Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Correlación de Pearson
Regresión múltiple
Notación Matricial
Derivadas parciales
Multiplicadores de Lagrange
Gerencia optima del proceso (Aplicación apropiada de la técnica
experimental).
.
El ACP se fundamenta es extraer variables nuevas a las que
llamaremos componentes principales a partir de muchas variables
independientes (Variables originales), de la siguiente manera:
1 ′ 1
𝑉𝑎𝑟(𝑌1 ) = 𝑦1 𝑦1 = 𝑣1′ 𝑋 1 𝑋𝑣1 = 𝑣1′ 𝑆 𝑣1
𝑛 𝑛
𝐿(𝑣1 ) = 𝑣1′ 𝑆 𝑣1
Con la restricción de:
𝑣1′ 𝑣1 = 1
𝜕𝐿(𝑣1 )
= 2𝑆𝑣1 − 2λ𝑣1 = 0
𝜕𝑣1
𝑆𝑣1 = λ𝑣1
1 ′′ 1
𝐶𝑜𝑣(𝑌1 𝑌2 ) = 𝑦2 𝑦1 = 𝑣2′ 𝑋 ′ 𝑋𝑣1 = 𝑣2′ 𝑆𝑣1 = 𝑣2′ λ1 𝑣1 = 0
𝑛 𝑛
Introduciendo el multiplicador de Lagrange, se trata de buscar el
máximo de:
𝜕𝐿(𝑣2 )
= 2𝑆𝑣2 − 2λ𝑣2 = 0
𝜕𝑣2
𝜕𝐿(𝑣1 )
= 2𝑆𝑣1 − 2λ𝑣1 = 0
𝜕𝑣1
Lo que significa que:
S𝑣2 = λ𝑣2
∑𝑚𝑖=1 λ
𝑝
∑𝑖=1 𝑉𝑎𝑟(𝑥𝑖 )
Si es se multiplica por 100 tendremos el %.
1
𝑋 2 = −(𝑛 − 1) − . (2. 𝑣 + 5). 𝐿𝑔𝑛 |𝑅|(𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛)
6
Una vez rechazada la hipótesis nula los CP pueden ser usados como
coeficientes de regresión múltiple para explicar cualquier proceso o
fenómeno que se quiera corroborar.
Reproducción
Producción Láctea por animal
Tecnología
Administración
Infraestructura
Capital
Hectáreas
La escala de todas las variables se midió de manera ordinal de la
siguiente manera: 0= Nada, 1=algo, 2=Bastante, 3=Mucho
La matriz de datos es:
1 3 3 1 3 0 3 1
2 1 0 3 0 3 0 3
3 2 2 1 2 1 2 1
4 0 0 0 0 0 0 0
5 0 1 0 0 2 0 1
6 1 0 1 0 2 1 2
7 2 2 1 3 1 2 2
8 1 0 3 0 3 0 3
9 0 1 0 0 2 0 1
10 1 0 0 1 0 0 2