You are on page 1of 14

UNIVERSIDAD

AUTNOMA
DEL CARMEN
ESTADISTICA
MULTIVARIANTE

DR. NANCY PEREZ


MORGAN

ANALISIS DE COMPONENTES
PRINCIPALES
* TECNICAS DE EIGENVALORESEIGENVECTORES
MAR PONCE ANA BEATRIZ
ACOSTA ARELLANO ARELI PAULINA
CARRILLO CONCILION FERNANDO ARTURO

ANLISIS DE COMPONENTES PRINCIPALES

Introduccin
Qu es?
Cul es el objetivo de ACP?
Conceptos Bsicos
Metodologa para encontrar los componentes
Resultado al que llega ACP
Limitantes
Conclusin

INTRODUCCIN
Un problema central en el anlisis de datos
multivariantes es la reduccin de la dimensionalidad: si
es posible describir con precisin los valores de p
variables por un pequeo subconjunto r < p de ellas, se
habr reducido la dimensin del problema a costa de una
pequea prdida de informacin.

QU ES?
El anlisis de componentes principales es
una tcnica estadstica de sntesis de la
informacin, o reduccin de la dimensin
(nmero de variables).

CUL ES EL OBJETIVO?
El anlisis de componentes principales tiene este objetivo: dadas n
observaciones de p variables, se analiza si es posible representar
adecuadamente esta informacin con un nmero menor de variables
construidas como combinaciones lineales de las originales.

CONCEPTOS BSICOS
Matriz de
correlacin

La matriz de correlacinRes una matriz cuadrada constituida por los coeficientes


de correlacin de cada pareja de variables; de manera que tendr unos en su
diagonal principal, y en los elementos no diagonales (i,j) los correspondientes
coeficientes de correlacin rij.

Matriz de
varianzacovarianza:

Es una matrz cuadrada que contiene las varianzas y covarianzas asociadas con
diferentes variables.

Valor propio
(EigenValor):
Vector propio
(EigenVector):

Sea A una matriz cuadrada, un nmero real se dice que es un valor propio de A si
existe un vector, diferente del vector cero, x tal que:
Ax=x
Son los vectores o nulos que, cuando son transformados por un operador lineal,
dan lugar a un mltiplo escalar de s mismo, con lo que no cambian su direccin.

ENFOQUE
S
Enfoque
Descriptivo

Enfoque
estadstico

Enfoque
geomtrico

METODOLOGA
(CLCULO DE LOS COMPONENTES)
Se considera una serie de variables sobre un grupo de
objetos o individuos y se trata de calcular, a partir de ellas,
un nuevo conjunto de variables incorreladas entre s, cuyas
varianzas vayan decreciendo progresivamente.

El primer componente se calcula eligiendo a a1 de modo que y1


tenga la mayor varianza posible, sujeta a la restriccin de que a1
a1=1 El segundo componente principal se calcula obteniendo a2 de
modo que la variable obtenida, y1n est incorrelada con y1.
Del mismo modo se eligen el resto de variables incorreladas entre s,
de manera que las variables aleatorias obtenidas vayan teniendo
cada vez menor varianza

de maximizaremos esta expresin de la forma habitual derivando


Y
respecto a los componentes de e igualando a cero. Entonces

Cuya solucin es :

IDENTIFICACIN DE LOS
COMPONENTES
Uno de los objetivos del clculo de
componentes principales es la identificacin
de los mismos. Habitualmente, se
conservan slo aquellos componentes que
recogen la mayor parte de la variabilidad.

A QU RESULTADO LLEVA
ACP?
Es una tcnica esencialmente descriptiva, la cual
intenta buscar la representacin de una muestra de
individuos de los que tenemos muchas variables de
inters. Una tcnica donde la muestra es la finalidad.
La tcnica consigue crear unos objetos matemticos
(las componentes) que nos podran permitir establecer
relaciones entre las variables.

LIMITANTES DE ACP
La limitacin mas critica de ambas tcnicas es la interpretabilidad. La
interpretacin y seleccin de los factores, depende del significado de la
combinacin particular de variables observadas las cuales estn altamente
correlacionadas con cada factor

No existe un criterio de las variables contra el cual comprobar o


contrastar la solucin

Es sensible a la hora de graficar puede ser ligeramente diferente de


rotacin a rotacin.

CONCLUSIONES