LABORATORIO DE ANALISIS MULTIDIMENSIONAL EJERCICIO N01: PERCEPCIONES DE 100 SUJETOS SOBRE SIETE ATRIBUTOS DE UN PRODUCTO Previo al desarrollo de este

tipo de anlisis, se verific la adecuacin del Anlisis Factorial a los datos disponibles, obtenindose los siguientes resultados: a. Identificacin del determinante de la matriz de correlaciones: El determinante ha obtenido un

valor de 0,066, valor que es extremadamente bajo, lo cual indica la existencia de correlaciones altas entre las variables, lo que nos aconseja aplicar esta tcnica.

b.

Test de esfericidad de Bartlett: El valor obtenido es de 260,639 con un valor p = 0,000, que es

significativo a un nivel de significancia de 0,05, resultado que indica que la matriz de correlaciones no es una matriz de identidad e indica, adems, la existencia de correlaciones significativas as como que la matriz de datos es adecuada para proceder al anlisis factorial.

TABLA N01: PRUEBA DE ESFERICIDAD DE BARTLETT

KMO y prueba de Bartlett Prueba de esfericidad de Bartlett Chi-cuadrado aproximado gl Sig. 260,639 21 ,000

Fuente: Elaboracin propia en base a SPSS v. 18.0

c.

Medida de adecuacin de la muestra KMO de Kaiser-Meyer- Olkin

Este valor es 0,556 que es un valor aceptable y nos indica que podemos aplicar esta tcnica, dado que las correlaciones entre pares de variables no pueden ser explicadas por las otras variables. TABLA N02: MEDIDA DE ADECUACION MUESTRAL DE KAISER-MAYER.OLKIN
KMO y prueba de Bartlett Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,556

Fuente: Elaboracin propia en base a SPSS v. 18.0

d.

Medida de adecuacin de la muestra MSA: Este ndice queda reflejado en la diagonal principal

de la matriz de correlaciones anti imagen. Los resultados de nuestro estudio nos indican valores altos que oscilan entre 0,655 y 0,712, lo que aconseja la aplicacin de esta tcnica.

TABLA N03: MEDIDA DE ADECUACION DE LA MUESTRA MSA

Matrices anti-imagen IMAGEN DEL NIVEL PERSONAL CALIDAD VELOCIDAD DE FLEXIBILIDAD IMAGEN DE DE DE ENTREGADA PRECIO DE PRECIO FABRICANTE SERVICIO VENTAS PRODUCTO .511 .125 -.431 .080 -.686 -.068 .394 .125 -.431 .604 .125 .125 .655 .091 .089 -.340 .214 -.087 -.092 -.107 .150

Correlacin anti-imagen

VELOCIDAD ENTREGADA NIVEL DE PRECIO FLEXIBILIDAD DE PRECIO IMAGEN DE FABRICANTE SERVICIO IMAGEN DEL PERSONAL DE VENTAS CALIDAD DE PRODUCTO

.080

.091

.089

.543

-.210

-.770

-.029

-.686 -.068

-.340 -.087

.214 -.092

-.210 -.770

.470 .063

.063 .542

-.178 -.090

.394

-.107

.150

-.029

-.178

-.090

.712

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N04: RESULTADOS DE COMPONENTES PRINCIPALES PARA EXAMINAR LA CALIDAD DE UN PRODUCTO

Componente
Auto valores iniciales Valor Propio % varianza inicial % varianza acumulada

Rotacin
% varianza despus de la rotacin 30.465 26.435 21.469 % varianza acumulada

1 2 3

2.188 2.138 1.160

31.255 30.544 16.570

31.255 61.799 78.369

30.465 56.900 78.369

Fuente: Elaboracin propia en base a SPSS v. 18.0

FIGURA N1: GRAFICO DE SEDIMENTACION

La Tabla N04 muestra en forma resumida la extraccin producida por el mtodo de Anlisis de Componentes Principales, en el cual se incluyen slo las dimensiones o factores o llamados tambin componentes con valor propio superior a la unidad. La solucin factorial obtenida mediante el mtodo de Anlisis de Componentes Principales, result conformada por tres factores o dimensiones con valor propio superior a la unidad, que en conjunto explican 78,369% de la varianza total, valor calificado como adecuado, por sus diferencias individuales en el constructo calidad de servicio de un producto, valorado por el instrumento. El primero explica un 31,255% del total de la informacin (varianza), el segundo el 30,544% y los dos primeros tomados conjuntamente consiguen explicar un 61,799% de la varianza inicial. Los dos primeros factores explican el 30,465% y 26,435% de la varianza despus de la rotacin respectivamente. Se retuvieron variables con pesos factoriales superiores a 0,40(valor especificado como criterio de relevancia para aceptar las variables de evaluacin para el factor) de esta forma obtuvimos que ninguna variable fue eliminada. Una vez determinado el nmero de factores a conservar, para interpretar su significado se analiz la composicin de las saturaciones factoriales, y de acuerdo con ellas, se les asign un nombre a los factores identificados de la calidad de un producto

La primera Dimensin Valor del servicio qued conformada por 3 variables. La Tabla N05 muestra las variables que conforman este primer factor. La segunda Dimensin Valor de los recursos e imagen, agrupa 2 variables. La Tabla N06 muestra la configuracin de este segundo factor. La tercera Dimensin Valor del prstamo y apoyo en el servicio, consta de 3 variables. La Tabla N07 muestra la configuracin de este tercer factor.

