Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Práctica 2. Análisis Discriminante
Práctica 2. Análisis Discriminante
Ejercicio 2. En un estudio sobre tamaño de piezas florales, se trata de discriminar entre tres
especies de género Iris (setosa, versicolor y virgínica) a partir de las medidas realizadas en 150
ejemplares de lirios. Las variables analizadas como discriminantes son la longitud y la anchura
de los pétalos y sépalos de las flores cuyos valores se almacenan en el fichero 12-Iris.xls:
a) Estudiar si existe algún tipo de relación entre las variables morfológicas que permita
agruparlas en distintos factores
b) Describir las diferencias entre los tres tipos de lirios
c) Construir reglas que nos permitan clasificar lirios en alguna de las tres especies
consideradas teniendo en cuenta las características de las variables discriminantes
medidas sobre ellos
d) Clasificar el lirio con amplitud del pétalo 0,3 cm; longitud del pétalo 0,9 cm; amplitud
del sépalo 3,2 cm y longitud del sépalo 5,3 cm en uno de los tres tipos
e) ¿Cuál es la variable relevante en la cual se basa fundamentalmente la clasificación de
los lirios en los grupos setosa, versicolor y virgínica?
f) Calcula las tasas de error por grupos, es decir, el porcentaje de observaciones de cada
grupo clasificadas incorrectamente
1
Análisis Multivariante
SOLUCIÓN:
Ejercicio 1
a
Matriz de componentes
Componente
1 2 3 4 5
PROPETIL ,413 ,420 -,462 -,182 ,183
ACEISOBU -,379 ,505 ,230 -,250 -,398
BUTIETIL ,237 ,486 -,357 -,146 ,137
ISOACETA -,663 ,185 ,164 -,198 ,090
BUTANOL ,454 ,594 ,347 ,270 -,226
PROPANOL ,584 -,362 ,247 -,128 ,222
ACEHEXIL -,272 ,354 ,150 ,488 ,364
LACETILO -,009 ,815 ,071 ,073 ,091
CIS3HEXA -,624 ,577 ,227 -,147 ,025
OCTAETIL -,703 -,200 ,065 ,143 ,542
DECAETIL ,329 ,409 ,236 ,551 -,094
BUTIROLA ,534 -,079 ,683 ,141 ,187
ACISOVAL ,417 -,343 ,432 -,037 ,133
SUCCIETI ,592 ,466 -,082 -,303 ,186
GLUTAETI ,523 ,198 -,453 ,144 ,372
LACTETIL ,233 -,228 -,459 ,533 -,378
FENILETA ,735 ,019 ,228 -,386 -,096
Método de extracción: Análisis de componentes principales.
a. 6 componentes extraídos
a
Matriz de componentes rotados
Componente
1 2 3 4 5
PROPETIL -,077 ,772 -,089 ,036 -,124
ACEISOBU -,373 -,118 ,627 ,249 -,251
BUTIETIL -,161 ,646 ,048 ,099 -,064
ISOACETA -,284 -,197 ,586 -,152 ,249
BUTANOL ,149 ,195 ,082 ,836 -,195
PROPANOL ,718 ,078 -,220 -,096 -,140
ACEHEXIL -,107 ,020 ,130 ,378 ,649
LACETILO -,204 ,424 ,401 ,532 ,134
CIS3HEXA -,385 -,037 ,754 ,166 ,223
OCTAETIL -,106 -,273 ,223 -,358 ,767
DECAETIL ,083 ,075 -,150 ,775 ,091
BUTIROLA ,807 -,091 ,001 ,392 ,009
ACISOVAL ,677 -,142 -,105 ,016 -,087
SUCCIETI ,261 ,725 ,109 ,186 -,246
GLUTAETI ,096 ,693 -,405 ,075 ,133
LACTETIL -,297 -,088 -,777 ,168 -,129
FENILETA ,577 ,297 ,000 ,105 -,565
2
Análisis Multivariante
Matriz de estructura
Componente
1 2 3 4 5
PROPETIL ,184 ,114 -,046 ,079 ,781
ACEISOBU ,226 ,303 -,468 -,594 -,157
BUTIETIL ,110 ,178 -,160 -,059 ,640
ISOACETA -,273 -,107 -,416 -,604 -,301
BUTANOL ,242 ,859 ,157 -,055 ,283
PROPANOL ,214 -,103 ,754 ,230 ,126
ACEHEXIL -,641 ,387 -,173 -,184 -,006
LACETILO -,090 ,619 -,281 -,415 ,409
CIS3HEXA -,232 ,245 -,542 -,769 -,133
OCTAETIL -,791 -,362 -,211 -,292 -,385
DECAETIL -,070 ,755 ,117 ,152 ,163
BUTIROLA ,075 ,386 ,793 ,009 -,025
ACISOVAL ,143 -,005 ,689 ,119 -,097
SUCCIETI ,348 ,285 ,256 -,102 ,747
GLUTAETI -,072 ,106 ,167 ,373 ,730
LACTETIL ,056 ,059 -,122 ,789 ,015
FENILETA ,651 ,147 ,607 ,048 ,361
Método de extracción: Análisis de componentes principales.
