INVESTIGACION DE ANALISIS MULTIVARIADO,

1. DOCENTE: Mgr: José Ramiro Zapata
NOMBRE: Ruth Nair Uriona Rojas
MATERIA: Investigación De Mercados II
ANÁLISIS MULTIVARIADO
1. INTRODUCCIÓN
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.
En el contexto de la usabilidad de una web, se pueden utilizar métodos de análisis multivariante
para aumentar sistemáticamente la usabilidad. Mientras que las pruebas A/B siempre aíslan
sólo una página web, los métodos multivariantes muestran las relaciones e interacciones
de varios elementos dentro de una página web. La expresividad depende de qué y cuántos
elementos de la web se utilicen. Todos los elementos de la web que permiten al usuario
interactuar con el sitio web a través de la interfaz de usuario se consideran generalmente
variables. Esto incluye, en particular, los que tienen un impacto en el tipo de conversión.
2. DESARROLLO
EL ANÁLISIS MULTIVARIANTE O ANÁLISIS MULTIVARIADO ES UN MÉTODO ESTADÍSTICO UTILIZADO
PARA DETERMINAR LA CONTRIBUCIÓN DE VARIOS FACTORES EN UN SIMPLE EVENTO O RESULTADO.
 LOS FACTORES DE ESTUDIO SON LOS LLAMADOS FACTORES DE
RIESGO (BIOESTADÍSTICA), VARIABLES INDEPENDIENTES O VARIABLES EXPLICATIVAS.
 EL RESULTADO ESTUDIADO ES EL EVENTO, LA VARIABLE DEPENDIENTE O LA VARIABLE
RESPUESTA.
EL ANÁLISIS MULTIVARIANTE MEDIANTE TÉCNICAS DE PROYECCIÓN SOBRE VARIABLES LATENTES TIENE
MUCHAS VENTAJAS SOBRE LOS MÉTODOS DE REGRESIÓN TRADICIONALES:
 SE PUEDE UTILIZAR LA INFORMACIÓN DE MÚLTIPLES VARIABLES DE ENTRADA, AUNQUE
ÉSTAS NO SEAN LINEALMENTE INDEPENDIENTES
 PUEDE TRABAJAR CON MATRICES QUE CONTENGAN MÁS VARIABLES QUE
OBSERVACIONES
 PUEDE TRABAJAR CON MATRICES INCOMPLETAS, SIEMPRE QUE LOS VALORES FALTANTES
ESTÉN ALEATORIAMENTE DISTRIBUIDOS Y NO SUPEREN UN 10%
 PUESTO QUE SE BASAN EN LA EXTRACCIÓN SECUENCIAL DE LOS FACTORES, QUE EXTRAEN
LA MAYOR VARIABILIDAD POSIBLE DE LA MATRIZ DE LAS X (VARIABLES EXPLICATIVAS,
TIENEN QUE SER DEPENDIENTES) PUEDEN SEPARAR LA INFORMACIÓN DEL RUIDO. SE
ASUME QUE LAS X SE MIDEN CON RUIDO.

2. DOCENTE: Mgr: José Ramiro Zapata
NOMBRE: Ruth Nair Uriona Rojas
MATERIA: Investigación De Mercados II
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.
TECNICAS MULTIVARIANTES
 ANÁLISIS DE COMPONENTES PRINCIPALES
 ANÁLISIS FACTORIAL
 ANÁLISIS DISCRIMINANTE
 ANÁLISIS DE LA CORRELACIÓN CANÓNICA
 ANÁLISIS DE GRUPOS
 ESCALAMIENTO MULTIDIMENSIONAL
 ANÁLISIS DE CORRESPONDENCIAS
 ANÁLISIS FACTORIAL CONFIRMATORIO
 MODELO DE ECUACIONES ESTRUCTURALES (SEM), ANÁLISIS CAUSAL.
 ANÁLISIS CONJUNTO
 ESCALAMIENTO ÓPTIMO
 REGRESIÓN LINEAL MULTIPLE
 REGRESIÓN LOGIT Y PROBIT
 ANÁLISIS MANOVA
3. CONCLUSIÓN
La capacidad del análisis multivariantepara identificar interrelaciones complejastambién impli caquepuede darse
el caso de que los resultados sean especificassólo parala muestra y no generalizables a la población.El
investigador debe siempre asegurar que existen observaciones suficientes por parámetro estimado para evitar el
«sobreajuste» de la muestra. como se ha discutido antes.Pero igual de importantes son los esfuerzos destinados a
validar losresultados mediantediferentes métodos, que incluyen
 división dela muestra y el uso de una submuestra para estimar el modelo y usar una segunda
submuestra para estimar la precisión predictiva.
 empleo de un análisisde«bootstrapping». incluso conseguir una muestra distinta para
asegurar que los resultados son apropiadospara otrasmuestras.Cualquieraquesea la

3. DOCENTE: Mgr: José Ramiro Zapata
NOMBRE: Ruth Nair Uriona Rojas
MATERIA: Investigación De Mercados II
técnica multivarianteempleada.el investigador debe centrarseno sólo en estimar un modelo
significativo sino también en asegurar que es representativo de la población en su conjunto.
Recordemos que el objetivo no es encontrar el mejor «ajuste» sólo para la muestra sino
desarrollar el modelo que mejor describa a la población en su conjunto.
4. REFERENCIAS
 HTTPS://ES.WIKIPEDIA.ORG/WIKI/AN%C3%A1LISIS_MULTIVARIANTE
 HTTP://ALLMAN.RHON.ITAM.MX/~LNIETO/INDEX_ARCHIVOS/MODULO61.PDF
 https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
 http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_mu
ltivariante.htm
5. VIDEOS