
118 Swaziland
30.5 10.2
91 India
46.8 12.5
28.6
75 Indonesia
31.1
23.5 18.1
25 Korea
52.2 15.6
103 Uganda
31.6
5.6
24 Malaysia
50.5
106 Tanzania
36.1
8.8
68 Mongolia
45.6 14.2
83 Zaire
51.1 13.7
80 Zambia
66 Zimbabwe
9.4
39.6 14.8
128 Nepal
7.3
14
30.3
8.1 107.7 Pakistan
41.7 10.3
33.2
7.7
45 Philippines
proc aceclus data=poverty out=ace proportion=.03;

var Birth Death InfantDeath;
run;
Pgina
45
52 Tunisia
RESULTADO:
Sistema SAS
Procedimiento ACECLUS
Estimacin de covarianza aproximada para el anlisis de grupo
Observaciones
Variables
97
Proporcin
0.0300
Converge
0.00100
Medias y desviaciones estndar

Media
Desviacin
tpica
Birth
29.2299
13.5467
Death
10.8361
4.6475
InfantDeath
54.9010
45.9926
Variable
COV: covarianzas muestrales totales

Birth
Death
InfantDeath
Birth
183.512951
30.610056
534.794969
Death
30.610056
21.599205
139.925900
534.794969
139.925900
2115.317811
InfantDeath
Estimador de covarianza inicial Within-Cluster = Matriz de covarianza completa
Umbral =
0.292815
Historia de la iteracin
Iteracin
Distancia
RMS
Interrupcin
de la distancia
Interrupcin
dentro de
los pares
2.449
0.717
385.0
Pgina
46
Medida de la
convergencia
0.552025
Historia de la iteracin
Iteracin
Distancia
RMS
Interrupcin
de la distancia
Interrupcin
dentro de
los pares
Medida de la
convergencia
12.534
3.670
446.0
0.008406
12.851
3.763
521.0
0.009655
12.882
3.772
591.0
0.011193
12.716
3.723
628.0
0.008784
12.821
3.754
658.0
0.005553
12.774
3.740
680.0
0.003010
12.631
3.699
683.0
0.000676
Algoritmo convergente.
ACE: Approximate Covariance Estimate Within Clusters

Birth
Death
InfantDeath
Birth
5.94644949
-0.63235725
6.28151537
Death
-0.63235725
2.33464129
1.59005857
6.28151537
1.59005857
35.10327233
InfantDeath
Autovalores de (ACE)*(COV-ACE)
Autovalor
Diferencia
Proporcin
Acumulada
63.5500
54.7313
0.8277
0.8277
8.8187
4.4038
0.1149
0.9425
4.4149
0.0575
1.0000
Autovector (Coeficientes cannicos planos)

Can1
Pgina
47
Can2
Can3
Autovector (Coeficientes cannicos planos)

Can1
Can2
Can3
Birth
0.125610
0.457037
0.003875
Death
0.108402
0.163792
0.663538
InfantDeath
0.134704
-.133620
-.046266

Can1
Can2
Can3
Birth
1.70160
6.19134
0.05249
Death
0.50380
0.76122
3.08379
InfantDeath
6.19540
-6.14553
-2.12790
Pgina
48
Conjunto de datos de salida ACE:
Birth Death InfantDeath Country

24,7
5,7
30,8 Albania
12,5
11,9
14,4 Bulgaria
13,4
11,7
11,3 Czechoslovakia
12
12,4
7,6 Former_E._Germany
11,6
13,4
14,8 Hungary
14,3
10,2
16 Poland
13,6
10,7
26,9 Romania
14
9
20,2 Yugoslavia
17,7
10
23 USSR
15,2
9,5
13,1 Byelorussia_SSR
13,4
11,6
13 Ukrainian_SSR
20,7
8,4
25,7 Argentina
46,6
18
111 Bolivia
28,6
7,9
63 Brazil
23,4
5,8
17,1 Chile
27,4
6,1
40 Columbia
32,9
7,4
63 Ecuador
28,3
7,3
56 Guyana
34,8
6,6
42 Paraguay
32,9
8,3
109,9 Peru
18
9,6
21,9 Uruguay
27,5
4,4
23,3 Venezuela
29
23,2
43 Mexico
12
10,6
7,9 Belgium
13,2
10,1
5,8 Finland
12,4
11,9
7,5 Denmark
13,6
9,4
7,4 France
11,4
11,2
7,4 Germany
10,1
9,2
11 Greece
15,1
9,1
7,5 Ireland
9,7
9,1
8,8 Italy
13,2
8,6
7,1 Netherlands
14,3
10,7
7,8 Norway
11,9
9,5
13,1 Portugal
10,7
8,2
8,1 Spain
14,5
11,1
5,6 Sweden
12,5
9,5
7,1 Switzerland
13,6
11,5
8,4 U.K.
14,9
7,4
8 Austria
9,9
6,7
4,5 Japan
14,5
7,3
7,2 Canada
16,7
8,1
9,1 U.S.A.
40,4
18,7
181,6 Afghanistan
28,4
3,8
16 Bahrain
42,5
11,5
108,1 Iran
42,6
7,8
69 Iraq
22,3
6,3
9,7 Israel
Pgina
49
Can1
Can2
Can3
-4,372277699 0,308803631 -2,310473543
-7,441774025 -2,060173558 2,514955008
-7,767989513 -1,267376049 2,529159852
-8,366367826 -1,298179749 3,159396637
-7,338337493 -2,279267799 3,488267943
-7,184433455 -1,729744301 1,319889347
-5,74988079 -3,424233653 1,144644478
-6,786440527
-2,62460973 0,328163658
-5,836110023 -1,143916668 0,876492345
-7,537909212 -1,045566583 0,993072082
-7,549832214 -1,510909368 2,384153554
-5,269022742 -0,395645675 -0,298462748
10,51521781 1,616223416
2,2253475
0,693567737 -1,850976853 -2,325350621
-6,370180726 1,561629698 -1,615310034
-2,750489907 0,379015908 -2,460245787
1,179488176 0,032387512 -2,640458413
-0,352087557 -1,151022273 -2,400772336
-1,497368311 3,575747067 -2,192336742
7,594687996 -6,086982639 -4,213158761
-5,989962918 -0,925340006 0,663132458
-5,17177684 2,377729626 -2,815227107
-0,291721622 3,510250578 8,753650503
-8,521080657 -1,633090554 1,951148844
-8,707429507 -0,885939433 1,721188576
-8,383795555 -1,183898614 2,833804253
-8,517540168 -1,031570771
1,18423612
-8,598757289 -1,742227925 2,370079783
-8,49391854 -3,144991771 0,871408944
-8,348175909 -0,408514382 0,986360183
-8,851352386 -3,050221609
0,90529092
-8,694917215 -1,305332872 0,665735916
-8,234808621 -0,552163736 2,031040977
-7,952421134 -2,553789478 0,980285672
-8,917597893 -2,647062688 0,344367955
-8,462675507 -0,101275458 2,399016626
-8,685281906 -1,477846553 1,260207615
-8,155190886 -0,821228629 2,531399188
-8,490229558 -0,845177501 -0,165562008
-9,665625044 -2,777347446 -0,487480109
-8,659077202 -0,937475474 -0,196452698
-8,040075656 -0,054838494 0,254996008
19,32245217 -10,53633223 -0,600592053
-6,107111855 3,666214923 -2,872119362
8,90496028 -0,934776017 -1,969362017
3,249489506 3,729444784 -2,615056163
-7,450962989
2,12957322 -0,945433493
38,9
26,8
31,7
45,6
42,1
29,2
22,8
42,2
41,4
21,2
11,7
30,5
28,6
23,5
31,6
36,1
39,6
30,3
33,2
17,8
21,3
22,3
31,8
35,5
47,2
48,5
46,1
38,8
48,6
39,4
47,4
44,4
47
44
48,3
35,5
45
44
48,5
48,2
50,1
32,1
44,6
46,8
31,1
52,2
50,5
45,6
51,1
41,7
6,4
2,2
8,7
7,8
7,6
8,4
3,8
15,5
16,6
6,7
4,9
10,2
9,4
18,1
5,6
8,8
14,8
8,1
7,7
5,2
6,2
7,7
9,5
8,3
20,2
11,6
14,6
9,5
20,7
16,8
21,4
13,1
11,3
9,4
25
9,8
18,5
12,1
15,6
23,4
20,2
9,9
15,8
12,5
7,3
15,6
14
14,2
13,7
10,3
44
15,6
48
40
71
76
26
119
130
32
6,1
91
75
25
24
68
128
107,7
45
7,5
19,4
28
64
74
137
67
73
49,4
137
103
143
90
72
82
130
82
141
135
105
154
132
72
108
118
52
103
106
83
80
66
Jordan
Kuwait
Lebanon
Oman
Saudi_Arabia
Turkey
United_Arab_Emirates
Bangladesh
Cambodia
China
Hong_Kong
India
Indonesia
Korea
Malaysia
Mongolia
Nepal
Pakistan
Philippines
Singapore
Sri_Lanka
Thailand
Vietnam
Algeria
Angola
Botswana
Congo
Egypt
Ethiopia
Gabon
Gambia
Ghana
Kenya
Libya
Malawi
Morocco
Mozambique
Namibia
Nigeria
Sierra_Leone
Somalia
South_Africa
Sudan
Swaziland
Tunisia
Uganda
Tanzania
Zaire
Zambia
Zimbabwe
Pgina
50
-0,734640255
-6,535412802
-0,850886868
-0,280109927
3,434413067
2,574292279
-5,46348173
10,7691649
12,26966843
-4,541863929
-9,419124705
4,953275455
2,472624357
-3,96010634
-4,432401306
2,406724513
11,579038
6,950072639
-1,174987958
-8,431798805
-6,280779928
-4,834108695
1,403666818
3,08538413
14,33138386
4,133106501
4,965076795
0,316249861
14,56143856
8,403109952
15,29481514
6,878912184
4,585693445
5,349944329
14,04695459
4,325623032
14,40957637
12,78196533
9,685484063
17,09385623
14,02212977
2,56234608
9,621400088
10,88705804
-0,53919819
9,880830995
9,897964141
6,205955328
6,438494087
3,00333329
5,149601253
2,726336909
1,701173279
8,975539313
3,200927662
-3,231919995
-0,229394593
-1,873180074
-3,528460235
-1,287379286
-2,463297344
-4,347248257
-3,2087307
2,566370629
4,354598096
1,056114358
-4,378711851
-7,01407356
2,623797888
0,186699152
0,360041886
-0,086366392
-0,260011311
-0,101724338
-1,223335363
7,31561256
5,908377228
4,890102788
-0,501587454
-0,802033795
-1,737098644
2,61418496
5,912818752
2,894302131
1,000945683
-0,924997799
-3,041743302
-3,745325833
2,893215052
-2,513706831
0,77017312
-1,126344296
0,742667831
-0,128563297
0,663162388
4,851493037
3,411602969
4,278141023
7,110810367
4,128450414
-2,401690526
-3,921472745
-1,0885161
-1,261712641
-2,842233426
-2,592717419
-3,356479412
0,179325078
0,397188768
-1,716016572
-1,748899544
-2,087305265
-1,885238289
6,181088758
-2,035482005
-1,930437582
-0,711621193
-4,254154832
-1,607443267
-1,590975404
-1,464443981
-0,863151933
-1,297557481
-2,542128396
2,484534392
0,021780188
1,725497067
-0,594948419
2,8217278
1,77133411
3,003957475
-0,062921717
-0,41442409
-2,149431709
5,997641021
-1,916951303
1,162931197
-2,809987881
0,917815932
3,825204604
2,727101884
-1,401109504
0,896613699
-1,747198478
-2,204858501
1,024684589
-0,182361307
0,995482734
0,823823115
-0,820900439
2. Con las 2 variables cannicas del procedimiento anterior, pasar un

procedimiento de anlisis cluster jerrquico, utilizando distancias eucldeas y el
enlace de centroides entre grupos.
CDIGO FUENTE:
Se aade lo siguiente al paso DATA del apartado anterior, interpretado como
coordenadas en el espacio eucldeo:
proc aceclus data=poverty out=ace noprint proportion=.03;

run;
proc cluster data=Ace method=centroid ccc pseudo print=15 outtree=Tree;
var can1 can2 ;
id country;
format country $12.; /** Pueden ser 20 caracteres **/
run;
RESULTADO:
(Muestra solamente las quince ltimas generaciones)
Sistema SAS
Procedimiento CLUSTER
Anlisis del conglomerado jerrquico de centroide
Autovalores de la matriz de covarianza
Autovalor
Diferencia
Proporcin
Acumulada
64.5500051
54.7313223
0.8680
0.8680
9.8186828
0.1320
1.0000
Desviacin estndar de la muestra total cuadrtica media = 6.097897