TABLA N05 DIMENSIN 1: Valor del servicio

Variables Peso Factorial Comunalidad

1.VELOCIDAD ENTREGADA 3.FLEXIBILIDAD DE PRECIO 7.CALIDAD DEL PRODUCTO

0,807 0,797 -0,768

0,868 0,651 0,635

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N06 DIMENSIN 2: Valor de los recursos e imagen

Variables Peso Factorial Comunalidad

6.IMAGEN DEL PERSONAL DE VENTAS 4.IMAGEN DE FABRICANTE

0,934 0,931

0,881 0,889

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N07 DIMENSIN 3: Valor del prstamo y apoyo en el servicio

Variables

Peso Factorial

Comunalidad

5.SERVICIO 2.NIVEL DE PRECIO

0,817 0,763

0,825 0,737

Fuente: Elaboracin propia en base a SPSS v. 18.0

EJERCICIO N02: DATA PARA EL ANLISIS FACTORIAL SISTEMAS Previo al desarrollo de este tipo de anlisis, se verific la adecuacin del Anlisis Factorial a los datos disponibles, obtenindose los siguientes resultados: a. Identificacin del determinante de la matriz de correlaciones: El determinante ha obtenido un valor de 1,41*10-13, valor que es extremadamente bajo, lo cual indica la existencia de

correlaciones altas entre los tems, lo que nos aconseja aplicar esta tcnica.

b. Test de esfericidad de Bartlett: El valor obtenido es de 1385,847 con un valor p = 0,000, que es significativo a un nivel de significancia de 0,05, resultado que indica que la matriz de correlaciones no es una matriz de identidad e indica, adems, la existencia de correlaciones significativas as como que la matriz de datos es adecuada para proceder al anlisis factorial. TABLA N08: PRUEBA DE ESFERICIDAD DE BARTLETT
KMO y prueba de Bartlett Prueba de esfericidad de Bartlett gl Sig. 378 ,000 Chi-cuadrado aproximado 1385,847

Fuente: Elaboracin propia en base a SPSS v. 18.0

c. Medida de adecuacin de la muestra KMO de Kaiser-Meyer- Olkin Este valor es 0,819 que es un valor aceptable y nos indica que podemos aplicar esta tcnica, dado que las correlaciones entre pares de variables no pueden ser explicadas por las otras variables.

TABLA N09: MEDIDA DE ADECUACION MUESTRAL DE KAISER-MAYER.OLKIN

KMO y prueba de Bartlett Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,819

Fuente: Elaboracin propia en base a SPSS v. 18.0

d. Medida de adecuacin de la muestra MSA: Este ndice queda reflejado en la diagonal principal de la matriz de correlaciones anti imagen. Los resultados de nuestro estudio nos indican valores altos que oscilan entre 0,899 y 0,914, lo que aconseja la aplicacin de esta tcnica.

TABLA N10: RESULTADOS DE COMPONENTES PRINCIPALES

Componentes
Valor Propio 14,559 2,266 1,320 1,158 1,073 % varianza Inicial 51,998 8,092 4,713 4,137 3,831 % varianza acumulada 51,998 60,090 64,803 68,940 72,770 % varianza despus de la rotacin 19,453 15,544 14,778 13,106 9,888 % varianza acumulada 19,453 34,998 49,776 62,882 72,770

1 2 3 4 5

Fuente: Elaboracin propia en base a SPSS v. 18.0

FIGURA N2: GRAFICO DE SEDIMENTACION

La Tabla N10 muestra en forma resumida la extraccin producida por el mtodo de Anlisis de Componentes Principales, en el cual se incluyen slo las dimensiones o factores o llamados tambin componentes con valor propio superior a la unidad. La solucin factorial obtenida mediante el mtodo de Anlisis de Componentes Principales, result conformada por cinco factores o dimensiones con valor propio superior a la unidad, que en conjunto explican 72,770% de la varianza total, valor calificado como adecuado, por sus diferencias individuales en el constructo calidad de servicio del jardn Children, valorado por el instrumento. El primero explica un 51,998% del total de la informacin (varianza), el segundo el 8,092% y los tres primeros tomados conjuntamente consiguen explicar un 64,803% de la varianza inicial. Los dos primeros factores explican el 19,453% y 15,544% de la varianza despus de la rotacin respectivamente. Se retuvieron variables con pesos factoriales superiores a 0,40(valor especificado como criterio de relevancia para aceptar las variables de evaluacin para el factor) de esta forma obtuvimos que ninguna variable fue eliminada. Una vez determinado el nmero de factores a conservar, para interpretar su significado se analiz la composicin de las saturaciones factoriales, y de acuerdo con ellas, se les asign un nombre a los factores identificados de la calidad de servicio del jardn children. La primera Dimensin Valor de qued conformada por 7 variables. La Tabla N11 muestra las variables que conforman este primer factor. La segunda Dimensin Valor de los recursos e informacin, agrupa 6 variables. La Tabla N12 muestra la configuracin de este segundo factor. La tercera Dimensin Valor del prstamo y apoyo en el servicio, consta de 3 variables. La Tabla N13 muestra la configuracin de este tercer factor. La cuarta Dimensin Valor del prstamo y apoyo en el servicio, consta de 3 variables. La Tabla N14 muestra la configuracin de este cuarto factor. La quinta Dimensin Valor del prstamo y apoyo en el servicio, consta de 3 variables. La Tabla N15 muestra la configuracin de este quinto factor.

TABLA N11 DIMENSIN 1:

Variables

Peso Factorial
0,803

Comunalidad

21. El personal docente del Jardn Children's Paradise siempre est

dispuesto a apoyar a las alumnas en sus consultas acadmicas.

0,759

19. Cuando una alumna tiene un problema acadmico, sus profesores

muestran un sincero inters en solucionarlo.

