1. Investigación de Mercados II
Tema: Análisis Multivariado
Alumno(a): Gómez Leytón Delma Yanina
Docente: Mgr. José Ramiro Zapata
ANÁLISIS MULTIVARIADO
1. INTRODUCCIÓN
El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es
analizar simultáneamente conjuntos de datos multivariantes en el sentido de que
hay varias variables medidas para cada individuo u objeto estudiado.
Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio
obteniendo información que los métodos estadísticos univariantes y bivariantes son
incapaces de conseguir.
En la evaluación y recopilación de datos estadísticos se utilizan métodos de análisis
multivariantes para aclarary explicarlas relaciones entre las diferentes variables que
pueden estar asociadas con estos datos.
El análisis multivariante siempre se utiliza cuando hay más de tres
variables involucradas y el contexto de su contenido no está claro. El objetivo es
detectar una estructura por un lado, y verificar los datos de las estructuras por otro.
Los datos multivariados surgen en distintas áreas o ramas de la ciencia.
Ejemplos:
1) Investigación de mercados: Identificar características de los individuos para
determinar qué tipo de personas compran determinado producto.
2) Agricultura: Resistencia de determinado tipo de cosechas a daños por plagas y
sequías.
3) Psicología: Relación entre el comportamiento de adolescentes y actitudes de los
padres.
¿En qué situaciones surgen los datos multivariados?
2. Cuando a un mismo individuo se le mide más de una característica de interés.
Un individuo puede ser un objeto o concepto que se puede medir. Más
generalmente, los individuos son llamados unidades experimentales.
Ejemplos de objetos: personas, animales, terrenos, compañías, países, etc.
Ejemplos de conceptos: amor, amistad, noviazgo, etc. Características de los
individuos:
Los individuos deben de ser independientes entre sí.
Una variable es una característica o atributo que se le mide a un individuo.
2. Qué es un análisis Multivariante
Son todas aquellas técnicas estadísticas que simultáneamente analizan múltiples
resultados en los individuos u objetos bajo investigación.
Para que un análisis se considere multivariado todas las variables deben ser
aleatorias y relacionadas de tal manera que el efecto que producen no pueda ser
interpretado de manera individual.
3. Objetivos de los métodos multivariados
Simplificación: Los métodos multivariados son un conjunto de técnicas que
permitenal investigadorinterpretaryvisualizarconjuntosgrandes de datos(tanto
en individuos como en variables).
Relación: Encontrar relaciones entre variables, entre individuos y entre ambos.
Relación entre variables: Existe relación entre variables cuando las
variables miden una característica común. Ejemplo: Suponga que se
realizanexámenesde lectura,ortografía,aritméticayálgebraaestudiantes
de 6 de primaria.Si cadaunode losestudiantesobtienecalificacionesaltas,
regulareso bajasen loscuatro exámenes,entonceslosexámenesestarían
relacionados entre sí. En este caso, la característica común que estos
exámenes pueden estar midiendo podría ser la "inteligencia global".
Relación entre individuos: Existe relación entre individuos si alguno de
ellos son semejantes entre sí. Ejemplo: Suponga que se evalúan cereales
(para el desayudo) respecto a su contenido nutricional y se miden, por
ejemplo, los gramos de grasa, proteínas, carbohidratos y sodio a cada
3. uno de ellos. Se podría esperar que los cereales de fibra estén
relacionados entre sí, o que los cereales endulzados tengan cierta
relación entre sí, además se podría esperar que ambos grupos fueran
diferentes de uno a otro.
Uso de los métodos multivariados: Minerías de datos (data mining).
Los métodos multivariados son realmente un conjunto de técnicas que en su gran
mayoría tienen un carácter exploratorio y no tanto inferencial.
4. Para qué sirve un análisis multivariante
Representar datos de forma inteligible.
Esclarecer la distribución real de “varias variables”.
Desarrollar un modelo de predicción basado en multiples variables.
Hallar las relaciones de causa-efecto entre variables.
5. Tipos de métodos de análisis multivariante
Los métodos multivariantes pueden subdividirse según diferentes aspectos.
En primer lugar, se diferencian en función de si se debe descubrir o verificar una
estructura con ellos. Los métodos de determinación de la estructura incluyen el
dominio:
Análisis factorial: Reduce la estructura a datos relevantes y variables
individuales. Los estudios factoriales se centran en diferentes variables, por
lo que se subdividen en análisis de componentes principales y análisis de
correspondencia. Por ejemplo: ¿Qué elementos de laweb influyen más en el
comportamiento de compra?
Análisis de clusters: Las observaciones se asignan gráficamente a grupos de
variables individuales y seclasificansobre labase de ellas. Los resultados son
clusters y segmentos, como el número de compradores de un producto en
particular, que tienen entre 35 y 47 años y tienen un alto nivel de ingresos.
Los procedimientos de revisión estructural incluyen, entre otros, el TLD:
4. Análisis de regresión: Investiga la influencia de dos tipos de variables una
sobre la otra. Se habla de variables dependientes y no dependientes. Las
primeras son las llamadas variables explicadas, mientras que las segundas
son variables explicativas. El primero describe el estado real sobre la base de
los datos, el segundo explica estos datos por medio de relaciones de
dependencia entre las dos variables. En la práctica, varios cambios de los
elementos de la página web corresponden a variables independientes,
mientras que los efectos sobre la tasa de conversión serían la variable
dependiente.
Análisis de desviaciones: Determina la influencia de varias variables o de
variables individuales en grupos calculando promedios estadísticos. Aquí se
pueden comparar variables dentro de un grupo así como diferentes grupos,
dependiendo de dónde se deben suponer las desviaciones. Por ejemplo:
¿Qué grupos hacen clic con más frecuencia en el botón "Comprar ahora" de
su cesta de la compra?
Análisis discriminante: Se utiliza en el contexto del análisis de desviaciones
para diferenciar entre grupos que se pueden describir con características
similares o idénticas. Por ejemplo, ¿en qué variables difieren los diferentes
grupos de compradores?
6. Clasificación de los métodos multivariados
Dirigidas o motivadas por las variables: se enfocan en las relaciones entre
variables. Ejemplos: matrices de correlación, análisis de componentes
principales, análisis defactores,análisis deregresión y análisis decorrelación
canónica.
Dirigidas o motivadas por los individuos: se enfocan en las relaciones entre
individuos. Ejemplos: análisis discriminante, análisis de cúmulos y análisis
multivariado de varianza.
7. Importancia para la usabilidad
5. Como método cuantitativo, el análisis multivariante es uno de los métodos más
efectivos para probar la usabilidad. Al mismo tiempo, es muy complejo y a veces
costoso. Se puede utilizar software para ayudar, pero las pruebas como tales son
considerablemente más complejas que las pruebas A/B en términos de diseño de
estudios. La ventaja decisiva radica en el número de variables que pueden
considerarse y su ponderación como medida de la importancia de determinadas
variables.
8. Referencia
https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
http://allman.rhon.itam.mx/~lnieto/index_archivos/Modulo61.pdf
https://www.academia.cat/files/425-3397-DOCUMENT/Sancho-9-
14Maig12.pdf
http://ciberconta.unizar.es/leccion/anamul/inicio.html
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-
59362013000200003