Distancia cuadrtica media entre observaciones = 12.19579
Historia de conglomerado
Pgina
51
T
NC
L
Conglomerados
unidos
Frecuenci
a
CCC
PS
F
PST
2
Dist
Cent
Norm
SPRSQ
RSQ
ERS
Q
16
0.005
2
.96
9
.96
8
0.4
2
18
4
17.
3
0.258
0.001
2
.96
8
.96
5
1.0
0
19
3
3.3
0.259
2
15
CL1
8
CL26
14
CL2
2
Sierra_Leon
e
13
CL3
2
Romania
30
0.001
4
.96
7
.96
1
1.6
0
20
2
7.8
0.261
3
12
CL2
1
CL20
11
0.003
5
.96
3
.95
7
1.6
8
20
2
8.6
0.276
3
11
CL1
5
CL13
46
0.021
7
.94
1
.95
1
2.0
13
8
60.
8
0.315
9
10
CL5
1
CL14
10
0.004
4
.93
7
.94
5
1.5
14
4
11.
1
0.317
CL2
3
CL33
0.004
4
.93
3
.93
8
.83
15
2
14.
2
0.323
8
CL9
CL10
19
0.017
6
.91
5
.92
8
1.8
13
7
21.
2
0.422
CL1
2
CL19
18
0.017
6
.89
7
.91
6
2.2
13
1
29.
4
0.444
9
CL7
CL16
28
0.029
0
.86
8
.89
9
3.0
12
0
22.
6
0.465
5
CL6
Oman
29
0.007
7
.86
1
.87
6
1.4
14
2
3.3
0.619
6
CL8
CL54
21
0.015
1
.84
6
.84
2
0.3
0
17
0
9.1
0.633
4
CL4
CL5
50
0.163
3
.68
2
.78
4
5.1
10
1
67.
0
0.802
2
CL1
1
CL3
96
0.613
7
.06
9
.65
7
-11
7.
0
182
1.108
9
CL2
Afghanistan
97
0.068
6
.00
0
.00
0
0.0
0
7.0
1.823
4
Pgina
52
i
e
3. Obtener el dendrograma correspondiente utilizando el procedimiento TREE.

Cul podra ser el nmero adecuado de clusters para agrupar los 97 pases?
CDIGO FUENTE:
Se aade lo siguiente al paso DATA del primer apartado. Se visualiza el
dendrograma en orden de formacin de conglomerados:

run;
proc cluster data=Ace method=centroid ccc pseudo noprint outtree=tree;
var can1 can2 ;
id country;
format country $12.; /** Pueden ser 20 caracteres **/
run;
goptions vsize=6.31in hsize=6.4in htext=2pct htitle=3pct;
axis1 order=(0 to 1 by 0.2);
proc tree sort height=n out=New
haxis=axis1 ;
height _rsq_;
id country;
run;
Pgina
53
RESULTADO:
Por encima de R2 = 0,25 tenemos tres conglomerados. Uno de ellos contiene

solamente un pas: Afganistn.
Por encima del nivel 0.75 tendramos cinco conglomerados.
Pgina
54
4. En el caso de optar por agrupar los pases en 3 clusters, qu pases

compondran cada uno de esos clusters?
CDIGO FUENTE:
Se aade lo siguiente al paso DATA del primer apartado:

run;
proc cluster data=Ace method=centroid ccc pseudo noprint outtree=tree;
var can1 can2;
id country;
format country $12.;
run;
proc tree noprint out=part nclusters=3;
id country;
copy can1 can2;
proc sort;
by cluster;
proc print label uniform;
id country;
var can1 can2;
by cluster;
run;
Pgina
55
RESULTADO:
Sistema SAS
CLUSTER=1
Country
Can1
Can2
Finland
-8.7074
-0.8859
Canada
-8.6591
-0.9375
Former_E._Germany
-8.3664
-1.2982
Denmark
-8.3838
-1.1839
Belgium
-8.5211
-1.6331
Germany
-8.5988
-1.7422
Netherlands
-8.6949
-1.3053
Switzerland
-8.6853
-1.4778
Ireland
-8.3482
-0.4085
Norway
-8.2348
-0.5522
France
-8.5175
-1.0316
Austria
-8.4902
-0.8452
Bulgaria
-7.4418
-2.0602
Hungary
-7.3383
-2.2793
Argentina
-5.2690
-0.3956
-5.4635
-0.2294
USSR
-5.8361
-1.1439
Uruguay
-5.9900
-0.9253
Sweden
-8.4627
-0.1013
Singapore
-8.4318
0.1867
Czechoslovakia
-7.7680
-1.2674
Byelorussia_SSR
-7.5379
-1.0456
U.K.
-8.1552
-0.8212
Ukrainian_SSR
-7.5498
-1.5109
Greece
-8.4939
-3.1450
Italy
-8.8514
-3.0502
Japan
-9.6656
-2.7773
Pgina
56
Country
Can1
Can2
Hong_Kong
-9.4191
-2.4633
U.S.A.
-8.0401
-0.0548
Poland
-7.1844
-1.7297
Spain
-8.9176
-2.6471
Thailand
-4.8341
-0.0864
Yugoslavia
-6.7864
-2.6246
Portugal
-7.9524
-2.5538
Albania
-4.3723
0.3088
Bahrain
-6.1071
3.6662
Kuwait
-6.5354
2.7263
Chile
-6.3702
1.5616
Sri_Lanka
-6.2808
0.3600
Venezuela
-5.1718
2.3777
Korea
-3.9601
2.5664
China
-4.5419
-1.2874
Israel
-7.4510
2.1296
Malaysia
-4.4324
4.3546
Columbia
-2.7505
0.3790
Romania
-5.7499
-3.4242
CLUSTER=2
Country
Can1
Can2
Turkey
2.5743
-3.2319
Indonesia
2.4726
-3.2087
Malawi
14.0470
1.0009
Somalia
14.0221
0.7702
Ecuador
1.1795
0.0324
Vietnam
1.4037
-0.2600
Congo
4.9651
5.9084
Kenya
4.5857
5.9128
Iraq
3.2495
3.7294
Pgina
57
Country
Can1
Can2
Zimbabwe
3.0033
4.1285
Iran
8.9050
-0.9348
Gabon
8.4031
-0.8020
Cambodia
12.2697
-3.5285
Namibia
12.7820
-3.7453
Nigeria
9.6855
2.8932
Tanzania
9.8980
3.4116
Angola
14.3314
-1.2233
Ethiopia
14.5614
-0.5016
3.4344
3.2009
Lebanon
-0.8509
1.7012
Philippines
-1.1750
2.6238
Jordan
-0.7346
5.1496
Egypt
0.3162
4.8901
Peru
7.5947
-6.0870
Pakistan
6.9501
-7.0141
Algeria
3.0854
-0.1017
South_Africa
2.5623
-1.1263
Nepal
11.5790
-4.3787
Paraguay
-1.4974
3.5757
Mexico
-0.2917
3.5103
Gambia
15.2948
-1.7371
Bolivia
10.5152
1.6162
Sudan
9.6214
0.7427
Brazil
0.6936
-1.8510
Guyana
-0.3521
-1.1510
Morocco
4.3256
-0.9250
Swaziland
10.8871
-0.1286
Botswana
4.1331
7.3156
Ghana
6.8789
2.6142
Saudi_Arabia
Pgina
58
Country
Can1
Can2
Libya
5.3499
2.8943
Zaire
6.2060
4.2781
Mongolia
2.4067
1.0561
Uganda
9.8808
4.8515
14.4096
-3.0417
Zambia
6.4385
7.1108
Tunisia
-0.5392
0.6632
Bangladesh
10.7692
-1.8732
4.9533
-4.3472
Sierra_Leone
17.0939
-2.5137
Oman
-0.2801
8.9755
Mozambique
India
CLUSTER=3
Country
Afghanistan
Can1
Can2
19.3225
-10.5363
Pgina
59
5. Analice y compare los resultados obtenidos con los procedimientos CLUSTER

(distancias eucldeas y mtodo de enlace entre grupos) y FASTCLUS, cuando se
quiere obtener 3 clusters.
CDIGO FUENTE:
PROC CLUSTER (Average linkage)

run;
proc cluster data=Ace method=average ccc pseudo print=15 outtree=tree;
var can1 can2;
id country;
run;
proc tree noprint out=part nclusters=3;
id country;
copy can1 can2;
proc sort;
by cluster;
proc print label uniform;
id country;
var can1 can2;
by cluster;
run;
Pgina
60
RESULTADOS:
PROC CLUSTER (Average linkage)
Sistema SAS
CLUSTER=1
Country
Can1
Can2
Finland
-8.7074
-0.8859
Canada
-8.6591
-0.9375
Turkey
2.5743
-3.2319
Indonesia
2.4726
-3.2087
Former_E._Germany
-8.3664
-1.2982
Denmark
-8.3838
-1.1839
Belgium
-8.5211
-1.6331
Germany
-8.5988
-1.7422
Netherlands
-8.6949
-1.3053
Switzerland
-8.6853
-1.4778
Ireland
-8.3482
-0.4085
Norway
-8.2348
-0.5522
France
-8.5175
-1.0316
Austria
-8.4902
-0.8452
Bulgaria
-7.4418
-2.0602
Hungary
-7.3383
-2.2793
Argentina
-5.2690
-0.3956
-5.4635
-0.2294
USSR
-5.8361
-1.1439
Uruguay
-5.9900
-0.9253
Sweden
-8.4627
-0.1013
Singapore
-8.4318
0.1867
Czechoslovakia
-7.7680
-1.2674
Byelorussia_SSR
-7.5379
-1.0456
1.1795
0.0324
Ecuador
Pgina
61
Country
Can1
Can2
Vietnam
1.4037
-0.2600
Greece
-8.4939
-3.1450
Italy
-8.8514
-3.0502
U.K.
-8.1552
-0.8212
Congo
4.9651
5.9084
Kenya
4.5857
5.9128
Japan
-9.6656
-2.7773
Hong_Kong
-9.4191
-2.4633
Ukrainian_SSR
-7.5498
-1.5109
U.S.A.
-8.0401
-0.0548
Iraq
3.2495
3.7294
Zimbabwe
3.0033
4.1285
Poland
-7.1844
-1.7297
Spain
-8.9176
-2.6471
Thailand
-4.8341
-0.0864
3.4344
3.2009
Yugoslavia
-6.7864
-2.6246
Portugal
-7.9524
-2.5538
Lebanon
-0.8509
1.7012
Philippines
-1.1750
2.6238
Albania
-4.3723
0.3088
Bahrain
-6.1071
3.6662
Kuwait
-6.5354
2.7263
Jordan
-0.7346
5.1496
Egypt
0.3162
4.8901
Algeria
3.0854
-0.1017
South_Africa
2.5623
-1.1263
Chile
-6.3702
1.5616
Sri_Lanka
-6.2808
0.3600
Paraguay
-1.4974
3.5757
Saudi_Arabia
Pgina
62
Country
Can1
Can2
Mexico
-0.2917
3.5103
Venezuela
-5.1718
2.3777
Korea
-3.9601
2.5664
Brazil
0.6936
-1.8510
Guyana
-0.3521
-1.1510
China
-4.5419
-1.2874
Ghana
6.8789
2.6142
Libya
5.3499
2.8943
Botswana
4.1331
7.3156
Mongolia
2.4067
1.0561
Israel
-7.4510
2.1296
Morocco
4.3256
-0.9250
Zaire
6.2060
4.2781
-4.4324
4.3546
6.4385
7.1108
Columbia
-2.7505
0.3790
Tunisia
-0.5392
0.6632
4.9533
-4.3472
Romania
-5.7499
-3.4242
Oman
-0.2801
8.9755
Malaysia
Zambia
India
CLUSTER=2
Country
Can1
Can2
Malawi
14.0470
1.0009
Somalia
14.0221
0.7702
Iran
8.9050
-0.9348
Gabon
8.4031
-0.8020
Cambodia
12.2697
-3.5285
Namibia
12.7820
-3.7453
Nigeria
9.6855
2.8932
Tanzania
9.8980
3.4116
Pgina
63
Country
Can1
Can2
Angola
14.3314
-1.2233
Ethiopia
14.5614
-0.5016
Peru
7.5947
-6.0870
Pakistan
6.9501
-7.0141
Nepal
11.5790
-4.3787
Bolivia
10.5152
1.6162
Sudan
9.6214
0.7427
Gambia
15.2948
-1.7371
Swaziland
10.8871
-0.1286
9.8808
4.8515
Mozambique
14.4096
-3.0417
Bangladesh
10.7692
-1.8732
Sierra_Leone
17.0939
-2.5137
Uganda
CLUSTER=3
Country
Afghanistan
Can1
Can2
19.3225
-10.5363
Queda en evidencia la excentricidad del dato Afganistn como outlier. A