0,769

0,67

24. El personal docente del Jardn Children's Paradise brinda informacin completa y adecuada a las alumnas para la realizacin de sus tareas y trabajos.
14. El personal docente del Jardn Children's Paradise no brinda conocimientos errneos en el servicio educativo que brinda. 18. Los profesores del Jardn Children's Paradise brindan una atencin individualizada y/o personalizada. 3. El personal docente y de apoyo del Jardn Children's Paradise comprenden las necesidades especficas de sus alumnas. 23. Los profesores del Jardn Children's Paradise cuentan con conocimientos y preparacin profesional suficiente para resolver las preguntas de sus alumnos.

0,765

0,812

0,664

0,732

0,659

0,762

0,633

0,800

0,616

0,673

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N12 DIMENSIN 2:

Variables

Peso Factorial

Comunalidad

10. El Jardn Children's Paradise tiene sealizadas las zonas de emergencia y seguridad. 9. Los servicios asociados al servicio del Jardn Children's Paradise (aulas, pizarras, servicios higinicos y otros) son pulcros y de calidad. 11. Los compromisos asumidos por el Jardn Children's Paradise en beneficio de las alumnas se cumplen en el tiempo. 20. El Jardn Children's Paradise demuestra flexibilidad y capacidad para hacer frente a imprevistos y dificultades. 13. Los accesos a las instalaciones del Jardn Children's Paradise son adecuados. 5. En el Jardn Children's Paradise entregan el servicio solicitado a la primera

0,778

0,745

0,705

0,813

0,674 0,608

0,710 0,684 0,621 0,650

0,528

0,528

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N13 DIMENSIN 3:

Variables

Peso Factorial
0,755 0,633

Comunalidad

2. El personal del Jardn Children's Paradise tienen apariencia pulcra. 1. Las instalaciones fsicas del Jardn Children's Paradise son visualmente atractivas. 8. El Jardn Children's Paradise se preocupa por tener ambientes fsicos pulcros y en buen estado de funcionamiento. 7. Cuando usted tiene una duda posterior a la prestacin del servicio, el personal del Jardn Children's Paradise que lo atiende le brinda una respuesta que lo satisface (rpida y adecuada). 17. Los padres de familia se sienten seguros con el servicio educativo que reciben del Jardn Children's Paradise.

0,724 0,628 0,744

0,580

0,530

0,630

0,478

0,821

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N14 DIMENSIN 4:

Variables Peso Factorial Comunalidad

26. Generalmente se observa planificacin y coordinacin en las actividades del Jardn Children's Paradise. 27. El Jardn Children's Paradise cuenta con equipos de seguridad, emergencia y botiquines. 28. Los profesores del Jardn Children's Paradise tienen horarios de trabajo convenientes para atender a los padres de familia. 22. El tiempo de atencin para obtener un servicio es satisfactorio y adecuado en el Jardn Children's Paradise. 6. El Jardn Children's Paradise cuenta con equipos y medios y materiales educativos suficientes y en buen estado de funcionamiento.

0,728

0,830

0,685

0,827

0,630

0,731

0,629 0,568

0,722 0,834

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N15 DIMENSIN 5:

Variables

Peso Factorial

Comunalidad

12. Los profesores del Jardn Children's Paradise siempre son amables actividades del Jardn Children's Paradise. 16. Obtuvo un servicio conforme al calendario y en la fecha que fue ofrecido por el Jardn Children's Paradise. 15. El Jardn Children's Paradise brinda informacin a los padres de familia sobre el avance de su trmite administrativo y cuando ste concluir. 25. El comportamiento y expresiones no verbales de los profesores del Jardn Children's Paradise transmiten confianza. 4. El personal del Jardn Children's Paradise que le brinda el servicio demuestra estar capacitado para ofrecer un pronto servicio.

0,705 0,582

0,731

0,697

0,547

0,588

0,487

0,683

0,485

0,750

Fuente: Elaboracin propia en base a SPSS v. 18.0

EJERCICIO N03: DATA PARA EL ANLISIS FACTORIAL ASIGNATURAS Previo al desarrollo de este tipo de anlisis, se verific la adecuacin del Anlisis Factorial a los datos disponibles, obtenindose los siguientes resultados: a. Identificacin del determinante de la matriz de correlaciones: El determinante ha obtenido un valor de 6,81*10-6, valor que es extremadamente bajo, lo cual indica la existencia de

correlaciones altas entre las variables, lo que nos aconseja aplicar esta tcnica.

b. Test de esfericidad de Bartlett: El valor obtenido es de 184,406 con un valor p = 0,000, que es significativo a un nivel de significancia de 0,05, resultado que indica que la matriz de correlaciones no es una matriz de identidad e indica, adems, la existencia de correlaciones significativas as como que la matriz de datos es adecuada para proceder al anlisis factorial. TABLA N16: PRUEBA DE ESFERICIDAD DE BARTLETT
KMO y prueba de Bartlett Prueba de esfericidad de Bartlett Chi-cuadrado aproximado gl Sig. 184,406 28 ,000

Fuente: Elaboracin propia en base a SPSS v. 18.0

c. Medida de adecuacin de la muestra KMO de Kaiser-Meyer- Olkin Este valor es 0,659 que es un valor aceptable y nos indica que podemos aplicar esta tcnica, dado que las correlaciones entre pares de variables no pueden ser explicadas por las otras variables. TABLA N17: MEDIDA DE ADECUACION MUESTRAL DE KAISER-MAYER.OLKIN

KMO y prueba de Bartlett Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,659

Fuente: Elaboracin propia en base a SPSS v. 18.0

d. Medida de adecuacin de la muestra MSA: Este ndice queda reflejado en la diagonal principal de la matriz de correlaciones anti imagen. Los resultados de nuestro estudio nos indican valores altos que oscilan entre 0,899 y 0,914, lo que aconseja la aplicacin de esta tcnica.

