Ir al contenido
σestadistica.ar

Módulo 14

Análisis multivariado

Muchas variables a la vez: componentes principales, factorial, conglomerados y correspondencias.

18 entradas

  1. 1Qué es el análisis multivariadoIntermedioCuándo hacen falta técnicas para muchas variables a la vez, cómo se ordenan las que existen y contra qué línea de base hay que comparar lo que devuelven.
  2. 2Estandarizar antes de analizarIntermedioPor qué casi ningún método multivariado funciona sin estandarizar, cuánto cuesta no hacerlo en cada uno y por qué elegir el escalador no es indistinto.
  3. 3Medidas de distancia y similitudAvanzadoCómo se mide cuán parecidos son dos casos: las distancias más usadas, cuánto cambia el resultado según cuál se elija y qué falla de verdad en muchas dimensiones.
  4. 4La matriz de correlacionesIntermedioEl primer paso de todo análisis multivariado: cómo se lee, qué revisar además de los números y por qué las dos pruebas de rutina informan menos de lo que parece.
  5. 5Análisis de componentes principalesAvanzadoCómo se reducen muchas variables correlacionadas a unas pocas dimensiones: qué son los componentes, cuántos retener de verdad y en qué se diferencia del factorial.
  6. 6Análisis factorial exploratorioAvanzadoBuscar las dimensiones latentes detrás de un conjunto de indicadores: el modelo, cuántos casos hacen falta de verdad y el factor que inventan los ítems ordinales.
  7. 7Rotación de factoresAvanzadoPor qué la solución factorial inicial casi nunca se puede interpretar, cuánto mejora al rotar y qué se pierde exactamente al imponer ortogonalidad.
  8. 8Conglomerados jerárquicosAvanzadoAgrupar casos parecidos construyendo un árbol: los métodos de enlace, cuánto deciden el resultado y qué grupo hay que creerle.
  9. 9Conglomerados por k-mediasAvanzadoEl algoritmo de agrupamiento más usado: cómo funciona, cómo se elige k de verdad y qué formas de grupo no puede encontrar.
  10. 10Agrupamiento por densidad y por formaAvanzadoQué hacer cuando los grupos no son esféricos: DBSCAN, mezclas gaussianas y agrupamiento espectral, con lo que cada uno pide a cambio.
  11. 11Análisis discriminanteAvanzadoClasificar casos en grupos conocidos a partir de varias variables: el método clásico, cuánto importan sus supuestos y si de verdad le gana a la logística.
  12. 12Análisis de correspondenciasAvanzadoEl equivalente del PCA para variables categóricas: cómo se representa una tabla de contingencia en un plano y qué se puede leer en él, con un ejemplo real.
  13. 13Escalamiento multidimensionalAvanzadoConstruir un mapa a partir de distancias: cuándo sirve, qué mide el estrés de verdad y en qué se diferencia del PCA.
  14. 14MANOVAAvanzadoANOVA con varias variables de respuesta a la vez: cuándo gana sobre varios ANOVA, cuándo pierde y qué combinación de violaciones lo rompe.
  15. 15Construcción de índices sintéticosAvanzadoCómo se combina un conjunto de indicadores en un solo número: las cuatro decisiones que lo determinan, cuánto mueven el ranking y cuánto vale un puesto.
  16. 16Aprendizaje supervisado y no supervisadoAvanzadoEl vocabulario del aprendizaje automático traducido al de la Estadística: qué cambia de nombre, cuánto se gana con una caja negra y qué no arregla ningún algoritmo.
  17. 17Árboles de clasificación y regresiónAvanzadoCómo un árbol parte los datos en preguntas sucesivas, por qué hay que podarlo, qué tan estable es y cuánto rinde contra una logística, con un árbol real sobre el empleo registrado de la EPH.
  18. 18Precisión, recall, F1 y lift: el vocabulario de clasificaciónIntermedioLos nombres con que el aprendizaje automático evalúa un clasificador, traducidos a la sensibilidad y el valor predictivo de siempre, con un modelo real de la EPH evaluado en un trimestre que no vio.

Ejercicios de este módulo

Con enunciado, respuesta y solución paso a paso.