continuacin se compara con los resultados de FASTCLUS.
Pgina
64
CDIGO FUENTE:
PROC FASTCLUS

run;
proc fastclus data=ace out=clust maxclusters=3;
var can1 can2;
run;
proc candisc out=can;
var can1 can2;
class cluster;
run;
proc plot;
plot can2*can1=cluster;
run;
proc sort;
by cluster distance;
run;
proc print;
by cluster;
run;
Pgina
65
RESULTADOS:
PROC FASTCLUS
Sistema SAS
133
11:00 Thursday, May 27, 2009
Procedimiento FASTCLUS
Replace=FULL
Radius=0
Maxclusters=3 Maxiter=1
Valores germinales iniciales
Conglomerado
Can1
Can2
19.32245217
-10.53633223
6.43849409
7.11081037
-9.66562504
-2.77734745
Criterio basado en los valores g
2.7271
Resumen de conglomerados
Conglomerados
Frecuencia
Desviacin
Distancia mxima
estndar
del valor germinal
RMS
a la observacin
Radio
sobrepasado
15
3.1863
8.8742
36
3.4347
8.6323
46
1.7225
5.6173
Pgina
66
Sistema SAS
134
11:00 Thursday, May 27, 2009
Replace=FULL
Radius=0
Resumen de conglomerados
Conglomerados
Conglomerado
Distancia entre
ms prximo
Centroides del conglomerado
10.5815
10.5815
11.3006
Estadsticos para variables
STD
Variable
Total STD
interior
R-cuadrado
RSQ/(1-RSQ)
Can1
8.03430
2.81015
0.880211
7.347990
Can2
3.13348
2.59863
0.326569
0.484934
OVER-ALL
6.09790
2.70646
0.807115
4.184437
Estadstico Pseudo F
196.67
R-cuadrado general aproximado esperado =
Pgina
67
0.78361
Sistema SAS
135
11:00 Thursday, May 27, 2009
Replace=FULL
Radius=0
Criterio de agrupamiento cb
1.515
Aviso: Los dos valores anteriores no son vlidos para variables

correlacionadas.
Medias del conglomerado
Conglomerado
Can1
Can2
13.06095080
-2.96919883
3.76126743
2.07906564
-7.20260630
-0.65887784
Desviaciones estndar del conglomerado
Conglomerado
Can1
Can2
3.252934698
3.118245132
3.666382222
3.186169098
1.657881668
1.784715935
Pgina
68
Sistema SAS
136
11:00 Thursday, May 27, 2009
Procedimento CANDISC
Observacione
97
Total DF
96
Variables
Clases Within DF
94
Clases
Clases Between DF
Nombre de
CLUSTER
variable
Frecuencia
Peso
Proporcin
_1
15
15.0000
0.154639
_2
36
36.0000
0.371134
_3
46
46.0000
0.474227
Pgina
69
Sistema SAS
137
11:00 Thursday, May 27, 2009
Estadsticos de mltiples variables y aproximaciones F
S=2
Estadstico
M=-0.5
N=45.5
Valor
F-Valor
Num DF
Den DF
Pr > F
Wilks' Lambda
0.07952167
118.40
186
<.0001
Pillai's Trace
1.20678002
71.50
188
<.0001
Hotelling-Lawley Trace
7.97489104
184.77
110.57
<.0001
Roy's Greatest Root
7.49449898
352.24
94
<.0001
NOTA: El estadstico F para la raz mayor de Roy es un lmite superior.

NOTA: El estadstico F para Lambda de Wilks es exacto.
Pgina
70
Sistema SAS
138
11:00 Thursday, May 27, 2009
Correlacin
Error
Correlacin
Correlacin
cannica
estndar
cannica
cannica
ajustada
aproximado
cuadrada
0.939296
0.938477
0.012015
0.882277
0.569652
0.068943
0.324503
Autovalores de Inv(E)*H
= CanRsq/(1-CanRsq)
Autovalor
Diferencia
Proporcin
Acumulada
7.4945
7.0141
0.9398
0.9398
0.4804
0.0602
1.0000
Test de H0: Las correlaciones cannicas de la