TABLA N18: MEDIDA DE ADECUACION DE LA MUESTRA MSA

Matrices anti-imagen LENGUA ,740 ,229 -,044 -,778 -,469 ,039 -,143 -,205 MATEMATICA ,229 ,737 -,509 -,195 ,301 -,237 -,362 ,023 FISICA INGLES FILOSOFIA HISTORIA QUIMICA -,044 -,778 -,469 ,039 -,143 -,509 ,590 -,277 -,359 ,645 -,586 -,241 -,195 -,277 ,659 ,373 -,469 ,455 ,190 ,301 -,359 ,373 ,672 -,608 ,059 ,447 -,237 ,645 -,469 -,608 ,643 -,448 -,396 -,362 -,586 ,455 ,059 -,448 ,658 ,228 ED_FISI CA -,205 ,023 -,241 ,190 ,447 -,396 ,228 ,370

Correlacin anti-imagen

LENGUA MATEMATICAS FISICA INGLES FILOSOFIA HISTORIA QUIMICA ED_FISICA

TABLA N19: RESULTADOS DE COMPONENTES PRINCIPALES

Valor Componentes Propio

% varianza Inicial

% varianza acumulada

% varianza despus de la rotacin

% varianza acumulada

1 2

3,982 2,675

49,771 33,439

49,771 83,210

47,080 36,130

47,080 83,210

Fuente: Elaboracin propia en base a SPSS v. 18.0

FIGURA N3: GRAFICO DE SEDIMENTACION

La Tabla N19 muestra en forma resumida la extraccin producida por el mtodo de Anlisis de Componentes Principales, en el cual se incluyen slo las dimensiones o factores o llamados tambin componentes con valor propio superior a la unidad. La solucin factorial obtenida mediante el mtodo de Anlisis de Componentes Principales, result conformada por dos factores o dimensiones con valor propio superior a la unidad, que en conjunto explican 83,210% de la varianza total, valor calificado como adecuado, por sus diferencias individuales en el constructo calidad de servicio del jardn Children, valorado por el instrumento. El primero explica un 49,771% de la varianza inicial. Los dos primeros factores explican el 47,080% y 36,130% de la varianza despus de la rotacin respectivamente. Se retuvieron variables con pesos factoriales superiores a 0,40(valor especificado como criterio de relevancia para aceptar las variables de evaluacin para el factor) de esta forma obtuvimos que ninguna variable fue eliminada.

Una vez determinado el nmero de factores a conservar, para interpretar su significado se analiz la composicin de las saturaciones factoriales, y de acuerdo con ellas, se les asign un nombre a los factores identificados de la calidad de servicio del jardn children. La primera Dimensin Valor del servicio qued conformada por 3 variables. La Tabla N20 muestra las variables que conforman este primer factor. La segunda Dimensin Valor de los recursos e informacin, agrupa 2 variables. La Tabla N21 muestra la configuracin de este segundo factor.

TABLA N20 DIMENSIN 1:

Variables
LENGUA HISTORIA INGLES FILOSOFIA ED_FISICA

Peso Factorial
0,975 0,963 0,955 0,907 0,380

Comunalidad
0,957 0,930 0,920 0,841 0,146

Fuente: Elaboracin propia en base a SPSS v. 18.0

TABLA N20 DIMENSIN 1:

Variables
FISICA MATEMATICAS QUIMICA

Peso Factorial
0,977 0,974 0,973

Comunalidad
0,959 0,949 0,954

Fuente: Elaboracin propia en base a SPSS v. 18.0

ANALISIS CLUSTER 1. Un investigador midi las cantidades de nueve elementos qumicos diferentes que se encuentran presentes en el jugo de naranja. Los elementos qumicos medidos fueron: Boro (B), Bario (BA), Calcio (CA), Potasio (K), Magnesio (MG), Manganeso (MN), Fsforo (P), Rubidio (RB), y Zinc (ZN). Interesa conocer si las muestras provenientes del mismo pas forman agrupamientos diferentes a los formados por otros pases. Realice el Anlisis Cluster Jerrquico y no Jerrquico para los datos y obtenga las conclusiones correspondientes

Pases Blgica Blgica Blgica Blgica Blgica Blgica Blgica Blgica Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Escocia Polonia Suiza Suiza Suiza Suiza Suiza Suiza Holanda Holanda Holanda Holanda Holanda

B 0,298 0,288 0,421 0,434 0,578 0,575 0,811 0,794 0,181 0,733 0,514 0,504 0,744 0,771 0,453 0,445 0,127 0,431 0,433 0,609 0,604 0,410 0,404 0,564 0,554 0,517 1,013 1,017 1,491 1,500 0,795 0,805 0,440 0,417 0,402 0,754 0,758

BA 0,237 0,236 0,271 0,117 0,145 0,144 0,196 0,193 0,092 0,034 0,026 0,040 0,040 0,045 0,059 0,054 0,077 0,084 0,084 0,065 0,068 0,073 0,073 0,048 0,051 0,020 0,050 0,050 0,032 0,031 0,089 0,087 0,709 0,646 0,633 0,472 0,471

CA 109,1 108,4 43,4 53,4 82,9 81,8 266,2 270,4 31,2 34,7 28,9 36,7 43,3 43,3 42,0 40,3 39,0 44,0 44,4 39,7 38,6 48,1 45,3 34,5 33,4 42,9 102,6 95,0 111,5 109,7 389,5 399,7 64,7 79,8 77,0 76,4 75,5

K 1802 1797 1634 1504 1486 1464 1761 1731 1233 1640 1753 1759 1814 1793 1809 1779 1570 1564 1585 1553 1518 1713 1693 1128 1130 1593 1555 1559 1462 1456 1305 1327 1549 1420 1387 1507 1484

