TEMA DE TRABAJO:

Análisis de Componentes
Principales

Alumna: Vergara Tafur, Betty Adriana

Ciclo: 2019-01 Sección: GV-81
 INTRODUCCIÓN
Definición

Es una técnica
Análisis de
estadística
Componentes
Principales
Reduce el número de
componentes obtenidos de una
recopilación de datos con muchas
variables correlacionadas

Construye combinaciones lineales

de las variables originales
(componentes principales)
FUENTE: http://cicia.uprrp.edu/publicaciones/Papers/IntroduccionAlAnalisisMultivariado.pdf
 CONCEPTOS BÁSICOS
Correlación

Positiva

Correlación

Principales
Mide
información Negativa
común
Sin correlación

FUENTE: http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/ACP/ACP.pdf
 CONCEPTOS BÁSICOS
Tipos de Correlación

POSITIVA

Una variable
“x” aumenta

Una variable
“y” aumenta

FUENTE: https://www.researchgate.net/figure/Figura-21-Representaciones-graficas-de-distintos-tipos-de-correlaciones_fig1_262912866
 CONCEPTOS BÁSICOS
Tipos de Correlación

NEGATIVA

Una variable
“x” aumenta

Una variable
“y” disminuye

FUENTE: https://www.researchgate.net/figure/Figura-21-Representaciones-graficas-de-distintos-tipos-de-correlaciones_fig1_262912866
 CONCEPTOS BÁSICOS
Tipos de Correlación

SIN CORRELACIÓN

No existe relación
entre las variables

FUENTE: https://www.researchgate.net/figure/Figura-21-Representaciones-graficas-de-distintos-tipos-de-correlaciones_fig1_262912866
 CONCEPTOS PRINCIPALES
PRINCIPIOS DEL ACP

Se trabaja Se hace
con uso de la
variables varianza
tipificadas El nuevo
conjunto de
Principios
variables es
Se utiliza solo del ACP
igual al
datos número de
cuantitativos variables
Variables originales
originales están
correlacionadas
FUENTE: http://www.uco.es/zootecniaygestion/img/pictorex/09_13_27_sesion_9.pdf
DESARROLLO TEÓRICO
Fases del ACP
Análisis de Matriz de
Correlaciones

Extracción de los
componentes

Rotación de los ejes

Cálculo de las puntuaciones

 FASES DEL ACP
Análisis de la Matriz de Correlaciones
Es importante la existencia de información
Análisis de la redundante, porque gracias a ellos las
matriz de variables estarán correlacionadas que es
correlacione necesario para la aplicación de esta
s técnica. Así también se podrá evidenciar
gran parte de la variabilidad total.

REPRESENTACIÓN GRÁFICA
FUENTES: https://es.calameo.com/read/000191970a476fb6ab58c
http://nir-quimiometria.blogspot.com/2011/02/correlacion.html
 ANÁLISIS DE LA MATRIZ DE CORRELACIONES
Ejemplo utilizando SPSS

Las correlaciones
fuertes son de
color rojo y las
débiles de color
gris

FUENTE: Propia
 FASES DEL ACP
Extracción de los componentes

Determinar un número
Extracción de
reducido de factores que
los
componentes puedan representar a las
variables originales.

FUENTE: http://www.rubenjoserodriguez.com.ar/wp-content/uploads/2011/10/Analisis_de_Componentes_Principales_y_
Analisis_de_Factores_Comunes.pdf
 EXTRACCIÓN DE LOS COMPONENTES
Características de los CP
El primer componente explica
la mayor variabilidad de los No debe haber
datos correlación entre sí

Características de los
Componentes
Principales
FUENTE: http://allman.rhon.itam.mx/~lnieto/index_archivos/Modulo61.pdf
El resto de componentes
subsecuentes explica la
mayor variabilidad
restante
 EXTRACCIÓN DE LOS COMPONENTES
Determinación del número de componentes

Varianza total Consiste en fijar un porcentaje de

explicada o variabilidad explicado y se escoge los
Porcentaje componentes que conjuntamente
explicado representen el porcentaje prefijado.

