Documentos de Académico
Documentos de Profesional
Documentos de Cultura
org/0000-0002-3962-5433
##
## Attaching package: 'ade4'
library(FactoClass)
library(factoextra)
library(missMDA)
data("poison")
#Estos datos son el resultado de una encuesta realizada a niños de primaria que sufrie
ron intoxicación alimentaria.Se les preguntó sobre sus síntomas y sobre lo que comían.
summary(datos,nbelements=Inf)
##
## Attaching package: 'ade4'
library(FactoClass)
library(factoextra)
library(missMDA)
data("poison")
#Estos datos son el resultado de una encuesta realizada a niños de primaria que sufrie
ron intoxicación alimentaria.Se les preguntó sobre sus síntomas y sobre lo que comían.
summary(datos,nbelements=Inf)
# SIMILITUDES
#biplot de individuos y categorias (similitud)
acm<-dudi.acm(datos,nf=10,scannf = FALSE)
fviz_mca_var(acm,axes=c(1,2),repel = T )+labs(title = "Nube de puntos")
## Warning: ggrepel: 35 unlabeled data points (too many overlaps). Consider increasing
max.overlaps
## ggrepel: 8 unlabeled data points (too many overlaps). Consider increasing max.overl
aps
# Explicando un 46,7 % de la varianza, se observa similitud entre los niños que presen
tan malestar,
# tuvieron vómito, fiebre, diarrea, nausea, dolores abdominales y comieron pescado, he
lado y mayonesa
# Los que no comieron pescado y no comienron papas presentan similitudes de no present
ar síntomas.
# Como se observa en la nube de variables y sus categorías, la fiebre, diarrea y dolor
es abdomidales se ven relacionados
# con comer mayonesa con comer mayonesa, pesacdo y helado.
# Con base a la nube de variables, ¿cuales son las modalidades más asociadas?
fviz_mca_var(acm,axes=c(1,2),repel = T )+labs(title = "Nube de puntos de Categorías en
el primer plano factorial")
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
# Las variables más asociadas son tiene fibre, tiene malestar y dolores abdominales.
# Las otras variables asociadas son no comió pescado y no comió papas
# Coordinadas
head(var$coord)
# Las categorías que estarían bien representadas únicamente por 2 dimensiones serían
# “Abdo_n” y “Abdo_y”, ya que cuenta con un cos2 de más de 0.85 lo suficientemente cer
cano a uno
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
# Se observa que las categorías que se encuentran mejor representadas por las dimensio
nes 1 y 2 son la categoría Abdo, Diarrhea y Fever.
corrplot(var$cos2, is.corr=FALSE)
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
#Se observa que las categorías que se encuentran mejor representadas por las dimension
es 1
# son la categoría Sick, AbdoAbdo, Diarrhea y Fever.
# contribuciones a la dimension 1
fviz_contrib(res.mca, choice = "var", axes = 1, top = 15)
# contribuciones a la dimension 2
fviz_contrib(res.mca, choice = "var", axes = 2, top = 15)
# Las categorías “Abdo_n”, “Diarrhea_n”, “Fever_n” son las más importantes en la defin
ición de la dimensión 1,
# Las categorías “Courg_n”, “Potato_n”, “Vomit_y”, “icecream_n”, “Vomit_n” son las que
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
nuevabd<-cbind(datos,age)
## Dim 1 Dim 2
## 4 -0.7633215 -0.87725565
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
## 5 -0.4888796 0.29203315
## 6 0.2968389 0.50518027
## 7 -0.4677111 -0.30007711
## 8 0.6963626 0.27612604
## 9 0.2586236 -0.55800425
## 10 0.2246041 0.03622508
## 11 -0.0881439 -0.03939715
## 36 -0.4989860 -0.05898123
## 45 -0.2260151 0.42256336
## 72 -0.6605780 -1.93786383
## 79 -1.0066015 0.27982112
## 82 -0.4989860 -0.05898123
## 83 1.1869496 -0.84006760
## 85 -0.5231093 1.82995430
## 88 1.2023448 -0.30226793
coor_age<-acmsup$quali.sup$eta2
coor_age
## Dim 1 Dim 2
## age 0.245251 0.2670228
# Al analizar las contribuciones y cosenos, nos damos cuenta que las variables que est
án alejadas
# del centro de datos como lo son: no presenta malestar, no tuvo dolores abdominales,
no tuvo fiebre
# no tuvo diarrea, no comío calabacines, no comío papas, no tuvo vómito, no comío mayo
nesa
# si tuvo fiebre, si tuvo diarrea, si presentó malestar y si tuvo dolores abdominales
corresponden a las variables
# cuya contribución al primer plano factorial es más alta, sobrepasando la media de co
ntribuciones(3,8) significativamente.
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
# Además que éstas variables son las que mejor calidad de representación tienen en ést
e primer plano.
nuevab<-cbind(datos,Time)
## Dim 1 Dim 2
## 0 1.4440258 -0.04357250
## 4 -0.9590963 2.92655798
## 6 -0.7576612 0.56029587
## 8 -1.0066015 0.27982112
## 9 -0.4489718 0.04831349
## 10 -0.3630503 0.46330207
## 11 -0.5196386 -2.74050418
## 12 -0.4839187 -0.10751353
## 13 -0.3681582 -0.14986309
## 14 -0.6673610 0.42435425
## 15 -0.9655692 -1.14416189
## 16 -0.5993231 0.13367780
## 17 -0.8007952 -0.58120220
## 18 -0.5143812 -0.59678090
## 19 -0.6287304 -0.09328115
## 20 -0.7070582 0.19396207
## 21 -0.8434720 2.05592275
## 22 -0.6234562 -0.19921860
coor_Time<-acmsup$quali.sup$eta2
coor_Time
## Dim 1 Dim 2
## Time 0.9523358 0.4831529
# Al analizar las contribuciones y cosenos, nos damos cuenta que las variables que est
án alejadas
# del centro de datos como lo son: no presenta malestar, no tuvo dolores abdominales,
no tuvo fiebre
# no tuvo diarrea, no comío calabacines, no comío papas, no tuvo vómito, no comío mayo
nesa
# si tuvo fiebre, si tuvo diarrea, si presentó malestar y si tuvo dolores abdominales
corresponden a las variables
# cuya contribución al primer plano factorial es más alta, sobrepasando la media de co
ntribuciones(3,8) significativamente.
# Además que éstas variables son las que mejor calidad de representación tienen en ést
e primer plano.