fila actual y de todas las siguientes son cero
Ratio de
Valor F
probabilidad
aproximado
Num DF
Den DF
Pr > F
0.07952167
118.40
186
<.0001
0.67549673
45.16
94
<.0001
Pgina
71
Sistema SAS
139
11:00 Thursday, May 27, 2009
Estructura cannica total
Variable
Can1
Can2
Can1
0.998146
0.060862
Can2
-0.060862
0.998146
Estructura cannica entre grupos
Variable
Can1
Can2
Can1
0.999317
0.036954
Can2
-0.100036
0.994984
Estructura cannica combinada dentro
Variable
Can1
Can2
Can1
0.989501
0.144526
Can2
-0.025446
0.999676
Pgina
72
Sistema SAS
140
11:00 Thursday, May 27, 2009
Coeficientes cannicos estandarizados de la muestra total
Variable
Can1
Can2
Can1
2.878666545
0.073275620
Can2
-0.175525416
1.201740924
Coeficientes cannicos estandarizados combinados dentro de la clase
Variable
Can1
Can2
Can1
1.006866940
0.025629505
Can2
-0.145565396
0.996618594
Coeficientes cannicos brutos
Variable
Can1
Can2
Can1
0.3582970398
0.0091203470
Can2
-.0560161678
0.3835166606
Pgina
73
Sistema SAS
141
11:00 Thursday, May 27, 2009
Medias de clase en las variables cannicas
CLUSTER
Can1
Can2
4.846023149
-1.019616819
1.231189698
0.831660375
-2.543764703
-0.318380896
Pgina
74
Sistema SAS
142
11:00 Thursday, May 27, 2009
Trazado de Can2*Can1.
El smbolo es el valor de CLUSTER.
10
22
Can2
3 3
33
3333
333 333
3
2 2
3 3
22
22
3 333
2
2
2 2
2
2 2
1 1
1
22
11
-5
-10
-15
-10
-5
Can1
NOTA: 21 obs ocultas.
Pgina
75
10
15
20
Sistema SAS
143
11:00 Thursday, May 27, 2009
----------------------------- Conglomerado=1 ------------------------------
Infant
Obs
Birth
Death
Death
Country
Can1
44.0
12.1
135.0
Namibia
12.7820
-3.7453
41.4
16.6
130.0
Cambodia
12.2697
-3.5285
45.0
18.5
141.0
Mozambique
14.4096
-3.0417
39.6
14.8
128.0
Nepal
11.5790
-4.3787
47.2
20.2
137.0
Angola
14.3314
-1.2233
47.4
21.4
143.0
Gambia
15.2948
-1.7371
42.2
15.5
119.0
Bangladesh
10.7692
-1.8732
48.6
20.7
137.0
Ethiopia
14.5614
-0.5016
48.2
23.4
154.0
Sierra_Leone
17.0939
-2.5137
10
46.8
12.5
118.0
Swaziland
10.8871
-0.1286
Obs
Can3
DISTANCE
Can12
Can22
-2.80999
0.58127
4.78954
-1.31982
0.39719
1.13594
4.59384
-1.24132
1.16293
1.49206
5.33330
-1.03514
-0.71162
1.74646
4.39401
-1.57370
2.48453
2.99174
5.20342
-0.33846
3.00396
3.04428
5.57739
-0.52671
0.17933
3.31619
3.96349
-0.62018
2.82173
3.74860
5.24542
-0.05956
3.82520
4.09426
6.26549
-0.80815
10
-1.74720
4.58026
3.90800
0.04999
Pgina
76
Can2
Sistema SAS
144
11:00 Thursday, May 27, 2009
----------------------------- Conglomerado=1 -----------------------------(continuacin)
Infant
Obs
Birth
Death
Death
Country
Can1
11
50.1
20.2
132.0
Somalia
14.0221
0.7702
12
48.3
25.0
130.0
Malawi
14.0470
1.0009
13
32.9
8.3
109.9
Peru
7.5947
-6.0870
14
30.3
8.1
107.7
Pakistan
6.9501
-7.0141
15
40.4
18.7
181.6
Afghanistan
19.3225
-10.5363
Obs
Can3
DISTANCE
Can12
Can22
11
2.72710
4.85366
4.98095
0.42326
12
5.99764
5.08555
4.97691
0.51199
13
-4.21316
6.05600
3.06212
-2.26519
14
-4.25415
7.00789
2.88309
-2.62663
15
-0.60059
8.87416
7.51338
-3.86463
Pgina
77
Can2
Sistema SAS
145
11:00 Thursday, May 27, 2009
----------------------------- Conglomerado=2 ------------------------------
Infant
Obs
Birth
Death
Death
Country
Can1
16
44.0
9.4
82.0
Libya
5.3499
2.89430
17
42.1
7.6
71.0
Saudi_Arabia
3.4344
3.20093
18
44.4
13.1
90.0
Ghana
6.8789
2.61418
19
42.6
7.8
69.0
Iraq
3.2495
3.72944
20
45.6
14.2
83.0
Zaire
6.2060
4.27814
21
36.1
8.8
68.0
Mongolia
2.4067
1.05611
22
35.5
8.3
74.0
Algeria
3.0854
-0.10172
23
41.7
10.3
66.0
Zimbabwe
3.0033
4.12845
24
35.5
9.8
82.0
Morocco
4.3256
-0.92500
25
46.1
14.6
73.0
Congo
4.9651
5.90838
Obs
Can3
DISTANCE
Can12
Can22
16
-2.14943
0.98116
1.75474
1.15881
17
-2.84223
1.83910
1.05124
1.25893
18
-0.06292
2.09550
2.31826
1.06532
19
-2.61506
2.33422
0.95537
1.45994
20
0.99548
2.60799
1.98393
1.69734
21
-1.93044
2.64685
0.80316
0.42699
22
-2.54213
2.78523
1.11118
-0.01087
23
-0.82090
2.79442
0.84483
1.61072
24
-1.91695
3.01581
1.60167
-0.31530
25
1.72550
3.86716
1.44801
2.31124
Pgina
78
Can2
Sistema SAS
146
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
26
47.0
11.3
72.0
Kenya
4.5857
5.91282
27
32.1
9.9
72.0
South_Africa
2.5623
-1.12634
28
31.8
9.5
64.0
Vietnam
1.4037
-0.26001
29
32.9
7.4
63.0
Ecuador
1.1795
0.03239
30
39.4
16.8
103.0
Gabon
8.4031
-0.80203
31
48.5
15.6
105.0
Nigeria
9.6855
2.89322
32
44.6
15.8
108.0
Sudan
9.6214
0.74267
33
42.5
11.5
108.1
Iran
8.9050
-0.93478
34
50.5
14.0
106.0
Tanzania
9.8980
3.41160
Obs
Can3
DISTANCE
Can12
Can22
26
-0.41442
3.88016
1.31183
2.30949
27
-1.40111
3.91593
0.98117
-0.40860
28
-1.29756
4.15548
0.51749
-0.08692
29
-2.64046
4.19621
0.42079
0.02318
30
1.77133
4.54148
3.05574
-0.23095
31
0.91782
4.89705
3.30821
1.19793
32
0.89661
4.93288
3.40572
0.37258
33
-1.96936
5.02026
3.24298
-0.27729
34
-0.18236
5.21788
3.35531
1.39868
Pgina
79
Can2
Sistema SAS
147
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
35
51.1
13.7
80.0
Zambia
6.4385
7.11081
36
48.5
11.6
67.0
Botswana
4.1331
7.31561
37
29.0
23.2
43.0
Mexico
-0.2917
3.51025
38
38.8
9.5
49.4
Egypt
0.3162
4.89010
39
31.1
7.3
52.0
Tunisia
-0.5392
0.66316
40
46.6
18.0
111.0
Bolivia
10.5152
1.61622
41
28.6
7.9
63.0
Brazil
0.6936
-1.85098
42
31.7
8.7
48.0
Lebanon
-0.8509
1.70117
43
29.2
8.4
76.0
Turkey
2.5743
-3.23192
Obs
Can3
DISTANCE
Can12
Can22
35
0.82382
5.30750
1.90857
2.78584
36
0.02178
5.32330
1.07109
2.84335
37
8.75365
5.35948
-0.30115
1.34358
38
-0.59495
5.36473
-0.16061
1.87832
39
-2.20486
5.57541
-0.23034
0.24942
40
2.22535
5.66839
3.67704
0.71575
41
-2.32535
5.70464
0.35219
-0.70355
42
-1.08852
5.72396
-0.40016
0.64467
43
-2.59272
5.74960
1.10340
-1.21602
Pgina
80
Can2
Sistema SAS
148
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
44
52.2
15.6
103.0
Uganda
9.8808
4.85149
45
28.6
9.4
75.0
Indonesia
2.4726
-3.20873
46
33.2
7.7
45.0
Philippines
-1.1750
2.62380
47
28.3
7.3
56.0
Guyana
-0.3521
-1.15102
48
30.5
10.2
91.0
India
4.9533
-4.34725
49
38.9
6.4
44.0
Jordan
-0.7346
5.14960
50
34.8
6.6
42.0
Paraguay
-1.4974
3.57575
51
45.6
7.8
40.0
Oman
-0.2801
8.97554
Obs
Can3
DISTANCE
Can12
Can22
44
1.02468
5.75064
3.26851
1.95075
45
-1.88524
5.76971
1.06567
-1.20805
46
-1.60744
6.06578
-0.56797
0.99555
47
-2.40077
6.11514
-0.06168
-0.44465
48
-2.08731
6.39046
2.01826
-1.62207
49
-2.40169
6.40202
-0.55168
1.96826
50
-2.19234
6.54243
-0.73680
1.35770
51
-1.26171
8.63229
-0.60314
3.43971
Pgina
81
Can2
Sistema SAS
149
11:00 Thursday, May 27, 2009
----------------------------- Conglomerado=3 ------------------------------
Infant
Obs
Birth
Death
Death
Country
52
15.2
53
Can1
9.5
13.1
Byelorussia_SSR
-7.53791
18.0
9.6
21.9
Uruguay
-5.98996
54
13.4
11.7
11.3
Czechoslovakia
-7.76799
55
13.4
11.6
13.0
Ukrainian_SSR
-7.54983
56
14.3
10.2
16.0
Poland
-7.18443
57
17.7
10.0
23.0
USSR
-5.83611
58
21.3
6.2
19.4
Sri_Lanka
-6.28078
59
13.6
11.5
8.4
U.K.
-8.15519
60
16.7
8.1
9.1
U.S.A.
-8.04008
61
14.3
10.7
7.8
Norway
-8.23481
Obs
Can2
Can3
DISTANCE
Can12
Can22
52
-1.04557
0.99307
0.73244
-2.64224
-0.46974
53
-0.92534
0.66313
0.93452
-2.09435
-0.40951
54
-1.26738
2.52916
1.04415
-2.71225
-0.55691
55
-1.51091
2.38415
1.04676
-2.62045
-0.64832
56
-1.72974
1.31989
1.07535
-2.47727
-0.72891
57
-1.14392
0.87649
1.15088
-2.02698
-0.49194
58
0.36004
-1.46444
1.22011
-2.27055
0.08080
59
-0.82123
2.53140
1.26622
-2.87598
-0.38933
60
-0.05484
0.25500
1.31103
-2.87766
-0.09436
61
-0.55216
2.03104
1.34691
-2.91958
-0.28687
Pgina
82
Sistema SAS
150
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
62
12.5
11.9
14.4
Bulgaria
-7.44177
63
15.1
9.1
7.5
Ireland
-8.34818
64
22.8
3.8
26.0
-5.46348
65
12.4
11.9
7.5
Denmark
-8.38380
66
12.0
12.4
7.6
Former_E._Germany
-8.36637
67
14.9
7.4
8.0
Austria
-8.49023
68
11.6
13.4
14.8
Hungary
-7.33834
69
20.7
8.4
25.7
Argentina
-5.26902
70
13.6
9.4
7.4
France
-8.51754
Obs
Can2
Can3
DISTANCE
Can12
Can22
62
-2.06017
2.51496
1.47142
-2.55096
-0.85798
63
-0.40851
0.98636
1.48057
-2.96824
-0.23281
64
-0.22939
-3.35648
1.50538
-1.94470
-0.13781
65
-1.18390
2.83380
1.56697
-2.93757
-0.53051
66
-1.29818
3.15940
1.59024
-2.92493
-0.57418
67
-0.84518
-0.16556
1.60200
-2.99468
-0.40157
68
-2.27927
3.48827
1.64602
-2.50163
-0.94107
69
-0.39565
-0.29846
1.65349
-1.86571
-0.19979
70
-1.03157
1.18424
1.65692
-2.99402
-0.47331
Pgina
83
Sistema SAS
151
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
Can2
71
14.5
11.1
5.6
Sweden
-8.46268
-0.10128
72
17.8
5.2
7.5
Singapore
-8.43180
0.18670
73
14.5
7.3
7.2
Canada
-8.65908
-0.93748
74
13.2
10.1
5.8
Finland
-8.70743
-0.88594
75
12.0
10.6
7.9
Belgium
-8.52108
-1.63309
76
13.2
8.6
7.1
Netherlands
-8.69492
-1.30533
77
14.0
9.0
20.2
Yugoslavia
-6.78644
-2.62461
78
12.5
9.5
7.1
Switzerland
-8.68528
-1.47785
79
11.4
11.2
7.4
Germany
-8.59876
-1.74223
Obs
Can3
DISTANCE
Can12
Can22
71
2.39902
1.67562
-3.02648
-0.11602
72
-1.59098
1.77092
-3.03155
-0.00530
73
-0.19645
1.78042
-3.05001
-0.43851
74
1.72119
1.82219
-3.07022
-0.41919
75
1.95115
1.87746
-2.96160
-0.70403
76
0.66574
1.90055
-3.04224
-0.57992
77
0.32816
1.93371
-2.28454
-1.06848
78
1.26021
1.95402
-3.02913
-0.64599
79
2.37008
2.00008
-2.98332
-0.74660
Pgina
84
Sistema SAS
152
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
Country
Can1
Can2
80
11.9
9.5
13.1
Portugal
-7.95242
-2.55379
81
22.3
7.7
28.0
Thailand
-4.83411
-0.08637
82
23.4
5.8
17.1
Chile
-6.37018
1.56163
83
21.2
6.7
32.0
China
-4.54186
-1.28738
84
24.7
5.7
30.8
Albania
-4.37228
0.30880
85
10.7
8.2
8.1
Spain
-8.91760
-2.64706
86
22.3
6.3
9.7
Israel
-7.45096
2.12957
87
10.1
9.2
11.0
Greece
-8.49392
-3.14499
88
13.6
10.7
26.9
Romania
-5.74988
-3.42423
Obs
Can3
DISTANCE
Can12
Can22
80
0.98029
2.13922
-2.70628
-1.05195
81
-0.86315
2.14896
-1.72721
-0.07721
82
-1.61531
2.31593
-2.36989
0.54081
83
-1.71602
2.42718