Mg 102,3 102,3 85,1 84,5 94,5 93,8 113,0 113,2 64,3 69,4 61,9 73,2 76,8 77,2 81,5 81,1 98,1 86,1 87,3 81,9 80,9 119,4 119,4 76,6 76,6 84,0 75,0 74,3 70,5 70,5 74,6 76,2 93,6 84,7 82,2 91,6 90,7

Mn 0,453 0,455 0,160 0,265 0,330 0,327 0,360 0,353 0,253 0,132 0,119 0,133 0,149 0,151 0,172 0,168 0,136 0,200 0,202 0,126 0,125 0,176 0,172 0,114 0,112 0,131 0,135 0,130 0,157 0,156 0,217 0,217 0,162 0,148 0,150 0,542 0,544

P 122,2 121,9 124,9 135,5 148,6 147,6 194,5 192,9 52,4 103,4 104,1 124,3 125,3 125,4 121,1 120,0 80,4 95,6 96,6 89,7 88,9 119,5 117,7 95,6 94,8 137,0 132,1 132,5 115,1 114,3 126,9 127,4 157,5 144,3 143,7 170,6 171,9

RB 2,98 2,99 7,26 2,35 1,98 1,96 5,28 5,23 1,89 1,37 1,44 2,99 1,45 1,45 3,11 3,11 1,18 1,11 1,10 2,14 2,12 1,82 1,85 0,83 0,80 1,11 0,22 0,26 0,59 0,60 0,26 0,23 2,74 2,48 2,48 4,12 4,08

ZN 0,323 0,328 0,277 0,397 0,356 0,365 0,477 0,439 0,306 0,244 0,232 0,194 0,291 0,305 0,279 0,265 0,276 0,268 0,273 0,247 0,231 0,479 0,464 0,174 0,170 0,134 0,270 0,261 0,225 0,220 0,411 0,393 0,355 1,045 1,050 0,324 0,337

Lo primero que hacemos sacar el promedio de cada qumico que se da en cada pas para poder trabajar mejor con valores medios.

PAIS BELGICA ESCOCIA SUIZA HOLANDA POLONIA

BORO 0,5248 0,4988 11,040 0,5542 0,5170

BARIO 0,1923 0,5958 0,0570 0,5862 0,0200

CALCIO 126,95 39,26 201,33 74,68 42,90

POTASIO 1647,37 1590,23 1444,00 1469,40 1593,00

MAGNESIO 98,58 83,04 73,52 88,56 84,00

MANGANESO 0,3378 0,1550 0,1690 0,3092 0,1310

FOSFORO 148.5125 103.2000 124.7170 157.6000 137.0000

RUBIDIO 37,537 17,500 0,3600 31,800 11,100

ZINC 0,3702 0,2760 0,2790 0,6220 0,1340

ANALISIS CLUSTER JERARQUICO-COMPONENTES EN UN JUGO DE NARANJA

a. Matriz de distancia: Esta matriz seala la distancia entre los individuos (pases, elementos qumicos, etc.) segn la distancia euclidiana al cuadrado. ( Esta matriz es simtrica y si la observamos que el primer cluster estar formado por aquellos pases mas cercanos con menor distancia entre ellos) Polonia y Escocia.

MATRIZ DE DISTANCIA
distancia eucldea al cuadrado Caso 1:BELGICA 1:BELGICA 2:ESCOCIA 3:SUIZA 4:HOLANDA 5:POLONIA ,000 17,515 29,704 10,271 15,012 2:ESCOCIA 17,515 ,000 20,615 16,411 7,599 3:SUIZA 29,704 20,615 ,000 26,366 16,152 4:HOLANDA 10,271 16,411 26,366 ,000 20,356 5:POLONIA 15,012 7,599 16,152 20,356 ,000

b. Historial de conglomeraciones: Nos va indicando el orden de las uniones y la distancia a lo que hacen. Por ejemplo: En primer lugar se une el pas 2 (Escocia) con el 5 (Polonia) como se observa los que tienen menor distancia entre si (7,599). En segundo lugar se unen el pas 1 (Blgica) con el 4 (Holanda), ambos los separan una distancia de 10,271. Las dos columnas siguientes indican cuando se forma por primera vez un multicluster, es decir, un grupo de dos individuos. Esto sucede en el paso 3. En l se unen el pas 1(Blgica) que ya esta unido en el paso 2 al pas 4(Holanda) y el 2 (Escocia) que esta unido al 5(Polonia).
HISTORIAL DE CONGLOMERACIONES ETAPAS Conglomerado que se combina Etapa en la que el conglomerado aparece por primera vez Prxima etapa 3 3 4 0

1 2 3 4

Conglomerado Conglomerado Conglomerado Conglomerado 1 2 Coeficientes 1 2 2 5 7.599 0 0 1 1 1 4 2 3 10.271 17.324 23.209 0 2 3 0 1 0

c. Dendograma: En el dendograma aparece en el eje y los sujetos en el otro. En nuestro ejemplo, en la primera etapa se agrupan los pases de Escocia (2) y Polonia (5), despus los pases Blgica(1) y Holanda(4), despus el pas de Blgica se uni con los pases 2 y 5.