FUENTE: http://halweb.uc3m.es/esp/personal/personas/agrane/ficheros_docencia/multivariant/slides_comp_reducido.pdf
 VARIANZA TOTAL EXPLICADA
Ejemplo utilizando SPSS
Se decide con cuantos
componentes nos vamos
a quedar

Porcentaje
acumulado
mayor al
75%.
FUENTE: Propia
 EXTRACCIÓN DE LOS COMPONENTES
Determinación del número de componentes

Se conserva los componentes

principales cuyos valores propios
Criterio de Kaiser
(autovalores) o varianza de los
componentes son mayores a la unidad.

FUENTE: http://halweb.uc3m.es/esp/personal/personas/agrane/ficheros_docencia/multivariant/slides_comp_reducido.pdf
 CRITERIO DE KAISER
Ejemplo utilizando SPSS

Autovalores
mayores a 1

FUENTE: Propia
 EXTRACCIÓN DE LOS COMPONENTES
Determinación del número de componentes

Muestra el número de componente

principal vs su autovalor. Permite
Gráfico de visualizar donde terminan los
sedimentación
autovalores grandes y donde empiezan
los pequeños

FUENTE: http://halweb.uc3m.es/esp/personal/personas/agrane/ficheros_docencia/multivariant/slides_comp_reducido.pdf
 GRÁFICO DE SEDIMENTACIÓN
Ejemplo utilizando SPSS

Autovalores
mayores a 1

FUENTE: Propia
 EXTRACCIÓN DE LOS COMPONENTES
Matriz de componentes

Después de la selección de los

componentes principales, se
Matriz de representan en forma de matriz y
Componentes cada elemento representa las
correlaciones entre las variables y
los componentes principales.

FUENTE: https://es.calameo.com/read/000191970a476fb6ab58c
 MATRIZ DE COMPONENTES
Ejemplo utilizando SPSS

Correlación
entre
componente
y variable

FUENTE: Propia
 FASES DEL ACP
Rotación de los ejes

• Se transforma la matriz de componentes

por una matriz de componentes rotado
facilitando su interpretación.
Rotación de • Los factores rotados tratan de que cada
los ejes una de las variables originales tenga una
correlación lo más próxima a uno que sea
posible con uno de los factores, y
correlaciones próximas a cero con los
restantes.
FUENTE: https://www.um.es/asepuma04/comunica/bernal_martinez_sanchez.pdf
 ROTACIÓN DE LOS EJES
Tipos de rotación

Varimax

Ortogonal Quartimax

Equamax
Rotación
Oblimin
directo
Oblicuo
Promax
FUENTE: http://www.estadistica.net/analisis-factorial.pdf
 TIPOS DE ROTACIÓN
Rotación más usada

• Gira los ejes ortogonalmente,

Rotación en el mismo ángulo, motivo por
Ortogonal el que se utiliza cuando los
factores son incorrelacionados.

• Minimiza el número de
Varimax variables que tienen cargas
altas en cada factor.

FUENTE: http://www.estadistica.net/analisis-factorial.pdf
 MATRIZ COMPONENTE ROTADO
Ejemplo utilizando SPSS

Relación
Pueden ser entre los
entendidos minerales
geológicamente

FUENTE: Propia
 FASES DEL ACP
Cálculo de las puntuaciones factoriales

Son combinaciones lineales de las

variables originales con coeficientes
Cálculo de las que se determinan por los
puntuaciones
factoriales componentes principales permitiendo
la realización de su representación
gráfica.

FUENTES: https://www.ugr.es/~curspss/archivos/Componentes-Principales/FasesACP.pdf
GRÁFICO DE PUNTUACIONES FACTORIALES
Ejemplo utilizando SPSS

FUENTE: Propia
CONCLUSIONES

• La aplicación de la técnica Análisis de Componentes

Principales permite observar y analizar el comportamiento
de los minerales , por ejemplo, la relación entre ellos.

• Los resultados se pueden interpretar geoquímicamente.

 BIBLIOGRAFÍA
• http://halweb.uc3m.es/esp/personal/personas/agrane/fich
eros_docencia/multivariant/slides_comp_reducido.pdf
(Consulta 01/04/19)
• http://cicia.uprrp.edu/publicaciones/Papers/IntroduccionAl
AnalisisMultivariado.pdf
(Consulta 01/04/19)
• https://es.calameo.com/read/000191970a476fb6ab58c
(Consulta 28/03/19)
• https://support.minitab.com/es-mx/minitab/18/help-and-h
ow-to/modeling-statistics/multivariate/how-to/principal-co
mponents/interpret-the-results/all-statistics-and-graphs/
(Consulta 09/04/19)