-1.55522
-0.53515
84
-2.31047
2.71507
-1.58387
0.07855
85
0.34437
2.81139
-3.04687
-1.09652
86
-0.94543
2.87768
-2.78895
0.74877
87
0.87141
2.92623
-2.86718
-1.28362
88
1.14464
2.96083
-1.86835
-1.36569
Pgina
85
Sistema SAS
153
11:00 Thursday, May 27, 2009
Infant
Obs
Birth
Death
Death
89
9.7
9.1
8.8
90
11.7
4.9
6.1
91
26.8
2.2
92
9.9
93
Country
Can1
Can2
Italy
-8.85135
-3.05022
Hong_Kong
-9.41912
-2.46330
15.6
Kuwait
-6.53541
2.72634
6.7
4.5
Japan
-9.66563
-2.77735
27.5
4.4
23.3
Venezuela
-5.17178
2.37773
94
27.4
6.1
40.0
Columbia
-2.75049
0.37902
95
23.5
18.1
25.0
Korea
-3.96011
2.56637
96
28.4
3.8
16.0
Bahrain
-6.10711
3.66621
97
31.6
5.6
24.0
Malaysia
-4.43240
4.35460
Obs
Can3
DISTANCE
Can12
Can22
89
0.90529
3.06231
-3.00055
-1.25054
90
-1.74890
3.08217
-3.23686
-1.03062
91
-3.92147
3.43919
-2.49434
0.98599
92
-0.48748
3.46622
-3.30759
-1.15331
93
-2.81523
3.52223
-1.98622
0.86473
94
-2.46025
4.28152
-1.00672
0.12027
95
6.18109
4.38699
-1.56265
0.94813
96
-2.87212
4.43086
-2.39353
1.35036
97
-2.03548
5.61732
-1.83204
1.62964
Pgina
86
Sistema SAS
Conglomerado=1
Ob
s
Bir
th
Dea
th
InfantDe
ath
Country
Can1
Can3
DISTAN
CE
Can12
Can22
44.
0
12.
1
135.0
Namibia
12.78
20
3.7453
2.8099
9
0.5812
7
4.789
54
1.3198
2
41.
4
16.
6
130.0
Cambodia
12.26
97
3.5285
0.3971
9
1.1359
4
4.593
84
1.2413
2
45.
0
18.
5
141.0
Mozambiqu
e
14.40
96
3.0417
1.1629
3
1.4920
6
5.333
30
1.0351
4
39.
6
14.
8
128.0
Nepal
11.57
90
4.3787
0.7116
2
1.7464
6
4.394
01
1.5737
0
47.
2
20.
2
137.0
Angola
14.33
14
1.2233
2.4845
3
2.9917
4
5.203
42
0.3384
6
47.
4
21.
4
143.0
Gambia
15.29
48
1.7371
3.0039
6
3.0442
8
5.577
39
0.5267
1
42.
2
15.
5
119.0
Banglades
h
10.76
92
1.8732
0.1793
3
3.3161
9
3.963
49
0.6201
8
48.
6
20.
7
137.0
Ethiopia
14.56
14
0.5016
2.8217
3
3.7486
0
5.245
42
0.0595
6
48.
2
23.
4
154.0
Sierra_Le
one
17.09
39
2.5137
3.8252
0
4.0942
6
6.265
49
0.8081
5
10
46.
8
12.
5
118.0
Swaziland
10.88
71
0.1286
1.7472
0
4.5802
6
3.908
00
0.0499
9
11
50.
1
20.
2
132.0
Somalia
14.02
21
0.7702
2.7271
0
4.8536
6
4.980
95
0.4232
6
12
48.
3
25.
0
130.0
Malawi
14.04
70
1.0009
5.9976
4
5.0855
5
4.976
91
0.5119
9
13
32.
9
8.3
109.9
Peru
7.594
7
6.0870
4.2131
6
6.0560
0
3.062
12
2.2651
9
14
30.
3
8.1
107.7
Pakistan
6.950
1
7.0141
4.2541
5
7.0078
9
2.883
09
2.6266
3
15
40.
4
18.
7
181.6
Afghanist
an
19.32
25
10.536
3
0.6005
9
8.8741
6
7.513
38
3.8646
3
Can2
Conglomerado=2
Pgina
87
Ob
s
Bir
th
Dea
th
InfantDe
ath
Can1
Can2
Can3
DISTA
NCE
Can12
Can22
16
44.
0
9.4
82.0
Libya
5.349
9
2.894
30
2.149
43
0.981
16
1.754
74
1.158
81
17
42.
1
7.6
71.0
Saudi_Ar
abia
3.434
4
3.200
93
2.842
23
1.839
10
1.051
24
1.258
93
18
44.
4
13.
1
90.0
Ghana
6.878
9
2.614
18
0.062
92
2.095
50
2.318
26
1.065
32
19
42.
6
7.8
69.0
Iraq
3.249
5
3.729
44
2.615
06
2.334
22
0.955
37
1.459
94
20
45.
6
14.
2
83.0
Zaire
6.206
0
4.278
14
0.995
48
2.607
99
1.983
93
1.697
34
21
36.
1
8.8
68.0
Mongolia
2.406
7
1.056
11
1.930
44
2.646
85
0.803
16
0.426
99
22
35.
5
8.3
74.0
Algeria
3.085
4
0.101
72
2.542
13
2.785
23
1.111
18
0.010
87
23
41.
7
10.
3
66.0
Zimbabwe
3.003
3
4.128
45
0.820
90
2.794
42
0.844
83
1.610
72
24
35.
5
9.8
82.0
Morocco
4.325
6
0.925
00
1.916
95
3.015
81
1.601
67
0.315
30
25
46.
1
14.
6
73.0
Congo
4.965
1
5.908
38
1.725
50
3.867
16
1.448
01
2.311
24
26
47.
0
11.
3
72.0
Kenya
4.585
7
5.912
82
0.414
42
3.880
16
1.311
83
2.309
49
27
32.
1
9.9
72.0
South_Af
rica
2.562
3
1.126
34
1.401
11
3.915
93
0.981
17
0.408
60
28
31.
8
9.5
64.0
Vietnam
1.403
7
0.260
01
1.297
56
4.155
48
0.517
49
0.086
92
29
32.
9
7.4
63.0
Ecuador
1.179
5
0.032
39
2.640
46
4.196
21
0.420
79
0.023
18
30
39.
4
16.
8
103.0
Gabon
8.403
1
0.802
03
1.771
33
4.541
48
3.055
74
0.230
95
31
48.
5
15.
6
105.0
Nigeria
9.685
5
2.893
22
0.917
82
4.897
05
3.308
21
1.197
93
32
44.
6
15.
8
108.0
Sudan
9.621
4
0.742
67
0.896
61
4.932
88
3.405
72
0.372
58
33
42.
11.
108.1
Iran
8.905
5.020
3.242
Country
Pgina
88
Ob
s
Bir
th
Dea
th
InfantDe
ath
DISTA
NCE
Can12
Can22
26
98
0.277
29
34
50.
5
14.
0
106.0
0.182
36
5.217
88
3.355
31
1.398
68
35
51.
1
13.
7
7.110
81
0.823
82
5.307
50
1.908
57
2.785
84
36
48.
5
4.133
1
7.315
61
0.021
78
5.323
30
1.071
09
2.843
35
37
Mexico
0.291
7
3.510
25
8.753
65
5.359
48
0.301
15
1.343
58
49.4
Egypt
0.316
2
4.890
10
0.594
95
5.364
73
0.160
61
1.878
32
7.3
52.0
Tunisia
0.539
2
0.663
16
2.204
86
5.575
41
0.230
34
0.249
42
46.
6
18.
0
111.0
Bolivia
10.51
52
1.616
22
2.225
35
5.668
39
3.677
04
0.715
75
41
28.
6
7.9
63.0
Brazil
0.693
6
1.850
98
2.325
35
5.704
64
0.352
19
0.703
55
42
31.
7
8.7
48.0
Lebanon
0.850
9
1.701
17
1.088
52
5.723
96
0.400
16
0.644
67
43
29.
2
8.4
76.0
Turkey
2.574
3
3.231
92
2.592
72
5.749
60
1.103
40
1.216
02
44
52.
2
15.
6
103.0
Uganda
9.880
8
4.851
49
1.024
68
5.750
64
3.268
51
1.950
75
45
28.
6
9.4
75.0
Indonesi
a
2.472
6
3.208
73
1.885
24
5.769
71
1.065
67
1.208
05
46
33.
2
7.7
45.0
Philippi
nes
1.175
0
2.623
80
1.607
44
6.065
78
0.567
97
0.995
55
47
28.
3
7.3
56.0
Guyana
0.352
1
1.151
02
2.400
77
6.115
14
0.061
68
0.444
65
48
30.
5
10.
2
91.0
India
4.953
3
4.347
25
2.087
31
6.390
46
2.018
26
1.622
07
49
38.
9
6.4
44.0
Jordan
0.734
6
5.149
60
2.401
69
6.402
02
0.551
68
1.968
26
50
34.
8
6.6
42.0
Paraguay
1.497
3.575
75
2.192
6.542
43
0.736
1.357
70
Country
Can1
Can2
Can3
0.934
78
1.969
36
Tanzania
9.898
0
3.411
60
80.0
Zambia
6.438
5
11.
6
67.0
Botswana
29.
0
23.
2
43.0
38
38.
8
9.5
39
31.
1
40
Pgina
89
Ob
s
Bir
th
Dea
th
InfantDe
ath
Country
Can1
Can2
Can3
51
45.
6
7.8
40.0
34
0.280
1
Oman
DISTA
NCE
1.261
71
8.975
54
Can12
Can22
80
8.632
29
0.603
14
3.439
71
Conglomerado=3
Ob
s
Bir
th
Dea
th
InfantD
eath
Country
Can1
Can2
Can3
DISTA
NCE
Can12
Can22
52
15.
2
9.5
13.1
Byelorussia_S
SR
7.537
91
1.045
57
0.993
07
0.732
44
2.642
24
0.469
74
53
18.
0
9.6
21.9
Uruguay
5.989
96
0.925
34
0.663
13
0.934
52
2.094
35
0.409
51
54
13.
4
11.
7
11.3
Czechoslovaki
a
7.767
99
1.267
38
2.529
16
1.044
15
2.712
25
0.556
91
55
13.
4
11.
6
13.0
Ukrainian_SSR
7.549
83
1.510
91
2.384
15
1.046
76
2.620
45
0.648
32
56
14.
3
10.
2
16.0
Poland
7.184
43
1.729
74
1.319
89
1.075
35
2.477
27
0.728
91
57
17.
7
10.
0
23.0
USSR
5.836
11
1.143
92
0.876
49
1.150
88
2.026
98
0.491
94
58
21.
3
6.2
19.4
Sri_Lanka
6.280
78
0.360
04
1.464
44
1.220
11
2.270
55
0.080
80
59
13.
6
11.
5
8.4
U.K.
8.155
19
0.821
23
2.531
40
1.266
22
2.875
98
0.389
33
60
16.
7
8.1
9.1
U.S.A.
8.040
08
0.054
84
0.255
00
1.311
03
2.877
66
0.094
36
61
14.
3
10.
7
7.8
Norway
8.234
81
0.552
16
2.031
04
1.346
91
2.919
58
0.286
87
62
12.
5
11.
9
14.4
Bulgaria
7.441
77
2.060
17
2.514
96
1.471
42
2.550
96
0.857
98
63
15.
1
9.1
7.5
Ireland
8.348
18
0.408
51
0.986
36
1.480
57
2.968
24
0.232
81
64
22.
8
3.8
26.0
United_Arab_E
mirates
5.463
48
0.229
39
3.356
48
1.505
38
1.944
70
0.137
81
65
12.
11.
7.5
2.833
1.566
Denmark
Pgina
90
Ob
s
Bir
th
Dea
th
InfantD
eath
66
12.
0
12.
4
7.6
67
14.
9
7.4
68
11.
6
69
Country
Can1
Can2
8.383
80
1.183
90
Former_E._Ger
many
8.366
37
8.0
Austria
13.
4
14.8
20.
7
8.4
25.7
70
13.
6
9.4
71
14.
5
72
Can3
DISTA
NCE
Can12
Can22
2.937
57
0.530
51
80
97
1.298
18
3.159
40
1.590
24
2.924
93
0.574
18
8.490
23
0.845
18
0.165
56
1.602
00
2.994
68
0.401
57
Hungary
7.338
34
2.279
27
3.488
27
1.646
02
2.501
63
0.941
07
Argentina
5.269
02
0.395
65
0.298
46
1.653
49
1.865
71
0.199
79
7.4
France
8.517
54
1.031
57
1.184
24
1.656
92
2.994
02
0.473
31
11.
1
5.6
Sweden
8.462
68
0.101
28
2.399
02
1.675
62
3.026
48
0.116
02
17.
8
5.2
7.5
Singapore
8.431
80
0.186
70
1.590
98
1.770
92
3.031
55
0.005
30
73
14.
5
7.3
7.2
Canada
8.659
08
0.937
48
0.196
45
1.780
42
3.050
01
0.438
51
74
13.
2
10.
1
5.8
Finland
8.707
43
0.885
94
1.721
19
1.822
19
3.070
22
0.419
19
75
12.
0
10.
6
7.9
Belgium
8.521
08
1.633
09
1.951
15
1.877
46
2.961
60
0.704
03
76
13.
2
8.6
7.1
Netherlands
8.694
92
1.305
33
0.665
74
1.900
55
3.042
24
0.579
92
77
14.
0
9.0
20.2
Yugoslavia
6.786
44
2.624
61
0.328
16
1.933
71
2.284
54
1.068
48
78
12.
5
9.5
7.1
Switzerland
8.685
28
1.477
85
1.260
21
1.954
02
3.029
13
0.645
99
79
11.
4
11.
2
7.4
Germany
8.598
76
1.742
23
2.370
08
2.000
08
2.983
32
0.746
60
80
11.
9
9.5
13.1
Portugal
7.952
42
2.553
79
0.980
29
2.139
22
2.706
28
1.051
95
81
22.
3
7.7
28.0
Thailand
4.834
0.086
0.863
2.148
96
1.727
0.077
Pgina
91
Ob
s
Bir
th
Dea
th
InfantD
eath
Country
Can1
Can2
Can3
11
37
15
DISTA
NCE
Can12
Can22
21
21
82
23.
4
5.8
17.1
Chile
6.370
18
1.561
63
1.615
31
2.315
93
2.369
89
0.540
81
83
21.
2
6.7
32.0
China
4.541
86
1.287
38
1.716
02
2.427
18
1.555
22
0.535
15
84
24.
7
5.7
30.8
Albania
4.372
28
0.308
80
2.310
47
2.715
07
1.583
87
0.078
55
85
10.
7
8.2
8.1
Spain
8.917
60
2.647
06
0.344
37
2.811
39
3.046
87
1.096
52
86
22.
3
6.3
9.7
Israel
7.450
96
2.129
57
0.945
43
2.877
68
2.788
95
0.748
77
87
10.
1
9.2
11.0
Greece
8.493
92
3.144
99
0.871
41
2.926
23
2.867
18
1.283
62
88
13.
6
10.
7
26.9
Romania
5.749
88
3.424
23
1.144
64
2.960
83
1.868
35
1.365
69
89
9.7
9.1
8.8
Italy
8.851
35
3.050
22
0.905
29
3.062
31
3.000
55
1.250
54
90
11.
7
4.9
6.1
Hong_Kong
9.419
12
2.463
30
1.748
90
3.082
17
3.236
86
1.030
62
91
26.
8
2.2
15.6
Kuwait
6.535
41
2.726
34
3.921
47
3.439
19
2.494
34
0.985
99
92
9.9
6.7
4.5
Japan
9.665
63
2.777
35
0.487
48
3.466
22
3.307
59
1.153
31
93
27.
5
4.4
23.3
Venezuela
5.171
78
2.377
73
2.815
23
3.522
23
1.986
22
0.864
73
94
27.
4
6.1
40.0
Columbia
2.750
49
0.379
02
2.460
25
4.281
52
1.006
72
0.120
27
95
23.
5
18.
1
25.0
Korea
3.960
11
2.566
37
6.181
09
4.386
99
1.562
65
0.948
13
96
28.
4
3.8
16.0
Bahrain
6.107
11
3.666
21
2.872
12
4.430
86
2.393
53
1.350
36
97
31.
6
5.6
24.0
Malaysia
4.432
40
4.354
60
2.035
48
5.617
32
1.832
04
1.629
64
Pgina
92
TERCERA PRCTICA
Fichero de datos: regresion.dat
-
75 observaciones (establecimientos de venta de hamburguesas);