TRABAJANDO CON CLUSTER 3 Los grupos que se forman son los siguientes: CLUSTER 1 Blgica Holanda CLUSTER 2 Escocia Polonia CLUSTER 3 Suiza

CASOS 1: A-BELGICA 2: B-ESCOCIA 3: C-SUIZA 4: D-HOLANDA 5: E-POLONIA

3 CONGLOMERADOS 1 2 3 1 2

ANALISIS CLUSTER NO JERARQUICO-COMPONENTES EN UN JUGO DE NARANJA

a. Estadsticos Descriptivos: Para poder sacar el Anlisis Cluster no Jerrquico, tenemos primero que homogeneizar los datos para eso vamos a Analizar-Estadsticos DescriptivosDescriptivos.
ESTADISTICOS DESCRIPTIVOS N BORO BARIO CALCIO POTASIO MAGNESIO MANGANESO FOSFORO RUBIDIO ZIN N vlido (segn lista) 5 5 5 5 5 5 5 5 5 5 Mnimo ,4988 ,0200 39,26 1444,00 73,52 ,1310 103,2000 ,3600 ,1340 Mximo 1,1040 ,5958 201,33 1647,37 98,58 ,3378 157,6000 3,7537 ,6220 Media ,639760 ,290260 97,0244 1548,8000 85,5396 ,220400 134,205900 2,030740 ,336240 Desv. tp. ,2602858 ,2819495 68,08343 87,56930 9,11497 ,0956291 21,2789495 1,4148621 ,1807058

b. Centros Iniciales de los Conglomerados: Los resultados que ofrecen el SPSS se refieren a los centros iniciales de los conglomerados, que en este caso se dan 3; y el historial de iteraciones, donde se incluyen los cambios en los centros de los cluster en cada iteracin.
Centros iniciales de los conglomerados Conglomerado 1 Puntua: BORO Puntua: BARIO Puntua: CALCIO Puntua: POTASIO Puntua: MAGNESIO Puntua: MANGANESO Puntua: FOSFORO Puntua: RUBIDIO Puntua: ZIN -,44167 -,34744 ,43954 1,12562 1,43066 1,22766 ,67234 1,21776 ,18793 2 -,54156 1,08367 -,84845 ,47311 -,27411 -,68389 -1,45712 -,19842 -,33336 3 1,78358 -,82731 1,53207 -1,19677 -1,31900 -,53749 -,44593 -1,18085 -,31676

c. Historial de iteraciones: Se ha logrado la convergencia debido a que los centros de los

conglomerados no presentan ningn cambio o ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de .000. La iteracin actual es 2. La distancia mnima entre los centros iniciales es de 4.185.
Historial de iteraciones
a

Cambio en los centros de los conglomerados Iteracin 1 2 1 1,602 ,000 2 1,378 ,000 3 ,000 ,000

d. Centros de conglomerados finales: Luego se obtiene el valor de los centroides finales que servirn para asignar los pases a cada grupo.
Centros de los conglomerados finales Conglomerado 1 Puntua: BORO Puntua: BARIO Puntua: CALCIO Puntua: POTASIO Puntua: MAGNESIO Puntua: MANGANESO Puntua: FOSFORO Puntua: RUBIDIO Puntua: ZIN -,38519 ,35109 ,05568 ,10946 ,88101 1,07812 ,88587 1,01502 ,88464 2 -,50660 ,06256 -,82171 ,48893 -,22151 -,80938 -,66290 -,42459 -,72626 3 1,78358 -,82731 1,53207 -1,19677 -1,31900 -,53749 -,44593 -1,18085 -,31676

e. Pertenencia a los conglomerados: Luego se obtiene la asignacin de cada uno de los pases a los tres conglomerados fijados previamente. Se observa que los resultados son similares al analisis de conglomerados jerrquicos.
Pertenencia a los conglomerados Nmero de caso 1 2
dimension0

PAIS BELGICA ESCOCIA SUIZA HOLANDA POLONIA

Conglomerado 1 2 3 1 2

Distancia 1,602 1,378 ,000 1,602 1,378

3 4 5

Distancias entre los centros de los conglomerados finales Conglomerado 1

dimension0

2 3,586

3 5,047 4,060

2 3

3,586 5,047 4,060

ANOVA Conglomerado Media cuadrtica Puntua: BORO Puntua: BARIO Puntua: CALCIO Puntua: POTASIO Puntua: MAGNESIO Puntua: MANGANESO Puntua: FOSFORO Puntua: RUBIDIO Puntua: ZIN 1,996 ,469 1,852 ,967 1,695 1,962 1,324 1,908 1,360 gl 2 2 2 2 2 2 2 2 2 Media cuadrtica ,004 1,531 ,148 1,033 ,305 ,038 ,676 ,092 ,640 gl 2 2 2 2 2 2 2 2 2 F 452,320 ,307 12,507 ,936 5,560 51,483 1,957 20,679 2,126 Sig. ,002 ,765 ,074 ,516 ,152 ,019 ,338 ,046 ,320 Error

Las pruebas F slo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles crticos no son corregidos, por lo que no pueden interpretarse como pruebas de la hiptesis de que los centros de los conglomerados son iguales. Nmero de casos en cada conglomerado Conglomerado 1 2 3 Vlidos Perdidos 2,000 2,000 1,000 5,000 ,000

2. Con la Data A. CLUSTER UNIVERSIDADES realizar el Anlisis Cluster Jerrquico y no Jerrquico e interpretar los resultados. ANALISIS CLUSTER JERARQUICO-UNIVERSIDADES DEL PERU

a. Historial de conglomeracin: Nos va indicando el orden de las uniones y la distancia a lo que hacen. Por ejemplo: En primer lugar se une la Universidad 37 (Universidad Nacional de Cajamarca) con el 39 (Universidad Nacional de Huancavelica) como se observa los que tienen menor distancia entre si (0,159). En segundo lugar se unen la Universidad 25 (Universidad Nacional San Antonio Abad) con el 30 (Universidad San Cristbal de Huamanga), ambos los separan una distancia de 0,485. Las dos colum nas siguientes indican cuando se forma por primera vez un multicluster, es decir, un grupo de dos individuos. Esto sucede en el paso 3. En l se unen el pas 1(Blgica) que ya esta unido en el paso 2 al pas 4(Holanda) y el 2 (Escocia) que esta unido al 5(Polonia).
Historial de conglomeracin Etapa Conglomerado que se combina Conglomerado 1 1 2 3 4 5 6 7 8
d

