Está en la página 1de 3

dale el codigo del envio 14329170768 y son 220 dolores jijiji

Anlisis multivariante

El anlisis multivariante es un mtodo estadstico utilizado para determinar la contribucin de varios factores en un simple evento o resultado.

Los factores de estudio son los llamados factores de riesgo (bioestadstica), variables independientes o variables explicativas. El resultado estudiado es el evento, la variable dependiente o la variable respuesta.

El anlisis multivariante mediante tcnicas de proyeccin sobre variables latentes tiene muchas ventajas sobre los mtodos de regresin tradicionales:

se puede utilizar la informacin de mltiples variables de entrada, aunque stas no sean linealmente independientes puede trabajar con matrices que contengan ms variables que observaciones puede trabajar con matrices incompletas, siempre que los valores faltantes estn aleatoriamente distribuidos y no superen un 10% puesto que se basan en la extraccin secuencial de los factores, que extraen la mayor variabilidad posible de la matriz de las X (variables explicativas, tienen que ser dependientes) pueden separar la informacin del ruido. Se asume que las X se miden con ruido.

Correlacin
En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad
Distribucin marginal Dentro de la teora de probabilidades, dadas dos variables aleatorias juntas X&Y, la distribucin marginal de X es simplemente la ley de probabilidad de X haciendo caso omiso de la informacin referente a Y. Este tipo de clculo se produce cuando se considera el estudio de una tabla de contingencia.1

dale el codigo del envio 14329170768 y son 220 dolores jijiji


Para las variables aleatorias discretas, la ley de probabilidad marginal Pr(X=x) se escribe

Pr(X=x,Y=y) es la distribucin conjunta de X&Y, mientras que Pr(X =x| Y=y) es la distribucin condicional de Xconociendo Y. sta es la leccin principal del Teorema de la probabilidad total. Del mismo modo, para variables aleatorias continuas, la densidad de probabilidad marginal 'pX (x) verifica

dondepX,Y</ sub> (x, y) da la distribucin conjunta de X&Y, y pX| Y</ sub> (x|y) la distribucin condicional deX conociendoY.

(Grfico

11):

Grfico 11. Tipos de pirmides de poblacin.

1. Pirmide progresiva, que tiene forma de pagoda, debido a que tiene un gran contingente de poblacin joven en la base, que va desapareciendo rpidamente segn avanzan los grupos de edad, en cuya cumbre quedan muy pocos efectivos. Son por tanto las tpicas de pases subdesarrollados, que presentan unas altas tasas de natalidad, y una esperanza de vida muy baja

dale el codigo del envio 14329170768 y son 220 dolores jijiji debido a la alta mortalidad. Son poblaciones muy jvenes, por lo que presentan un alto crecimiento. 2. Pirmide regresiva, tiene forma de bulbo, debido a que en la base existe menos poblacin que en los tramos intermedios, mientras que en la cumbre existe un nmero importante de efectivos. Son las tpicas de los pases desarrollados, en los que la natalidad ha descendido rpidamente, y sin embargo las tasas de mortalidad llevan mucho tiempo controladas, siendo la esperanza de vida cada vez mayor. Son poblaciones muy envejecidas, en las que no se garantiza el relevo generacional. 3. Pirmide Estancada, o en forma de campana, debido a que los tramos intermedios de edades tienen los mismos efectivos que la base, existiendo una reduccin importante hacia la cumbre. Son las tpicas de los pases en vas de desarrollo, en los que se ha controlado la mortalidad y se ven los primeros indicios de control de la natalidad reciente. Se puede considerar como el paso intermedio desde una pirmide progresiva a otra regresiv