Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO 2
1, a 1, b
Edwin Estiven Pulgarin Rodriguez ,, John Wilmar Vargas Mendez
Introduccin
A pesar de que el ACS fue concebido para describir las asociaciones entre modalidades de dos variables
cualitativas, a partir de la tabla de contingencia asociada, dicho mtodo se puede utilizar con datos que
no son tablas de contingencia. El nico requisito es que las entradas de la tabla no sean negativas y que
la suma de las y columnas tenga sentido y no se anule.
La siguiente tabla es un ejemplo de este tipo de datos. En ella se presenta la Cantidad (litros) de gasolina
regular comprada, por marca y tipo de vehculo en noviembre de 1996, en una estacin de servicios.
Principales abreviaciones: c.liv= carga liviana, c.pes= carga pesada, m.t.p=microbs de transporte
pblico, m.f= microbs familiar. Observe que n=12, p=8. A partir de esta tabla, realice un Anlisis de
correspondencias mediante el paquete ade4 o FactoMineR de R, y responda los siguientes requerimientos
justicando sus respuestas.
a . E-mail: edwin.pulgarin@correounivalle.edu.co
b . E-mail: john.vargas.mendez@correounivalle.edu.co
1
2 Edwin Estiven Pulgarin Rodriguez & John Wilmar Vargas Mendez
Si no se rechaza la hiptesis nula (H0 ) todos los perles la (columna) son iguales entre s e iguales
al perl marginal correspondiente.
Se realiza entonces la prueba chi-cudrado con el software R, y se obtiene el resultado:
Se observa que el software arrojo un mensaje de advertencia, y sugiere que la prueba puede ser
incorrecta. Esto se debe a que la prueba chi-cuadrado se ve afectada cuando en las celdas de la tabla
de contingencia bajo estudio se presentan muchos ceros. El problema se presenta por las ultimas tres
columnas: m.t.p, m.f y o.tipo. Se concluye entonces que el anlisis original no es conveniente. Dichas
columnas se juntaran en una nueva variable, a la que se llamara otipo2.
2) Tome dos marcas de vehculos al azar y compare sus perles (grcamente); compare
estos perles con el perl medio. Describa sus principales apreciaciones.
Se han tomado al azar las marcas Toyota y at. En la siguiente grca se comparan los perles de
ambas marcas con el perl medio:
Se observa que el tipo de vehculos otipo2 (correspondiente a microbs de transporte pblico, microbs
y otro tipo de vehculos) presentan un mayor consumo para la marca Toyota en comparacon con el perl
medio y la marca Fiat.
El perl medio presenta un mayor consumo de gasolina para el tipo de vehculo otipo2 (al igual que el
perl de la marca Toyota ), mientras que la marca Fiat presenta un mayor consumo para el tipo de
vehculotaxi.
En general los perles de ambas marcas son diferentes al perl medio, excepto para tipo de vehculo auto,
en la cual los tres perles son casi idnticos.
Multivariada(2016)
TRABAJO 2 3
p
!2
fij f i0 j
(2)
X
2 0
d (i, i ) = p p
j=1
fi. f.j fi0 . f.j
En la siguiente tabla, se encuentran todos los componentes para hallar la distancia entre ambos
perles:
p
!2
fij f i0 j
(3)
X
2 0
d (i, i ) = p p = 0.941
j=1
fi. f.j fi0 . f.j
La principal diferencia entre entre el consumo de gasolina para las marcas de vehculo Fiat y Toyota,
se encuentra principalmente en las modalidades taxi y otipo2(otro tipo de vehculos).
Multivariada(2016)
4 Edwin Estiven Pulgarin Rodriguez & John Wilmar Vargas Mendez
Dado que KI = 2 > 2n1,p1,/2 se rechaza la hiptesis nula, con un nivel de signicancia del
5 %. Se concluye entonces que existe dependencia entre ambas variable, y por lo tanto el Anlisis de
correpondencia intervendr de manera til, para describir las relaciones de dependencia entre las y
columnas.
De acuerdo con el criterio global , se tomarian los dos primeros ejes, pues estos explican ms del 75 %.
Es decir que segn el criterio global se seleccionara el plano factorial para el anlisis.
Usando el criterio local , se seleccionarn aquellos ejes cuyo porcentaje de inercia explicado sea superior
a 100
r % = 20 %. En este caso, los ejes que cumplen con dicha condicin son los dos primeros ejes, es decir,
que segn el criterio local se debe trabajar en el plano factorial para el anlisis.
Tanto el criterio global como el criterio local , arrojan como resultado que el anlisis debe ser realizado
con los dos primeros ejes.
6) Muestre grcamente una de las marcas Subaru, Toyota o Nissan como baricentro de los
tipos de vehculos. Interprete.
Las coordenadas factoriales en el espacio Rn son:
= M p F 0 Mn (4)
As, excepto por el coeciente de dilatacin 1 , las proyecciones de los puntos de una nube sobre un
eje , son los baricentros de las proyecciones de los puntos de la otra nube.
Multivariada(2016)
TRABAJO 2 5
As que para proyectar a la marca Subaru como baricentro de los tipos de vehculo, se necesitan las
coordenadas Fila de esta marca. De la tabla 1, se encuentra que las coordenadas en el primer plano
factorial de la marca Subaru son (-0.52,0.10).
Se encuentra que las coordenadas de la marca Subaru como baricentro son (-0.23,0.045). A continuacin
se representa grcamente dicha situacin:
Multivariada(2016)
6 Edwin Estiven Pulgarin Rodriguez & John Wilmar Vargas Mendez
Debido a la cercana con el tipo de vehculo taxi y jeep, estas marcas tienen consumos ms altos.
El perl consumo de otro tipo de vehculos (microbs de transporte pblico, microbs familiar) est
asociado con otro tipo de marcas.
Contribucin absoluta:
La contribucin de un perl a la varianza del eje (inercia proyectada), depende del peso y de la
coordenada al cuadrado:
fi. (F (i))2
Ca =
A continuacin se muestra la tabla de las contribuciones absolutas de los tres primeros eje
Multivariada(2016)
TRABAJO 2 7
La contribucin absoluta en la nube de marcas, no muestra que el primer eje se debe sobre todo los
perles Fiat , otra marca, subaru y Mitsubishi.
En el segundo eje los perles que mas contribuyen a este son Isuzu y Mazda.
Por ultimo la contribucin a la construccin del tercer eje est distribuida en varios perles marcas,
siendo los ms sobresaliente los perles de Fiat, Isuzu y Mazda.
Contribucin relativa :
(F (i))2
Cos2 =
d2 (i, g)
A continuacin se muestra la tabla de las contribuciones relativas de los tres primeros eje
La contribucin relativa en la nube de marcas nos da como resultado que la mejor calidad de
representacin del primer eje se da en los perles Subaru, otras marcas, Mitsubishi, Toyota y Fiat.
El segundo tiene una mejor representacin en los perles Isuzu y Mazda.
El perl marca Chevrolet tiene la mejor calidad de representacin en el tercer eje.
Multivariada(2016)
8 Edwin Estiven Pulgarin Rodriguez & John Wilmar Vargas Mendez
A continuacin se muestra la tabla de las contribuciones absolutas de los tres primeros eje
La siguiente tabla muestra las contribuciones absolutas del perl tipo de vehculo de los tres primeros
ejes.
la construccin del primer eje se debe sobre todo los perles Otro tipo de vehculo, taxi y jeep. En el
segundo eje se debe a los perles Otro tipo de vehculo y carga pesada, y nalmente la contribucin
a la direccin del tercer eje se debe a los perles taxi y jeep.
Contribuciones relativas
(F (i))2
Cos2 =
d2 (i, g)
A continuacin se muestra la tabla de las contribuciones relativas de los tres primeros eje
Multivariada(2016)
TRABAJO 2 9
10)Con base en los puntos 7), 8) y 9) describa los dos primeros ejes. Para
una misma variable describa los perles similares, los perles diferentes;
compare los perles de modalidades de diferentes variables. En general
describa las principales asociaciones; se insinan grupos o clster importantes?,
cules?
En las siguientes grcas los perles la y columna y su respectivo perl medio.
Comparacin perl marca
Multivariada(2016)
10 Edwin Estiven Pulgarin Rodriguez & John Wilmar Vargas Mendez
se podran hacer dos grupos de perles de consumo similares. En un primer grupo, los jeep y
taxis de las marcas Fiat y Mitsubishi. En un segundo grupo, los vehculos tipo auto y carga
liviana de las marcas Nissan y Daihatsu.
Estos dos grupos estan muy cercanos, pero aun as es necesario realizar mas anlisis es decir
un anlisis de clster.
Referencias
[1] Pardo, C. E. , Mtodos estadsticos multivariados en investigacin social, Universidad de
Medelln, 1999.
[2] Lebart, L., Morineau, A. Warwick , Multivariate Descriptive Statistical Analysis,Wiley
New York, 1984
[3] Gonzlez, V , Anlisis de correspondencias (AC). Notas de Clase, Universidad del Valle.2016
Multivariada(2016)