Metodo de rotación: Normalización Oblimin con Kaiser.
3
Análisis Multivariante
Resultados de la prueba
M de Box 157,315
F Aprox. 2,792
gl1 40
gl2 1311,272
Sig. ,000
a,b,c,d
Variables introducidas/excluidas
Lambda de Wilks
F exacta F aproximada
Paso Introducidas Estadístico gl1 gl2 gl3 Estadístico gl1 gl2 Sig. Estadístico gl1 gl2 Sig.
1 CIS3HEXA ,317 1 4 40,000 21,526 4 40,000 ,000
2 OCTAETIL ,170 2 4 40,000 13,912 8 78,000 ,000
3 BUTIROLA ,091 3 4 40,000 12,364 12 100,830 ,000
4 BUTANOL ,057 4 4 40,000 10,990 16 113,674 ,000
En cada paso se introduce la variable que minimiza la
lambda de Wilks global.
a. El número máximo de pasos es
34.
b. La F parcial mínima para entrar
es 3.84.
c. La F parcial máxima para salir
es 2.71
d. El nivel de F, la tolerancia o el VIN son insuficientes para
continuar los cálculos.
Variables en el análisis
Paso Tolerancia F para salir Lambda de Wilks
1 CIS3HEXA 1,000 21,526
2 CIS3HEXA 1,000 18,425 ,491
OCTAETIL 1,000 8,465 ,317
3 CIS3HEXA ,975 18,043 ,265
OCTAETIL ,711 14,885 ,234
BUTIROLA ,700 8,173 ,170
4 CIS3HEXA ,971 13,599 ,142
OCTAETIL ,708 7,627 ,105
BUTIROLA ,397 14,546 ,148
BUTANOL ,463 5,434 ,091
4
Análisis Multivariante
Lambda de Wilks
F exacta F aproximada
Paso Número de variables Lambda gl1 gl2 gl3 Estadístico gl1 gl2 Sig. Estadístico gl1 gl2 Sig.
1 1 ,317 1 4 40 21,526 4 40,000 ,000
2 2 ,170 2 4 40 13,912 8 78,000 ,000
3 3 ,091 3 4 40 12,364 12 100,830 ,000
4 4 ,057 4 4 40 10,990 16 113,674 ,000
5
Análisis Multivariante
Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
a
1 3,339 55,8 55,8 ,877
a
2 2,501 41,8 97,6 ,845
a
3 ,144 2,4 100,0 ,355
a
4 ,001 ,0 100,0 ,028
Lambda de Wilks
Contraste de Lambda de
las funciones Wilks Chi-cuadrado gl Sig.