3 variables
1. Ajustar un modelo lineal mltiple para predecir las ventas de hamburguesas en

funcin del precio y del gasto en publicidad. Realizar un anlisis de la
adecuacin de los datos a este modelo, incluyendo un anlisis de los residuos.
CDIGO FUENTE:
dm 'log; clear; output; clear'; /* limpiar ventanas */

data burger;
input Sales Price AdvExp;
datalines;
73.2
5.69
1.3
68.6
6.45
2.8
71.8
6.49
2.9
76.5
5.35
2.3
62.4
5.63
0.8
80.3
5.22
1.7
67.4
6.22
0.7
70.7
5.89
1.5
89.3
5.02
1.5
75
5.21
0.8
70.3
6.41
1.3
73.7
2.9
73.2
5.85
1.8
71.2
6.37
0.5
86.1
5.41
2.4
84.7
5.33
2.1
81
6.24
0.7
73.6
5.23
0.8
76.4
6.2
73.7
5.88
1.1
76.6
5.48
2.8
78.1
6.24
1.9
82.2
6.14
2.7
75.7
5.59
2.1
82.1
5.37
2.8
74.4
6.22
1.3
Pgina
93
68.7
6.41
1.1
69.7
6.47
1.9
83.9
4.96
1.1
78.1
5.7
0.7
86.1
4.83
2.9
88
5.22
1.6
73.7
6.35
1.4
80.4
5.05
2.9
75.7
6.47
2.5
79.7
5.76
2.3
78.8
5.69
73.2
6.25
1.7
73.7
5.56
85.9
5.34
1.8
80.2
6.41
3.1
83.3
4.98
0.6
69.9
5.54
0.5
73.6
6.39
3.1
69.1
6.47
2.7
79.2
6.22
1.2
83.8
4.94
0.9
88.1
5.1
2.1
84.3
6.16
1.5
64.5
6.49
0.5
66
5.93
2.8
84.1
4.86
2.9
84.3
5.2
2.3
91.2
5.1
1.6
79.5
5.62
1.2
71.8
5.98
1.5
80.2
5.28
3.1
80.6
5.02
67.6
5.46
73.1
5.08
1.3
86.5
5.11
2.5
81
5.23
1.1
87.6
5.04
2.1
73.7
6.02
2.2
84.2
5.08
2.8
82.2
5.73
1.7
75.2
5.86
3.1
74.2
5.11
0.7
84.7
4.89
3.1
75.4
5.71
0.7
73.7
5.68
0.9
81.3
5.45
81.2
5.83
1.8
75
6.05
2.2
69
6.33
3.1
proc reg data=class;

model Sales = Price AdvExp;
run;
Pgina
94
RESULTADOS:
Modelo lineal
Sistema SAS
EST type data set
rocedimiento REG
Modelo: MODEL1
Variable dependiente: Sales
Analysis of Variance
DF
Sum of
Squares
Mean
Square
F-Valor
Pr > F
0.61180
0.30590
1.44
0.2514
Error
34
7.23171
0.21270
Total corregido
36
7.84351
Fuente
Modelo
Root MSE
0.46119
R-cuadrado
0.0780
Media dependiente
5.63432
Adj R-Sq
0.0238
Coeff Var
8.18538
Parmetros estimados
DF
Parameter
Estimate
Standard
Error
Valor t
Pr > |t|
Trmino i
4.04227
1.01542
3.98
0.0003
Pricendie
-0.01752
0.09221
-0.19
0.8505
AdvExp
0.02076
0.01258
1.65
0.1082
Variable
El estadstco F es pequeo y la probabilidad de superarlo es: 0.2514.
Pgina
95
2. Sera ms adecuado ajustar un modelo de respuesta cuadrtica? Por qu?

(Pista: analizar los residuos parciales). Si se opta por el modelo cuadrtico,
cules seran el precio y gasto en publicidad adecuados para maximizar las
ventas?
CDIGO FUENTE:
proc sort;
by Price Sales;
run;
proc rsreg;
model Sales=Price AdvExp / lackfit;
ridge max;
run;
Pgina
96
RESULTADOS:
Sistema SAS
EST type data set
The RSREG Procedure
Coding Coefficients for the Independent
Variables
Factor
Subtracted off
Divided by
Price
5.660000
0.830000
AdvExp
1.800000
1.300000
Response Surface for Variable Sales

Response Mean
77.374667
Root MSE
Regression
4.604996
R-Square
0.5303
Coefficient of Variation
5.9516
DF
Type I Sum of Squares
R-Square
F-Valor
Pr > F
Linear
1396.538930
0.4483
32.93
<.0001
Quadratic
248.381469
0.0797
5.86
0.0045
Crossproduct
7.347985
0.0024
0.35
0.5580
Total Model
1652.268385
0.5303
15.58
<.0001
Residual
DF
Suma de cuadrados
Cuadrado de la media
F-Valor
Pr > F
Lack of Fit
69
1463.213482
21.205992
Pure Error
Total Error
69
1463.213482
21.205992
Pgina
97
DF
Estimacin
Error
estndar
Valor
t
Pr > |t|
Parameter
Estimate
from Coded
Data
Intercept
238.297194
83.888543
2.84
0.0059
78.479816
Price
-54.711587
29.308114
-1.87
0.0662
-6.525737
AdvExp
17.099523
7.583964
2.25
0.0273
2.711578
Price*Price
4.249430
2.550164
1.67
0.1002
2.927432
AdvExp*Price
-0.696829
1.183780
-0.59
0.5580
-0.751878
AdvExp*AdvExp
-3.074901
0.951730
-3.23
0.0019
-5.196583
Parmetro
DF
Suma de cuadrados
Cuadrado de la media
F-Valor
Pr > F
Price
1220.197374
406.732458
19.18
<.0001
AdvExp
383.107805
127.702602
6.02
0.0011
Factor
Sistema SAS
EST type data set
The RSREG Procedure
Canonical Analysis of Response Surface Based on Coded Data
Critical Value
Factor
Coded
Uncoded
Price
1.137520
6.604142
AdvExp
0.178608
2.032190
Predicted value at stationary point:

75.010391
Eigenvectors
Eigenvalues
Price
AdvExp
2.944792
0.998936
-0.046127
Pgina
98
Eigenvectors
Eigenvalues
Price
AdvExp
-5.213942
0.046127
0.998936
Stationary point is a saddle point.
Sistema SAS
EST type data set
The RSREG Procedure
Estimated Ridge of Maximum Response for Variable Sales
Uncoded Factor Values
Coded Radius
Estimated Response
Error estndar
Price
AdvExp
0.0
78.479816
0.986541
5.660000
1.800000
0.1
79.208094
0.974434
5.581517
1.842300
0.2
79.984319
0.952368
5.500778
1.873535
0.3
80.812892
0.927111
5.418969
1.897878
0.4
81.696185
0.910032
5.336623
1.917745
0.5
82.635560
0.917201
5.253991
1.934571
0.6
83.631851
0.966728
5.171202
1.949248
0.7
84.685593
1.072924
5.088322
1.962354
0.8
85.797145
1.241578
5.005389
1.974278
0.9
86.966757
1.470856
4.922427
1.985291
1.0
88.194607
1.755573
4.839448
1.995589
Observamos que la probabilidad de superar F es mucho menor en el modelo lineal con

dos grados de libertad que en el cuadrtico, y por tanto nos quedamos con el primero.
Las mejores ventas se obtienen con precios bajos e inversin publicitaria elevada.
Pgina
99
3. Cul de las dos variables incluidas en el modelo (precio y gasto en publicidad)

tiene mayor influencia en la determinacin de las ventas?
RESPUESTA:
Sistema SAS
EST type data set
The RSREG Procedure
Canonical Analysis of Response Surface Based on Coded Data
Critical Value
Factor
Coded
Uncoded
Price
1.137520
6.604142
AdvExp
0.178608
2.032190
Predicted value at stationary point:

75.010391
Eigenvectors
Eigenvalues
Price
AdvExp
2.944792
0.998936
-0.046127
-5.213942
0.046127
0.998936
Stationary point is a saddle point.
El anlisis cannico muestra que la superficie de respuesta es del tipo silla de