Etapa en la que el conglomerado aparece por primera vez Conglomerado Coeficientes 39 30 33 38 45 43 32 21 37 34 31 29 46 14 26 19 40 35 13 41 27 24 8 16 ,159 ,485 ,922 ,952 1,379 1,885 1,966 4,261 4,306 4,460 4,980 5,324 6,293 6,619 7,252 7,527 7,798 9,022 9,864 10,671 10,678 11,566 11,718 11,841 1 0 0 2 1 0 4 0 0 5 7 0 0 0 0 0 8 0 3 0 18 16 0 0 14 Conglomerado 2 0 0 0 0 0 0 0 0 6 0 0 0 0 0 0 10 0 9 0 0 11 0 0 21 Prxima etapa 4 3 18 6 9 9 10 16 18 16 21 29 26 24 32 21 27 20 39 26 24 32 30 25

Conglomerado 2

37 25 25 37 35 37 19 16 35 19 27 23 44 11 12 16 17 25 10 25 16 15 7 11

9
i

10
m

11
e

12
n s

13 14 15 16 17 18 19 20 21 22 23 24

25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

11 25 11 9 22 5 25 12 11 12 5 9 5 6 5 2 5 5 2 1 1

20 44 17 18 23 7 36 15 25 22 12 11 9 28 10 4 42 6 5 3 2

13,265 13,758 14,213 14,625 15,610 17,369 17,897 18,494 18,607 20,248 22,574 29,152 29,637 30,545 32,773 39,828 41,888 42,963 61,815 73,302 109,000

24 20 25 0 0 0 26 15 27 32 30 28 35 0 37 0 39 41 40 0 44

0 13 17 0 12 23 0 22 31 29 34 33 36 0 19 0 0 38 42 0 43

27 31 33 36 34 35 33 34 36 35 37 37 39 42 41 43 42 43 45 45 0

b. Dendograma: En el dendograma aparece en el eje y los sujetos en el otro. En nuestro ejemplo, en la primera etapa se agrupan los pases de Escocia (2) y Polonia (5), despus los pases Blgica(1) y Holanda(4), despus el pas de Blgica se uni con los pases 2 y 5.

TRABAJANDO CON CLUSTER 4 Los grupos que se forman son los siguientes:

CLUSTER 1 1

CLUSTER 2 2 4

CLUSTER 3 3

CLUSTER 4 5 al 46

ANALISIS CLUSTER NO JERARQUICO-UNIVERSIDADES DEL PERU

a. Estadsticos Descriptivos: Para poder sacar el Anlisis Cluster no Jerrquico, tenemos primero que homogeneizar los datos para eso vamos a Analizar-Estadsticos DescriptivosDescriptivos.
Estadsticos descriptivos N INDICE 1 INDICE 2 INDICE 3 INDICE 4 INDICE 5 INDICE 6 INDICE 7 INDICE 8 INDICE 9 INDICE 10 INDICE 11 INDICE 12 INDICE 13 INDICE 14 INDICE 15 INDICE 16 INDICE 17 INDICE 18 N vlido (segn lista) 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 Mnimo ,0000 ,0000 ,0000 ,00 ,00 ,0000 ,0000 ,00 ,0000 ,0000 ,0000 ,0000 ,0000 ,0000 ,0000 ,0000 ,0000 ,00 Mximo 100,0000 33,5956 52,6882 18,91 29,55 29,6296 48,0040 7,06 51,5152 100,0000 100,0000 46,2107 21,9870 100,0000 61,3445 100,0000 100,0000 100,00 Media 26,082296 11,385779 14,690311 7,6870 5,0617 2,269126 1,719383 2,1743 13,115741 14,315150 12,339152 10,707785 4,464502 49,568122 17,971925 7,098482 10,671941 4,9758 Desv. tp. 20,2261349 8,9866008 14,0899736 4,26103 7,12565 6,5055379 8,0366870 1,46910 15,4688638 19,2179989 17,4218968 12,8807993 5,9763156 36,1496435 19,1056292 18,9001548 23,5987912 17,37308

b. Centros Iniciales de los Conglomerados: Los resultados que ofrecen el SPSS se refieren a los centros iniciales de los conglomerados, que en este caso se dan 4; y el historial de iteraciones, donde se incluyen los cambios en los centros de los cluster en cada iteracin.
Centros iniciales de los conglomerados Conglomerado 1 Puntua: INDICE 1 Puntua: INDICE 2 Puntua: INDICE 3 Puntua: INDICE 4 Puntua: INDICE 5 Puntua: INDICE 6 Puntua: INDICE 7 Puntua: INDICE 8 Puntua: INDICE 9 Puntua: INDICE 10 Puntua: INDICE 11 3,65456 ,01741 ,42762 ,38794 -,43389 ,05661 5,75917 3,32560 1,65880 -,06305 ,32415 2 ,11553 -,26619 ,78588 -,52498 ,51620 ,69926 -,21394 1,35161 ,14667 -,28576 ,38264 3 -,95408 -,78536 -1,04261 -1,29709 -,71036 -,34880 -,21394 -1,27584 -,03981 4,45857 -,70826 4 -,87907 -,52985 -,84258 -,49447 -,63317 -,34880 -,21394 -,54070 -,50764 -,27184 5,03165