Función
1 2 3 4
6
Análisis Multivariante
Matriz de estructura
Función
1 2 3 4
*
CIS3HEXA ,407 ,800 ,042 -,440
a *
ISOACETA ,312 ,348 -,263 -,074
a *
BUTIETIL -,093 ,302 -,137 ,111
*
BUTIROLA ,165 -,257 ,951 ,056
*
BUTANOL -,169 ,243 ,836 ,461
*
OCTAETIL ,539 ,012 -,678 ,499
a *
FENILETA -,379 -,208 ,447 -,098
a *
PROPANOL ,237 -,163 ,383 -,050
a *
LACETILO -,062 ,326 ,331 ,008
a *
ACISOVAL -,109 -,021 ,313 -,205
a *
SUCCIETI -,238 ,075 ,274 ,031
a *
GLUTAETI -,027 -,040 ,085 ,006
a *
DECAETIL -,149 ,126 ,336 ,424
a *
ACEISOBU -,028 -,032 ,088 -,389
a *
ACEHEXIL ,243 -,111 -,005 ,332
a *
LACTETIL ,059 ,072 -,044 ,093
a *
PROPETIL -,002 -,009 ,064 -,083
Función
1 2 3 4
7
Análisis Multivariante
Función
1 2 3 4
Coeficientes no tipificados
Función
SUBDE
NOM 1 2 3 4
1 ,111 5 5,000
2 ,133 6 6,000
3 ,311 14 14,000
4 ,222 10 10,000
5 ,222 10 10,000
8
Análisis Multivariante
a
Resultados de la clasificación
SUBDENOM 1 2 3 4 5 Total
Original Recuento 1 1 0 4 0 0 5
2 0 0 6 0 0 6
3 0 0 14 0 0 14
4 0 0 2 8 0 10
5 0 0 0 0 10 10
% 1 20,0 ,0 80,0 ,0 ,0 100,0
2 ,0 ,0 100,0 ,0 ,0 100,0
3 ,0 ,0 100,0 ,0 ,0 100,0
4 ,0 ,0 20,0 80,0 ,0 100,0
5 ,0 ,0 ,0 ,0 100,0 100,0
a. Clasificados correctamente el 73,3% de los casos agrupados originales.
9
Análisis Multivariante
AD SOBRE ACP
Resultados de la prueba
M de Box 90,419
F Aprox. 1,605
gl1 40
gl2 1311,272
Sig. ,010
a,b,c,d
Comparaciones de grupos por pares
Paso SUBDENOM 1 2 3 4 5
1 1 F ,292 ,526 28,341 1,888
Sig. ,592 ,472 ,000 ,177
2 F ,292 ,011 25,128 ,678
Sig. ,592 ,918 ,000 ,415
3 F ,526 ,011 37,572 ,818
Sig. ,472 ,918 ,000 ,371
4 F 28,341 25,128 37,572 23,400
Sig. ,000 ,000 ,000 ,000
5 F 1,888 ,678 ,818 23,400
Sig. ,177 ,415 ,371 ,000
2 1 F 2,209 4,672 14,190 13,060
Sig. ,123 ,015 ,000 ,000
10
Análisis Multivariante
Autovalores
11
Análisis Multivariante
Lambda de Wilks
Contraste
de las Lambda de
funciones Wilks Chi-cuadrado gl Sig.
Función
1 2 3 4
Matriz de estructura
Función
1 2 3 4
12
Análisis Multivariante
Función
1 2 3 4
Coeficientes no tipificados
Función
SUBDE
NOM 1 2 3 4
13
Análisis Multivariante
Función
SUBDE
NOM 1 2 3 4
1 ,111 5 5,000
2 ,133 6 6,000
3 ,311 14 14,000
4 ,222 10 10,000
5 ,222 10 10,000
14
Análisis Multivariante
a
Resultados de la clasificación
SUBDENOM 1 2 3 4 5 Total
Original Recuento 1 4 0 0 0 1 5
2 1 0 5 0 0 6
3 2 0 11 0 1 14
4 0 0 0 10 0 10
5 0 0 2 0 8 10
% 1 80,0 ,0 ,0 ,0 20,0 100,0
2 16,7 ,0 83,3 ,0 ,0 100,0
3 14,3 ,0 78,6 ,0 7,1 100,0
4 ,0 ,0 ,0 100,0 ,0 100,0
5 ,0 ,0 20,0 ,0 80,0 100,0
a. Clasificados correctamente el 73,3% de los casos agrupados originales.
15
Análisis Multivariante
Ejercicio 2
1. ANÁLISIS FACTORIAL
Matriz de correlaciones
Matriz de componentes(a)
Componente
1 2
lsepal ,890 ,361
wsepal -,460 ,883
lpetal ,992 ,023
wpetal ,965 ,064
Método de extracción: Análisis de componentes principales.