montar. El autovector 2.944792 muestra que la orientacin cncava de la superficie
est menos curvada que la orientacin convexa. Los coeficientes de los autovectores
asociados al anlisis cannico muestran que el valle (cncavo) de la superficie de
respuesta est ms alineado con la variable Precio y la colina (convexa) con la variable
Inversin Publicitaria (AdvExp). Adems, la superficie de respuesta que se ha
estimado no tiene un nico ptimo ya que del anlisis cannico result un punto silla.
Pgina
100
ANEXO: DATOS
Se incluyen a continuacin los ficheros de datos originales.
1) Discriminante.dat
2) Cluster.dat
3) Regresion.dat
DISCRIMINANTE.DAT:
ID
X1 - Customer Type
X6 - Advertising
X7 - Product Line
X11 - New Products
X14 - Delivery Speed
id
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
x1
2
3
3
1
2
1
1
2
2
1
3
1
1
3
2
3
2
2
2
3
1
3
2
3
1
2
3
1
3
1
1
1
1
x2
8,5
8,2
9,2
6,4
9,0
6,5
6,9
6,2
5,8
6,4
8,7
6,1
9,5
9,2
6,3
8,7
5,7
5,9
5,6
9,1
5,2
9,6
8,6
9,3
6,0
6,4
8,5
7,0
8,5
7,6
6,9
8,1
6,7
x3
3,9
2,7
3,4
3,3
3,4
2,8
3,7
3,3
3,6
4,5
3,2
4,9
5,6
3,9
4,5
3,2
4,0
4,1
3,4
4,5
3,8
5,7
3,6
2,4
4,1
3,6
3,0
3,3
3,0
3,6
3,4
2,5
3,7
x4
2,5
5,1
5,6
7,0
5,2
3,1
5,0
3,9
5,1
5,1
4,6
6,3
4,6
5,7
4,7
4,0
6,7
5,5
5,1
3,6
7,1
6,8
7,4
2,6
5,3
6,6
7,2
5,4
5,7
3,0
8,5
7,2
6,5
x5
5,9
7,2
5,6
3,7
4,6
4,1
2,6
4,8
6,7
6,1
4,8
3,9
6,9
5,5
6,9
6,8
6,0
7,2
6,4
6,4
5,2
5,9
5,1
7,2
4,7
6,1
5,8
5,5
6,0
4,0
4,3
4,5
5,3
x6
4,8
3,4
5,4
4,7
2,2
4,0
2,1
4,6
3,7
4,7
2,7
4,4
5,0
2,4
4,5
3,2
3,3
3,5
3,7
5,3
3,9
5,4
3,5
2,2
3,5
4,0
4,1
2,6
2,3
5,1
4,5
2,3
5,3
x7
4,9
7,9
7,4
4,7
6,0
4,3
2,3
3,6
5,9
5,7
6,8
3,9
6,9
8,4
6,8
7,8
5,5
6,4
5,7
5,3
4,3
8,3
7,3
7,2
5,3
3,9
7,6
4,8
7,6
4,2
6,4
5,1
5,1
x8
6,0
3,1
5,8
4,5
4,5
3,7
5,4
5,1
5,8
5,7
4,6
6,4
6,6
4,8
5,9
3,8
5,1
5,5
5,6
7,1
5,0
7,8
4,7
4,5
5,3
5,3
3,7
4,2
3,7
4,6
4,7
3,8
4,9
x9
6,8
5,3
4,5
8,8
6,8
8,5
8,9
6,9
9,3
8,4
6,8
8,2
7,6
7,1
8,8
4,9
6,2
8,4
9,1
8,4
8,4
4,5
3,7
6,2
8,0
7,1
4,8
9,0
4,8
7,7
5,2
6,6
9,2
Pgina
101
x10
4,7
5,5
6,2
7,0
6,1
5,1
4,8
5,4
5,9
5,4
5,8
5,8
6,5
6,7
6,0
6,1
6,7
6,2
5,4
5,8
7,1
6,4
6,7
6,4
6,5
6,1
6,9
6,5
5,8
4,9
7,7
6,8
5,7
x11
4,3
4,0
4,6
3,6
4,5
9,5
2,5
4,8
4,4
5,3
7,5
5,9
5,3
3,0
5,4
5,0
5,4
6,3
6,1
6,7
4,6
6,5
6,0
4,2
3,9
3,7
6,7
5,9
6,0
7,2
3,3
6,1
4,2
x12
5,0
3,9
5,4
4,3
4,5
3,6
2,1
4,3
4,4
4,1
3,8
3,0
5,1
4,5
4,8
4,3
4,2
5,7
5,0
4,5
3,3
4,3
4,8
6,7
4,7
5,6
5,3
4,3
5,7
4,7
3,7
3,0
3,5
x13
5,1
4,3
4,0
4,1
3,5
4,7
4,2
6,3
6,1
5,8
3,7
4,9
4,5
2,6
6,2
3,9
6,2
5,8
6,0
6,1
4,9
3,0
3,4
4,4
5,3
6,6
3,8
5,2
3,8
5,5
2,7
3,5
4,5
x14
3,7
4,9
4,5
3,0
3,5
3,3
2,0
3,7
4,6
4,4
4,0
3,2
4,4
4,2
5,2
4,5
4,5
4,8
4,5
4,4
3,3
4,3
4,0
4,5
4,0
3,9
4,4
3,7
4,4
3,5
3,3
3,0
3,4
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
2 8,0
1 6,7
1 8,7
2 9,0
3 9,6
2 8,2
1 6,1
2 8,3
2 9,4
3 9,3
2 5,1
3 8,0
2 5,9
3 10,0
2 5,7
3 9,9
3 7,9
1 6,7
3 8,2
3 9,4
1 6,9
2 8,0
3 9,3
2 7,4
3 7,6
3 10,0
3 9,9
3 8,7
2 8,4
1 8,8
1 7,7
1 6,6
2 5,7
2 5,7
2 5,5
1 7,5
2 6,4
3 9,1
1 6,7
2 6,5
3 9,9
2 8,5
3 9,9
1 7,6
2 9,4
3 9,3
1 7,1
3 9,9
3 8,7
2 8,6
1 6,4
2 7,7
1 7,5
1 5,0
2 7,7
2 9,1
2 5,5
3 9,1
1 7,1
3 9,2
3 9,3
3 9,3
1 8,6
1 7,4
1 8,7
2 7,8
2 7,9
3,3
4,0
3,2
3,4
4,1
3,6
4,9
3,4
3,8
5,1
5,1
2,5
4,1
4,3
3,8
3,7
3,9
3,6
2,7
2,5
3,4
3,3
3,8
5,1
3,6
4,3
2,8
3,2
3,8
3,9
2,2
3,6
3,8
4,0
3,7
3,5
3,6
4,5
3,2
4,3
3,7
3,9
3,0
3,6
3,8
3,5
3,4
3,0
3,2
2,9
3,2
2,6
3,5
3,6
2,6
3,6
5,5
3,7
4,2
3,9
3,5
3,8
4,8
3,4
3,2
4,9
3,0
6,1
5,2
6,1
5,9
6,2
3,9
3,0
3,3
4,7
4,6
6,6
4,7
5,7
7,1
6,8
3,7
4,3
5,9
3,7
4,8
5,7
3,8
7,3
4,8
5,2
5,3
7,2
8,4
6,7
3,8
6,3
5,8
3,5
7,9
4,7
3,8
2,7
6,1
3,0
2,7
7,5
5,3
6,8
7,6
7,0
6,3
4,9
7,4
6,4
5,8
6,7
6,7
4,1
1,3
8,0
5,5
7,7
7,0
4,1
4,6
5,4
4,0
5,6
2,6
3,3
5,8
4,4
5,7
3,9
4,3
4,6
7,3
6,2
4,8
5,5
5,4
6,8
6,9
7,1
5,9
6,3
7,5
6,1
5,8
4,2
7,4
6,1
4,4
5,8
5,7
7,7
5,8
3,7
6,9
6,1
5,0
5,1
4,5
4,1
6,7
6,4
5,4
3,5
5,3
5,9
3,7
6,6
4,7
5,5
5,0
4,6
6,2
7,6
4,1
4,8
4,9
3,9
3,6
6,6
4,5
3,0
6,7
5,4
7,0
4,1
2,6
5,3
7,8
4,6
5,3
5,0
3,2
5,3
5,1
5,5
3,0
3,5
3,9
2,9
5,8
5,1
3,1
3,8
5,8
4,4
3,6
5,8
2,9
5,7
4,2
4,4
3,4
2,7
3,2
3,3
3,2
3,7
4,5
5,6
4,2
2,6
2,8
4,5
4,3
2,4
4,9
5,4
2,7
4,3
2,9
3,9
6,3
4,8
6,5
5,6
5,0
5,4
4,7
4,7
5,5
4,0
4,0
2,4
2,9
2,2
1,9
3,5
3,5
3,5
4,2
5,6
4,4
2,1
4,2
4,6
4,7
2,3
4,1
3,1
5,2
5,9
4,6
5,4
6,1
6,0
7,7
4,9
3,9
4,6
6,5
6,6
5,4
7,7
6,4
5,4
5,7
7,0
6,9
4,7
7,9
7,3
6,4
4,6
6,4
7,2
6,6
5,4
5,8
7,8
4,7
4,7
4,7
4,7
5,7
5,5
5,3
4,1
3,9
5,3
6,3
6,3
7,0
4,9
5,9
4,6
6,5
7,5
5,0
5,9
6,8
5,6
2,9
7,2
4,1
4,2
7,2
6,2
5,7
6,3
3,3
8,4
7,5
6,4
6,0
4,4
6,1
5,3
4,2
4,7
6,8
2,9
4,5
5,5
5,0
6,4
5,2
4,9
6,3
7,8
3,0
5,5
4,5
6,0
6,7
5,8
4,8
3,1
4,6
4,7
4,7
5,5
6,9
5,4
4,5
3,5
3,8
5,9
4,8
3,4
4,8
6,0
5,1
4,9
4,5
5,3
7,1
4,5
6,0
6,7
6,0
4,8
5,0
4,9
5,9
5,9
4,8
4,6
4,0
5,0
4,3
4,5
4,9
4,3
4,6
8,2
5,4
4,5
4,8
5,9
5,5
5,7
4,8
2,9
7,1
4,8
8,7
8,4
5,6
6,8
7,7
9,0
8,2
9,1
8,5
7,4
5,9
5,2
8,4
3,8
8,2
6,8
4,7
7,2
5,3
6,3
5,2
8,7
7,4
9,6
4,4
3,8
5,4
4,9
6,7
5,8
6,2
7,2
8,2
6,2
6,0
7,6
7,1
8,4
5,0
8,7
6,8
6,8
4,9
7,4
8,5
4,6
7,8
4,9
6,8
6,3
8,4
5,9
7,6
8,2
5,9
8,3
6,3
7,3
9,9
7,1
4,6
7,4
6,7
7,2
5,6
7,9
9,7
Pgina
102
5,9
6,2
6,1
6,4
6,1
5,2
5,1
4,1
4,9
5,1
7,2
5,1
6,4
6,7
6,6
5,9
5,2
5,7
5,3
6,3
6,4
5,3
6,6
6,4
6,7
6,7
6,2
7,2
5,1
5,0
6,0
6,5
5,4
7,5
5,6
5,1
5,2
7,1
5,2
4,7
7,2
5,7
7,3
8,1
7,3
6,6
6,1
5,9
6,3
6,1
7,3
6,5
4,9
4,3
6,9
6,5
7,4
7,5
5,5
6,2
6,4
5,3
5,8
4,5
5,0
6,0
5,7
3,8
6,0
6,5
4,3
4,4
7,1
6,8
1,7
6,2
4,1
5,2
3,9
5,1
3,7
4,8
7,2
3,6
5,3
5,0
9,2
4,4
4,2
5,9
7,4
6,4
4,5
7,0
4,5
4,2
7,2
4,7
3,9
5,0
6,4
2,5
5,2
5,5
5,7
2,5
6,3
4,6
3,6
7,6
6,6
2,4
3,1
3,5
6,9
5,1
4,0
6,5
4,1
2,8
7,6
7,7
4,1
4,9
4,6
3,5
6,6
4,9
4,8
3,6
6,4
4,3
5,7
5,8
4,7
2,5
3,1
3,9
5,2
4,7
4,5
4,6
4,1
4,6
4,9
4,3
5,2
5,0
6,5
4,5
4,1
4,0
4,5
4,7
3,2
4,9
4,1
5,7
4,6
3,7
5,6
5,4
2,7
4,4
3,3
3,5
4,7
5,0
4,5
4,0
4,7
5,4
2,9
4,6
4,1
4,4
3,1
4,5
4,3
5,2
2,6
3,2
4,3
2,7
2,0
4,7
3,4
2,4
5,1
4,6
5,5
4,4
2,0
4,4
4,8
3,6
4,9
4,2
3,1
4,3
3,4
6,6
4,3
2,9
3,5
4,6
6,9
4,9
5,8
4,5
4,6
6,3
4,2
5,8
4,0
7,3
3,4
4,2
3,6
4,3
4,6
2,7
6,6
3,2
6,5
3,9
4,0
4,9
3,9
5,0
3,7
3,1
3,6
7,3
6,2
5,9
5,4
6,6
6,1
2,6
5,6
3,4
5,1
4,3
5,8
4,5
4,1
3,1
4,3
3,7
3,0
3,7
3,9
5,4
4,8
3,9
4,3
6,7
3,0
4,0
2,6
4,1
3,2
3,6
5,6
2,9
4,9
5,4
4,2
3,5
2,5
3,5
4,9
4,5
3,2
3,9
4,1
4,3
4,5
4,7
4,8
3,5
5,2
3,9
4,3
2,8
4,9
4,6
3,3
4,2
3,4
5,5
4,0
3,5
4,0
4,5
3,6
2,9
2,6
2,8
5,2
4,5
4,3
3,4
3,9
4,4
3,1
4,6
3,9
3,7
3,8
3,9
4,1
4,6
2,7
3,8
4,0
3,0
1,6
4,3
3,4
3,1
4,3
3,9
4,9
3,3
2,4
4,2
4,6
3,4
3,6
3,7
2,5
3,9
3,5
CLUSTER.DAT:
X1
X2
X3
X4
X1
24.7
12.5
13.4
12
11.6
14.3
13.6
14
17.7
15.2
13.4
20.7
46.6
28.6
23.4
27.4
32.9
28.3
34.8
32.9
18
27.5
29
12
13.2
12.4
13.6
11.4
10.1
15.1
9.7
13.2
14.3
11.9
10.7
14.5
12.5
13.6
14.9
9.9
14.5
16.7
40.4
28.4
42.5
42.6
22.3
38.9
Birth
Death
InfantDeath
Country
X2
X3
X4
5.7 30.8 Albania
11.9 14.4 Bulgaria
11.7 11.3 Czechoslovakia
12.4
7.6 Former_E._Germany
13.4 14.8 Hungary
10.2
16 Poland
10.7 26.9 Romania
9 20.2 Yugoslavia
10
23 USSR
9.5 13.1 Byelorussia_SSR
11.6
13 Ukrainian_SSR
8.4 25.7 Argentina
18
111 Bolivia
7.9
63 Brazil
5.8 17.1 Chile
6.1
40 Columbia
7.4
63 Ecuador
7.3
56 Guyana
6.6
42 Paraguay
8.3 109.9 Peru
9.6 21.9 Uruguay
4.4 23.3 Venezuela
23.2
43 Mexico
10.6
7.9 Belgium
10.1
5.8 Finland
11.9
7.5 Denmark
9.4
7.4 France
11.2
7.4 Germany
9.2
11 Greece
9.1
7.5 Ireland
9.1
8.8 Italy
8.6
7.1 Netherlands
10.7
7.8 Norway
9.5 13.1 Portugal
8.2
8.1 Spain
11.1
5.6 Sweden
9.5
7.1 Switzerland
11.5
8.4 U.K.
7.4
8 Austria
6.7
4.5 Japan
7.3
7.2 Canada
8.1
9.1 U.S.A.
18.7 181.6 Afghanistan
3.8
16 Bahrain
11.5 108.1 Iran
7.8
69 Iraq
6.3
9.7 Israel
6.4
44 Jordan
26.8
31.7
45.6
42.1
29.2
22.8
42.2
41.4
21.2
11.7
30.5
28.6
23.5
31.6
36.1
39.6
30.3
33.2
17.8
21.3
22.3
31.8
35.5
47.2
48.5
46.1
38.8
48.6
39.4
47.4
44.4
47
44
48.3
35.5
45
44
48.5
48.2
50.1
32.1
44.6
46.8
31.1
52.2
50.5
45.6
51.1
41.7
Pgina
103
2.2 15.6 Kuwait

