Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword or section
Like this
61Activity

Table Of Contents

Normal multivariante y asociadas
1.1. Introducción
1.2. Distribución normal multivariante
1.3. Regresión lineal
1.4. Correlación simple, parcial y múltiple
1.5. Distribución de Wishart
1.6. FORMAS CUADRÁTICAS GENERALIZADAS. 21
1.6. Formas cuadráticas generalizadas
1.8. DISTRIBUCIÓN DE WILKS Y ASOCIADAS 27
1.8. Distribución de Wilks y asociadas
Cuadro 1.1: Equivalencia entre estadísticos uni- y multivariantes
1.9. CONTRASTES EN LA DISTRIBUCIÓN NORMAL 29
1.9. Contrastes en la distribución normal
1.9.1. Diagnósticos de normalidad univariante
1.9.2. Diagnósticos de normalidad multivariante
1.9.3. Búsqueda de outliers
Inferencia en poblaciones normales multivariantes
2.1. Inferencia sobre el vector de medias
2.1.1. Contraste sobre el vector de medias conocidaΣ
2.1.2. Contraste sobre el vector de medias conΣdesconocida
2.3. INFERENCIA SOBRE LA MATRIZ DE COVARIANZAS. 41
2.3. Inferencia sobre la matriz de covarianzas
2.3.3. Contraste de esfericidad
Análisis de varianza multivariante
3.1. Introducción
3.2. Modelo MANOVA con un tratamiento
3.3. Relación entre diversos contrastes
3.4. MODELOS MANOVA CON DOS O MÁS TRATAMIENTOS 47
3.4. Modelos MANOVA con dos o más tratamientos
3.5. Extensiones y bibliografía
Análisis de correlación canónica
4.1. Introducción
4.2. Variables canónicas y coeficientes de correlación ca- nónica
4.3. Relación con otros contrastes
4.4. Interpretación
Componentes principales
5.1. Introducción
5.2. Obtención de las componentes principales
5.4. Interpretación geométrica
5.5. Comentarios adicionales
Análisis Factorial
6.1. Introducción
6.2. La igualdad fundamental
6.3. Análisis Factorial y el objetivo de la parsimonia
6.4. Indeterminación de las soluciones factoriales. Rota- ciones
6.5. Estimación del modelo
6.5.1. Método del factor principal
6.5.2. Método de máxima verosimilitud
7.1. Descomposición en valores singulares
7.2. Biplots
7.2.1. Interpretación
7.2.2. Ejemplo
7.3. LECTURA RECOMENDADA 81
7.3. Lectura recomendada
Datos categóricos multivariantes
8.1. Introducción
Cuadro 8.1: Color de pelo y ojos medidos para cinco sujetos
8.2. Tipos de muestreo
8.3. LA PARADOJA DE SIMPSON 85
8.3. La paradoja de Simpson
8.4. MODELOS LOGARÍTMICO-LINEALES 87
8.4. Modelos logarítmico-lineales
8.5. LECTURA RECOMENDADA 89
8.5. Lectura recomendada
Análisis de Correspondencias
9.1. Análisis de las filas de X
9.1.1. Notación
9.1.2. Distancia entre las filas de la matriz de datos
9.1.3. Matriz de covarianzas muestral
9.2. ANÁLISIS DE LAS COLUMNAS DE X 95
9.2. Análisis de las columnas de X
9.3. Reciprocidad y representación conjunta
9.4. Lectura recomendada
Análisis Procrustes
10.1. Introducción
10.2. Obtención de la transformación Procrustes
11.1. Introducción
11.2. Reescalado multidimensional métrico
Análisis discriminante
12.1. Introducción
12.3. Discriminación con información a priori
12.4. VARIABLES NORMALES 113
12.4. Variables normales
12.4.1. Matriz de covarianzasΣcomún y dos grupos
12.5. LA REGLA LINEAL DE FISHER 115
12.4.3. Caso de varios grupos
12.5. La regla lineal de Fisher
12.5.1. Dos grupos con matriz de covarianzasΣcomún
12.5.2. Más de dos grupos con matriz de covarianzasΣcomún
12.6. EVALUACIÓN DE FUNCIONES DISCRIMINANTES 119
12.6. Evaluación de funciones discriminantes
12.7. Bibliografía comentada
Arboles de regresión y clasificación
13.1. Arboles binarios
13.2. Construcción de árboles binarios
13.2.1. Medidas de “impureza” de nodos y árboles
13.2.2. Espacio de búsqueda
13.2.3. Estimación de la tasa de error
13.2.4. Tasa de error penalizada
13.2.5. Criterios de parada y/o poda
13.2.6. El algoritmo de construcción de árboles
13.3. Antecedentes y refinamientos
13.4. Bibliografía comentada
Redes Neuronales Artificiales
14.1. Introducción
14.2. Neuronas biológicas y neuronas artificiales
14.2.1. Morfología y funcionamiento de una neurona humana
14.2.2. Neuronas artificiales
Cuadro 14.1: Funciones de activación f(u) usuales
14.2.3. Redes neuronales artificiales (RNA)
14.3. Entrenamiento de una RNA
14.3.1. Entrenamiento de un perceptrón
14.3.2. El método de corrección de error
14.3.3. El algoritmo de propagación hacia atrás
14.4. Mapas auto-organizados (SOM)
14.5. Maquinas de vectores soporte (SVM)
Análisis de agrupamientos
15.1. Introducción
15.2. Medidas de similaridad y disimilaridad entre obje- tos
15.2.1. Variables reales
15.2.2. Variables cualitativas nominales
15.3. Medidas de similaridad y disimilaridad entre gru- pos
15.4. Estrategias de construcción de grupos
15.4.1. Procedimientos jerárquicos
Cálculo diferencial. Notación matricial
A.0.2. Notación
A.0.3. Algunos resultados útiles
B.1. Records atléticos de diversos países
0 of .
Results for:
No results containing your search query
P. 1
analisis multivariante

analisis multivariante

Ratings: (0)|Views: 26,197|Likes:
Published by maykol15

More info:

Published by: maykol15 on Jun 01, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/23/2013

pdf

text

original

You're Reading a Free Preview
Pages 4 to 60 are not shown in this preview.
You're Reading a Free Preview
Pages 64 to 98 are not shown in this preview.
You're Reading a Free Preview
Pages 102 to 107 are not shown in this preview.
You're Reading a Free Preview
Pages 111 to 160 are not shown in this preview.
You're Reading a Free Preview
Pages 164 to 165 are not shown in this preview.

Activity (61)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
haiderenrique liked this
Fcolaraa61 liked this
Edgar De La Cruz liked this
Carlos Andrade liked this
stimpy1979 liked this
stimpy1979 liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->