a 2 componentes extraídos
16
Análisis Multivariante
Estadísticos de grupo
N válido (según lista)
species Media Desv. típ. No ponderados Ponderados
Setosa lsepal 5,006 ,3525 50 50,000
wsepal 3,428 ,3791 50 50,000
lpetal 1,462 ,1737 50 50,000
wpetal ,246 ,1054 50 50,000
Virgínica lsepal 5,936 ,5162 50 50,000
wsepal 2,770 ,3138 50 50,000
lpetal 4,260 ,4699 50 50,000
wpetal 1,326 ,1978 50 50,000
Versicolor lsepal 6,588 ,6359 50 50,000
wsepal 2,974 ,3225 50 50,000
lpetal 5,552 ,5519 50 50,000
wpetal 2,026 ,2747 50 50,000
Total lsepal 5,843 ,8281 150 150,000
wsepal 3,057 ,4359 150 150,000
lpetal 3,758 1,7653 150 150,000
wpetal 1,199 ,7622 150 150,000
En primer lugar nos planteamos si las medias de estas variables para cada uno de los grupos
son significativamente distintas. Para ello realizamos un análisis de la varianza, considerando
cada una de las variables independientes como la variable a explicar y como variable
explicativa la variable dependiente (el grupo al que pertenece la observación).
17
Análisis Multivariante
La información de esta tabla suele utilizarse como prueba preliminar para detectar si los
grupos difieren en las variables de clasificación seleccionadas; sin embargo, debe tenerse en
cuenta que una variable no significativa a nivel univariante podría aportar información
discriminativa a nivel multivariante.
En este ejemplo, como la significación es pequeña se rechaza Ho y podemos concluir que hay
diferencias significativas entre las medias de los grupos para cada una de las variables.
Resultados de la prueba
M de Box 146,663
F Aprox. 7,045
gl1 20
gl2 77566,751
Sig. ,000
Contrasta la hipótesis nula de que las matrices de covarianzas poblacionales son iguales.
Variables introducidas/excluidasa,b,c,d
Lambda de Wilks
F exacta
Paso Introducidas Estadístico gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 lpetal ,059 1 2 147,000 1180,161 2 147,000 ,000
2 wsepal ,037 2 2 147,000 307,105 4 292,000 ,000
3 wpetal ,025 3 2 147,000 257,503 6 290,000 ,000
4 lsepal ,023 4 2 147,000 199,145 8 288,000 ,000
En cada paso se introduce la variable que minimiza la lambda de Wilks global.
a. El número máximo de pasos es 8.
b. La F parcial mínima para entrar es 3.84.
c. La F parcial máxima para salir es 2.71
d. El nivel de F, la tolerancia o el VIN son insuficientes para continuar los cálculos.
Puede observarse que el valor del estadístico lambda de Wilks va disminuyendo en cada paso,
lo cual significa que conforme se van incorporando variables al modelo, los grupos van estando
cada vez menos solapados. Los valores de la Lambda de Wilks son valores próximos a cero
(0,059, 0,037, 0,025, 0,023) por lo que los grupos están claramente separados.
En la columna F exacta se encuentra el valor transformado de la lamda de Wilks y su
significación.
18
Análisis Multivariante
Variables en el análisis
Lambda
Paso Tolerancia F para salir de Wilks
1 lpetal 1,000 1180,161
2 lpetal ,857 1112,954 ,599
wsepal ,857 43,035 ,059
3 lpetal ,736 38,724 ,038
wsepal ,749 54,577 ,044
wpetal ,669 34,569 ,037
4 lpetal ,365 35,590 ,035
wsepal ,609 21,936 ,031
wpetal ,649 24,904 ,032
lsepal ,348 4,721 ,025
Las tablas “Variables en el análisis” y “Variables introducidas/excluidas”, nos muestran que las
variables introducidas para discriminar en el modelo son las cuatro. En la etapa 1 se seleccionó
lpetal, en la etapa 2 wsepal, en la etapa 3 wpetal y finalmente lsepal.
La tabla anterior muestra una división horizontal por cada paso del análisis. En cada paso se
listan las variables incorporadas al modelo hasta ese momento y, para cada variable, el nivel
de tolerancia, el valor del estadístico F para salir (el cual permite valorar si alguna de las
variables incorporadas al modelo debe ser expulsada) y la lamda de Wilks global que se
obtendría en el caso de eliminar del modelo cada una de las variables ya incorporadas.
La información de esta tabla permite valorar el efecto de la expulsión de cada variable
(mediante F y lambda) y el grado de colinealidad entre las variables independientes (mediante
el nivel de tolerancia). Puesto que las variables utilizadas en el ejemplo se encuentran muy
relacionadas entre sí, la tolerancia disminuye sensiblemente en el momento de incorporar una
nueva variable al modelo (recuérdese que la tolerancia es la proporción de varianza de una
variable que no está explicada por el resto de variables independientes). En el paso 0, todas las
variables tienen tolerancia igual a 1 pues todavía no existen variables en el modelo. En el paso
1 permanece ese valor para la primera variable pues, al estar sola, no existen variables que
puedan explicar nada de ella. En el segundo paso, al incorporarse la variable wsepal, la
tolerancia no se reduce mucho y eso significa que no existe una alta correlación entre las
variables (-0,11). Y así sucesivamente.