8.7
48 Lebanon
7.8
40 Oman
7.6
71 Saudi_Arabia
8.4
76 Turkey
3.8
26 United_Arab_Emirates
15.5
119 Bangladesh
16.6
130 Cambodia
6.7
32 China
4.9
6.1 Hong_Kong
10.2
91 India
9.4
75 Indonesia
18.1
25 Korea
5.6
24 Malaysia
8.8
68 Mongolia
14.8
128 Nepal
8.1 107.7 Pakistan
7.7
45 Philippines
5.2
7.5 Singapore
6.2 19.4 Sri_Lanka
7.7
28 Thailand
9.5
64 Vietnam
8.3
74 Algeria
20.2
137 Angola
11.6
67 Botswana
14.6
73 Congo
9.5 49.4 Egypt
20.7
137 Ethiopia
16.8
103 Gabon
21.4
143 Gambia
13.1
90 Ghana
11.3
72 Kenya
9.4
82 Libya
25
130 Malawi
9.8
82 Morocco
18.5
141 Mozambique
12.1
135 Namibia
15.6
105 Nigeria
23.4
154 Sierra_Leone
20.2
132 Somalia
9.9
72 South_Africa
15.8
108 Sudan
12.5
118 Swaziland
7.3
52 Tunisia
15.6
103 Uganda
14
106 Tanzania
14.2
83 Zaire
13.7
80 Zambia
10.3
66 Zimbabwe
REGRESION.DAT:
Y - SALES
X2 - PRICE
X3 - ADVERTISING EXPENDIDURES
Y
73.2
71.8
62.4
67.4
89.3
70.3
73.2
86.1
81
76.4
76.6
82.2
82.1
68.6
76.5
80.3
70.7
75
73.7
71.2
84.7
73.6
73.7
78.1
75.7
74.4
68.7
83.9
86.1
73.7
75.7
78.8
73.7
80.2
69.9
69.1
83.8
X2
5.69
6.49
5.63
6.22
5.02
6.41
5.85
5.41
6.24
6.2
5.48
6.14
5.37
6.45
5.35
5.22
5.89
5.21
6
6.37
5.33
5.23
5.88
6.24
5.59
6.22
6.41
4.96
4.83
6.35
6.47
5.69
5.56
6.41
5.54
6.47
4.94
X3
1.3
2.9
0.8
0.7
1.5
1.3
1.8
2.4
0.7
3
2.8
2.7
2.8
2.8
2.3
1.7
1.5
0.8
2.9
0.5
2.1
0.8
1.1
1.9
2.1
1.3
1.1
1.1
2.9
1.4
2.5
3
1
3.1
0.5
2.7
0.9
84.3
66
84.3
79.5
80.2
67.6
86.5
87.6
84.2
75.2
84.7
73.7
81.2
69
69.7
78.1
88
80.4
79.7
73.2
85.9
83.3
73.6
79.2
88.1
64.5
84.1
91.2
71.8
80.6
73.1
81
73.7
82.2
74.2
75.4
81.3
75
Pgina
104
6.16
5.93
5.2
5.62
5.28
5.46
5.11
5.04
5.08
5.86
4.89
5.68
5.83
6.33
6.47
5.7
5.22
5.05
5.76
6.25
5.34
4.98
6.39
6.22
5.1
6.49
4.86
5.1
5.98
5.02
5.08
5.23
6.02
5.73
5.11
5.71
5.45
6.05
1.5
2.8
2.3
1.2
3.1
1
2.5
2.1
2.8
3.1
3.1
0.9
1.8
3.1
1.9
0.7
1.6
2.9
2.3
1.7
1.8
0.6
3.1
1.2
2.1
0.5
2.9
1.6
1.5
2
1.3
1.1
2.2
1.7
0.7
0.7
2
2.2
BIBLIOGRAFA
Se incluye a continuacin una seleccin de referencias bibliogrficas.
This weeks citation classic: Anderson T W. An introduction to multivariate

statistical analysis. New York: John Wiley and Sons, Inc. 1958. Commentary by
Anderson Theodore W. Current Contents : #10, March 5, 1979
Lisa L. Harlow. The essence of multivariate thinking; basic themes and
methods, Lawrence Erlbaum Associates, Publishers (London) 2005.
Harris R.J. A primer of multivariate statistics. 3ed.. Lawrence, 2001.
W. Hrdle L. Simar. Applied Multivariate Statistical analysis. Second
edition, Springer, 2003-2007.
R. B. Bapat. Linear Algebra and Linear Models, Second Edition, Springer
2000.
Duda, Hart & Stork. Pattern classification. Second edition. Wiley interscience
(Chapter 5)
Jos A. Jimnez M. Una generalizacin de la estadstica de Cook. Revista
colombiana de estadstica Vol. 24 (2001) N 2, pp. 111-120.
http://www.emis.de/journals/RCE/V24/V24_2_111Jimenez.pdf
SAS Institute Inc., SAS/STAT Users Guide, Version 8, Cary, NC: SAS Institute
Inc., 1999.
SAS Institute Inc. 2008. SAS/STAT 9.2 Users Guide. Cary, NC: SAS Institute Inc.
SAS/STAT 9.2 Users guide Procedures and knowledge base (online)
http://support.sas.com/documentation/onlinedoc/stat/index_proc.html
Apuntes de la asignatura (EAMD 2006-07 MIM @ mat.ucm.es)
Tesis doctoral: Sobre aproximaciones estocsticas aplicadas a problemas de
inferencia estadstica con informacin parcial, Carlos Rivero Rodrguez y Dr.
Tefilo Valds Snchez, Univ. Complutense de Madrid, 2005. ISBN: 84-6691807-8.
SAS forum (24 y 25 de octubre de 2007, IFEMA Madrid). Vanse posts en el
Blog de Alfonso y Compaa de los das 23, 25 y 26 de octubre de 2007:
o Anuncio: http://alfonsoycia.blogspot.com/2007/10/sas-forum-enmadrid.html
o En directo: http://alfonsoycia.blogspot.com/2007/10/desde-el-sasforum.html
o Crnica del SAS forum:
http://alfonsoycia.blogspot.com/2007/10/crnica-del-sas-forum2007.html
Pgina
105

Técnicas de Análisis Multivariante en SAS

Cargado por

Información del documento

Descripción:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Descripción:

Copyright:

Formatos disponibles

Técnicas de Análisis Multivariante en SAS

Cargado por

Descripción:

Copyright:

Formatos disponibles

TCNICAS DE ANLISIS

Asignatura: Estadstica aplicada y minera de datos

100 observaciones (clientes);

Considere las primeras 75 observaciones del fichero de datos DISCRIMINANTE y defina

dm 'log; clear; output; clear'; /* limpiar ventanas */

X12 - Order & Billing

1. Realice un anlisis discriminante con las 13 variables del fichero

proc discrim data=discrim_estima outstat=discrimstat method=normal pool=yes

Informacin del nivel de la clase

Funcin discriminante lineal para X1

Funcin discriminante lineal para X1

Probabilidad posterior de pertenencia a X1

Probabilidad posterior de pertenencia a X1

Probabilidad posterior de pertenencia a X1

* Observacin mal clasificada

Estimaciones de cuenta de error para X1

Resumen de validacin cruzada usando Funcin discriminante lineal

Estimaciones de cuenta de error para X1

SEGUNDO PASO PROC DISCRIM:

* Observacin mal clasificada

Estimaciones de cuenta de error para X1

PASO PROC PRINT:

2. Realice el mismo anlisis del apartado anterior, pero utilizando distribuciones

proc discrim data=discrim_estima outstat=discrimstat method=normal pool=no

Informacin del nivel de la clase

Informacin de la matriz de covarianza

Probabilidad posterior de pertenencia a X1

Probabilidad posterior de pertenencia a X1

* Observacin mal clasificada

Nmero de observaciones y porcentaje clasificado

Estimaciones de cuenta de error para X1

Estimaciones de cuenta de error para X1

SEGUNDO PASO PROC DISCRIM:

Probabilidad posterior de pertenencia a X1

* Observacin mal clasificada

Estimaciones de cuenta de error para X1

PASO PROC PRINT:

3. De las 13 variables empleadas, selecciones aquella que tenga mayor capacidad

proc discrim data=discrim_estima outstat=discrimstat method=normal pool=yes ncan=1

Informacin del nivel de la clase

Test de H0: Las

Estructura cannica entre

Estructura cannica entre

Estructura cannica combinada

EST type data set

Coeficientes cannicos estandarizados

Coeficientes cannicos estandarizados

Coeficientes cannicos brutos

Funcin discriminante lineal para X1

Probabilidad posterior de pertenencia a X1

Probabilidad posterior de pertenencia a X1

Probabilidad posterior de pertenencia a X1

* Observacin mal clasificada

Estimaciones de cuenta de error para X1

Resumen de validacin cruzada usando Funcin discriminante lineal

Estimaciones de cuenta de error para X1

SEGUNDO PASO PROC DISCRIM:

Probabilidad posterior de pertenencia a X1

* Observacin mal clasificada

Estimaciones de cuenta de error para X1

PASO PROC PRINT: