Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO2 Marco Teorico
CAPITULO2 Marco Teorico
Capítulo 2
2. MARCO TEÓRICO
xn1 xn2 xnp
Donde:
estudio.
X1
X X 2
X p
Donde:
siguiente manera:
Donde:
Y además :
Si j Sj i
36
siguiente:
n
1
Si j =
n
(X
k=1
ki Xi )(Xk j X j )
1 r1 2 r1 p
r 1 r2 p
21
Rij
rp 1 rp 2 1
37
Donde :
siguiente ecuación:
Si j (X
k=1
ki X i )( X k j X j )
ri j
Si i S j j n n
(X ki Xi ) 2
(X kj X j )2
k 1 k 1
–1 y +1.
Los gráficos son muy importantes debido a que dan una nueva
análisis.
por los valores de las dos variables (Variable 1, Variable 2), y los
continuación:
GRÁFICO 2.1.
EJEMPLO DE DIAGRAMA DE DISPERSIÓN
39
12
10
X2 8
6
4
2
0
0 5 10
X1
2.1.5.2. ESTRELLAS
continuación:
GRÁFICO 2.2.
EJEMPLO DE GRÁFICO DE ESTRELLAS
41
serían enormes.
estandarizadas.
Para evitar que las variables que toman valores muy altos, tengan
x 'i j x i j x j
Donde :
X j media de la variable j
xi j x j
x 'i j
sj
Donde:
datos.
x1 1
x2 2
SE
x1 1 x2 2 x p p
x p p
Este proceso para hallar los valores y los vectores propios desde
solamente si:
S-I = 0
vectores propios.
proceso de ortonormalización.
ortonormalizados.
GRÁFICO 2.3.
EJEMPLO DE GRÁFICA DE LOS VALORES PROPIOS.
0
E1 E2 E3 E4 E5 E6 E7
48
Según éste gráfico, deberíamos retener los tres primeros ejes que
suficiente.
continuación, podremos observar que las variables X1, X2, X3, X4,
mientras que X7, X8, X9, lo están mal (alejadas del círculo).
la componente 1.
X5 y X2 están incorrelacionadas.
GRÁFICO 2.4.
EJEMPLO DE GRÁFICO DE LA NUBE DE VARIABLES.
51
variables.
mucha información.
(componentes).
52
análogos.
54
siguientes:
forma que los grupos de datos se puedan separar tanto como sea
posible.
población
POBLACIONES.
poblaciones.
TABLA I
EJEMPLOS DE CASOS QUE SUGIEREN UN ESTUDIO
MEDIANTE ANÁLISIS DISCRIMINANTE.
rezagados (referido a
cráneos ancianos
3. Compañías de riesgo Total de Activos, capital privado,
muestras .
DE FISHER
t 2 (a) aT 1 2 2 / aT S a
aT S a 1
59
resulta lo siguiente:
a S 1 ( 1 - 2 )
y ( 1 - 2 ) T ( Spooled ) 1
si:
1
( 1 - 2 ) T ( Spooled ) 1 ( 1 - 2 ) T ( Spooled ) 1 ( 1 2 )
2
1
( 1 - 2 ) T ( Spooled ) 1 ( 1 - 2 ) T ( Spooled ) 1 ( 1 2 )
2
si:
Y donde S pooled es :
n1 1 n2 1
S pooled S1 S2
(n1 1) ( n2 1) ( n1 1) ( n2 1)
60
det S1
g ( X ) ( X 2 ) T S 21 ( X 2 ) ( X 1 ) T S11 ( X 1 ) ln
det S 2
g(X) > 0
g(X) 0
posible.
crear Y.
conocidos es:
y ( 1 2 )T ( Spooled ) 1 X
entonces:
y E y ( 1 2 ) T ( Spooled ) 1 i
y VAR y ( 1 2 )T ( Spoolde ) 1 ( 1 2 ) 2
DISCRIMINACIÓN.
LAMBDA DE WILKS.
funciones discriminantes.
es significativa.
Ho : X y Y son independientes
vs
H 1 : Ho
el siguiente:
manera:
65
X 2
r c X ij E ij 2
i 1 j 1 Eij
donde:
r : # de filas de la tabla.
c : # de columnas de la tabla.
X 2 r 1 c 1
2
importante mencionarlos.
66
contable:
ACTIVOS
Entre otros.
PASIVOS
67
-Pasivos acumulados.
PATRIMONIO
tipos fundamentales:
deudas a terceros.
69
los activos.
razones de rendimiento.
ganan 12 unidades.