Puntua: INDICE 12 Puntua: INDICE 13 Puntua: INDICE 14 Puntua: INDICE 15 Puntua: INDICE 16 Puntua: INDICE 17 Puntua: INDICE 18

,02175 ,65380 -,04915 ,96518 2,07195 3,78528 2,91139

1,87374 2,39417 ,42651 ,89197 4,91538 2,72590 1,76018

-,83130 -,74703 -1,37119 -,94066 -,37558 -,45222 -,28641

2,75627 -,25216 1,22869 -,62583 -,37558 -,45222 -,28641

c. Historial de Iteraciones: Se ha logrado la convergencia debido a que los centros de los

conglomerados no presentan ningn cambio o ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de .000. La iteracin actual es 2. La distancia mnima entre los centros iniciales es de 8.603.
Historial de iteraciones Iteracin 1 1 2 4,281 ,000 2 4,754 ,000 3 5,234 ,000 4 4,437 ,000
a

Cambio en los centros de los conglomerados

d. Centros de conglomerados finales: Luego se obtiene el valor de los centroides finales que servirn para asignar las Universidades a cada grupo.
Centros de los conglomerados finales Conglomerado 1 Puntua: INDICE 1 Puntua: INDICE 2 Puntua: INDICE 3 Puntua: INDICE 4 Puntua: INDICE 5 Puntua: INDICE 6 Puntua: INDICE 7 Puntua: INDICE 8 Puntua: INDICE 9 Puntua: INDICE 10 Puntua: INDICE 11 Puntua: INDICE 12 Puntua: INDICE 13 Puntua: INDICE 14 Puntua: INDICE 15 Puntua: INDICE 16 Puntua: INDICE 17 Puntua: INDICE 18 1,66048 1,24442 ,35717 1,12486 ,57514 2,13116 4,44198 2,18545 1,66247 ,24646 1,03052 -,21287 ,25814 -,04205 ,94374 ,91117 3,40005 4,19050 2 ,96817 -,37936 ,89299 -,11545 ,28464 -,08678 -,21394 1,46732 1,53359 ,31816 ,21996 1,64023 2,36237 ,29511 1,07937 1,01015 1,42576 ,48106 3 -,20251 ,06301 -,11568 -,01530 -,12242 -,18759 -,19837 -,33750 -,24166 ,00777 -,34620 -,44126 -,38500 -,14982 -,19342 -,22949 -,29927 -,25255 4 -,05139 -,51897 -,05884 -,21128 ,31224 ,41048 -,21394 ,20578 -,20712 -,33829 1,47165 1,47795 ,52067 ,66625 ,06189 ,32328 -,38802 -,28641

e. Pertenencia a los conglomerados: Luego se obtiene la asignacin de cada uno de las Universidades a los cuatro conglomerados fijados previamente. Se observa que los resultados son similares al anlisis de conglomerados jerrquicos.
Pertenencia a los conglomerados Nmero de caso UNIVERSIDAD ES DEL PERU 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
dimension0

Conglomerado 1 2 1 2 3 4 2 2 3 3 3 4 4 3 3 3 3 4 3 3 3 4 3 3 3 3 3 4 3 3 3 3 3 3 3

Distancia 4,281 4,754 4,281 2,846 3,883 3,288 2,744 3,019 3,902 4,735 2,960 3,404 3,867 2,876 4,308 2,671 2,833 4,144 1,764 3,452 2,533 2,858 4,432 4,607 2,433 3,299 2,111 4,437 3,122 2,612 2,461 1,552 2,636 2,076 2,604

A B C D E F G H I J K L LL M N O P Q R S T U V W X Y Z AB AC AD AE AF AG AH

18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

36 37 38 39 40 41 42 43 44 45 46

AI AJ AK AL AM AN A AO AP AQ AR

3 3 3 3 3 3 3 3 3 3 3

3,390 2,950 3,034 2,909 3,296 2,687 5,234 3,491 3,247 2,579 3,144

Distancias entre los centros de los conglomerados finales Conglomerado 1 2

dimension0

2 7,647

3 9,068 5,324

4 8,922 4,217 3,197

7,647 9,068 8,922 5,324 4,217

3 4

3,197

ANOVA Conglomerado Media cuadrtica Puntua: INDICE 1 Puntua: INDICE 2 Puntua: INDICE 3 Puntua: INDICE 4 Puntua: INDICE 5 Puntua: INDICE 6 Puntua: INDICE 7 Puntua: INDICE 8 Puntua: INDICE 9 Puntua: INDICE 10 Puntua: INDICE 11 Puntua: INDICE 12 Puntua: INDICE 13 Puntua: INDICE 14 Puntua: INDICE 15 Puntua: INDICE 16 Puntua: INDICE 17 Puntua: INDICE 18 3,558 1,808 1,307 ,953 ,693 3,774 13,753 7,430 5,726 ,405 6,462 10,193 9,708 1,259 2,579 2,720 11,733 12,902 gl 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Media cuadrtica ,817 ,942 ,978 1,003 1,022 ,802 ,089 ,541 ,662 1,042 ,610 ,343 ,378 ,981 ,887 ,877 ,233 ,150 gl 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 F 4,353 1,919 1,336 ,950 ,679 4,706 154,355 13,743 8,644 ,389 10,597 29,684 25,679 1,283 2,907 3,101 50,288 86,113 Sig. ,009 ,141 ,275 ,425 ,570 ,006 ,000 ,000 ,000 ,762 ,000 ,000 ,000 ,293 ,046 ,037 ,000 ,000 Error

Nmero de casos en cada conglomerado Conglomerado 1 2 3 4 Vlidos Perdidos 2,000 4,000 34,000 6,000 46,000 ,000