Tolerancia Lambda
Paso Tolerancia mín. F para entrar de Wilks
0 lsepal 1,000 1,000 119,265 ,381
wsepal 1,000 1,000 49,160 ,599
lpetal 1,000 1,000 1180,161 ,059
wpetal 1,000 1,000 960,007 ,071
1 lsepal ,428 ,428 34,323 ,040
wsepal ,857 ,857 43,035 ,037
wpetal ,765 ,765 24,766 ,044
2 lsepal ,358 ,358 12,268 ,032
wpetal ,669 ,669 34,569 ,025
3 lsepal ,348 ,348 4,721 ,023
La tabla “Variables no incluidas en el análisis” muestra detalles sobre las variables candidatas a
ser incluidas en el modelo en cada paso. La tabla muestra las variables no introducidas en cada
19
Análisis Multivariante
caso. Se van introduciendo aquellas que hacen disminuir en mayor grado la lambda de Wilks.
En el paso 0 la variable lpetal es la que tiene una lambda de Wilks más próxima a cero, por
tanto es la primera variable candidata a introducir en el modelo.
Lambda de Wilks
Número de F exacta
Paso variables Lambda gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 1 ,059 1 2 147 1180,161 2 147,000 ,000
2 2 ,037 2 2 147 307,105 4 292,000 ,000
3 3 ,025 3 2 147 257,503 6 290,000 ,000
4 4 ,023 4 2 147 199,145 8 288,000 ,000
La tabla anterior ofrece estadísticos F que permiten contrastar las hipótesis de igualdad de
medias entre grupos por pares.
En este caso, observamos que desde el paso 1 se consigue discriminar entre los tipos de piezas
florales.
20
Análisis Multivariante
Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
1 32,192a 99,1 99,1 ,985
2 ,285a ,9 100,0 ,471
a. Se han empleado las 2 primeras funciones discriminantes
canónicas en el análisis.
Además, una correlación canónica alta indica que las variables discriminantes permiten
diferenciar entre los grupos. En este caso, la primera función discriminante tiene una
correlación canónica de 0,985.
Lambda de Wilks
Contraste de Lambda
las funciones de Wilks Chi-cuadrado gl Sig.
1 a la 2 ,023 546,115 8 ,000
2 ,778 36,530 3 ,000
21
Análisis Multivariante
de los grupos son iguales en la segunda función discriminante. En este caso la significación
también es menor que 0,05 puede concluirse que la segunda función permite discriminar
entre, al menos, dos de los grupos.
MATRIZ DE ESTRUCTURA
Matriz de estructura
Función
1 2
lpetal ,706(*) ,168
wsepal -,119 ,864(*)
wpetal ,633 ,737(*)
lsepal ,223 ,311(*)
Correlaciones intra-grupo combinadas entre las variables discriminantes y las funciones discriminantes
canónicas tipificadas
Variables ordenadas por el tamaño de la correlación con la función.
* Mayor correlación absoluta entre cada variable y cualquier función discriminante.
Función
1 2
lsepal -,829 ,024
wsepal -1,534 2,165
lpetal 2,201 -,932
wpetal 2,810 2,839
(Constante) -2,105 -6,661
Coeficientes no tipificados
Esta tabla nos muestras los coeficientes de las funciones canónicas discriminantes que nos
permiten escribir las ecuaciones como sigue:
Función
species 1 2
22
Análisis Multivariante
Las funciones centroides de los grupos indican que las coordenadas alcanzadas por cada grupo
sobre el eje correspondiente a la primera función determinan una separación entre los tipos
de lirios considerablemente mayor que la registrada a lo largo del segundo eje discriminante.
La primera función distingue fundamentalmente entre las flores setosa y las flores versicolor.
species
Setosa Virgínica Versicolor
lsepal 23,544 15,698 12,446
wsepal 23,588 7,073 3,685
lpetal -16,431 5,211 12,767
wpetal -17,398 6,434 21,079
(Constante) -86,308 -72,853 -104,368
Funciones discriminantes lineales de Fisher
En el diagrama de dispersión aparecen representadas todas las flores apreciándose que las
nubes de puntos que las representan discriminan mejor respecto de la primera función
discriminante.
