Mrg. José Ramiro Zapara Estudiante : Fernando Coca Gutierrez Materia : Investigación de mercados 2

1. Fernando Coca Gutierrez
Mgr. José Ramiro Zapata
Materia: Investigación de Mercados 2
1
“LIBEREMOS BOLIVIA”
ANALISIS MULTIVARIADO
1. Introducción
En la evaluación y recopilación de datos estadísticos se utilizan métodos de análisis
multivariantes para aclarar y explicar las 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. 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.
Características principales
Originalmente, en las estadísticas se utilizaban métodos de prueba y análisis
multivariante para descubrir las relaciones causales. Dado que los cálculos manuales son
muy complejos, los métodos sólo son practicables en otros campos de aplicación con el
desarrollo del hardware y software correspondiente. Hoy en día se utilizan métodos de
análisis multivariante en áreas muy diferentes: Lingüística, Ciencias Naturales y
Humanidades. Economía, seguros y servicios financieros. Minería de datos, big data y
bases de datos relacionales. Hoy en día, los análisis multivariantes se suelen llevar a
cabo mediante el uso de software con el fin de hacer frente a las enormes cantidades de
datos y controlar las variables modificadas en aplicaciones prácticas como las pruebas de
usabilidad. Sin embargo, las pruebas multivariante también pueden contribuir
significativamente a mejorar la facilidad de uso a menor escala.
Tipos de métodos de análisis multivariado

2. Fernando Coca Gutierrez
Mgr. José Ramiro Zapata
Materia: Investigación de Mercados 2
2
“LIBEREMOS BOLIVIA”
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 se
clasifican sobre la base de ellas. Los resultados son clusters y segmentos, comoel 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:
-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?
Importancia para su usabilidad
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.
Incluso cuatro versiones diferentes de los titulares de un artículo pueden dar lugar a tasas
de clics completamente diferentes. Lo mismo se aplica al diseño de los botones o al color
de fondo del formulario de pedido. En casos individuales, por lo tanto, vale la pena
considerar desde una perspectiva multivariante también desde el punto de vista

3. Fernando Coca Gutierrez
Mgr. José Ramiro Zapata
Materia: Investigación de Mercados 2
3
“LIBEREMOS BOLIVIA”
financiero, especialmente para las webs con orientación comercial, como las tiendas
online o los sitios web, que deben amortizarse a través de la publicidad.
3. Conclusiones
El análisis multivariante ha experimentado un fortisimo crecimiento en las últimas décadas
debido, básicamente, al desarrollo de nuevas herramientas informáticas. Es importante
indicar que estas técnicas, de uso intensivo de ordenador únicamente pueden utilizarse
con apoyo informático. Consecuentemente esta documentación está elaborada para ser
utilizada disponiendo de medios informáticos adecuados. Cualquier paquete estadístico
tiene, hoy día, implementadas las más importantes herramientas de análisis multivariante
Concretamente Statgraphics o SPSS -que son dos programas muy populares en el mundo
empresarial- son perfectamente adecuados en este contexto.
4. Referencias
1. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
2. https://www.optimizely.com/optimization-glossary/multivariate-testing/
3. http://www.est.uc3m.es/esp/nueva_docencia/getafe/sociologia/estad_aplic_ccss_II/doc_
generica/archivos/Multivariante.pdf
5. Videos
https://www.youtube.com/watch?v=6xNe1uklDHM
https://www.youtube.com/watch?v=_3YKNZW2HNc

4. Fernando Coca Gutierrez
Mgr. José Ramiro Zapata
Materia: Investigación de Mercados 2
4
“LIBEREMOS BOLIVIA”
https://www.youtube.com/watch?v=__NwvXa3zjQ