10 species
Setosa
Virgínica
Versicolor
Centroide de grupo
5
Función 2
Setosa Versicolor
0 Virgínica
-5
-10
-10 -5 0 5 10
Función 1
5. ESTADÍSTICOS DE CLASIFICACIÓN
23
Análisis Multivariante
species
Setosa Virgínica Versicolor
lsepal 23,544 15,698 12,446
wsepal 23,588 7,073 3,685
lpetal -16,431 5,211 12,767
wpetal -17,398 6,434 21,079
(Constante) -86,308 -72,853 -104,368
Funciones discriminantes lineales de Fisher
Resultados de la clasificación(a)
En esta tabla se recoge el porcentaje de flores que han sido bien clasificadas en cada una de las
tres variedades de lirios. Se observa que el índice de clasificación correcto ha sido del 98%
24
Análisis Multivariante
25
Análisis Multivariante
Ejercicio 3.
Ejercicio 3.
Estadísticos de grupo
Lambda de
Wilks F gl1 gl2 Sig.
Longitud ,686 21,059 1 46 ,000
Anchura ,675 22,104 1 46 ,000
Peso ,541 38,988 1 46 ,000
Resultados de la prueba
M de Box 23,021
F Aprox. 7,313
gl1 3
gl2 380880,00
0
Sig. ,000
Contrasta la hipótesis nula de que las matrices de covarianzas poblacionales son iguales.
Variables introducidas/excluidasa,b,c,d
Lambda de Wilks
F exacta
Paso Introducidas Estadístico gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 Peso ,541 1 1 46,000 38,988 1 46,000 ,000
2 Longitud ,418 2 1 46,000 31,344 2 45,000 ,000
En cada paso se introduce la variable que minimiza la lambda de Wilks global.
a. El número máximo de pasos es 6.
b. La F parcial mínima para entrar es 3.84.
c. La F parcial máxima para salir es 2.71
d. El nivel de F, la tolerancia o el VIN son insuficientes para continuar los cálculos.
26
Análisis Multivariante
Variables en el análisis
Lambda
Paso Tolerancia F para salir de Wilks
1 Peso 1,000 38,988
2 Peso ,079 28,871 ,686
Longitud ,079 13,287 ,541
Tolerancia Lambda
Paso Tolerancia mín. F para entrar de Wilks
0 Longitud 1,000 1,000 21,059 ,686
Anchura 1,000 1,000 22,104 ,675
Peso 1,000 1,000 38,988 ,541
1 Longitud ,079 ,079 13,287 ,418
Anchura ,097 ,097 8,344 ,457
2 Anchura ,057 ,047 ,403 ,414
Lambda de Wilks
Número de F exacta
Paso variables Lambda gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 1 ,541 1 1 46 38,988 1 46,000 ,000
2 2 ,418 2 1 46 31,344 2 45,000 ,000
Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
1 1,393(a) 100,0 100,0 ,763
a Se han empleado las 1 primeras funciones discriminantes canónicas en el análisis.
Lambda de Wilks
Contraste de Lambda de
las funciones Wilks Chi-cuadrado gl Sig.
1 ,418 39,266 2 ,000
27
Análisis Multivariante
Matriz de estructura
Función
1
Peso ,780
Anchura(
,617
a)
Longitud ,573
Correlaciones intra-grupo combinadas entre las variables discriminantes y las funciones discriminantes
canónicas tipificadas
Variables ordenadas por el tamaño de la correlación con la función.
a Esta variable no se emplea en el análisis.
Función
1
Longitud -,130
Peso ,468
(Constante) -5,498
Coeficientes no tipificados
Función
Sexo 1
Macho -1,155
Hembra 1,155
Funciones discriminantes canónicas no tipificadas evaluadas en las medias de los grupos
Sexo
Macho Hembra
Longitud ,247 -,053
Peso ,392 1,474
(Constante) -22,672 -35,377
Funciones discriminantes lineales de Fisher
28
Análisis Multivariante
Sexo = Macho
0
-4 -2 0 2 4
Sexo = Hembra
1
Desviación típica =1,306
0
-4 -2 0 2 4
29
Análisis Multivariante
Resultados de la clasificación(a)
Grupo de pertenencia
pronosticado
Resúmenes de casosa
30