Análisis Multivariado

RIVAS GONZALES ALEJANDRO JAVIER
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
Análisis multivariado
“Sin análisis de grandes volúmenes de datos, las empresas son ciegos y sordos, vagando
hacia fuera sobre la web como ciervos en una autopista.” – Geoffrey Moore
1. Introducción
Son muchas las situaciones reales en las que necesitamos tener en cuenta varias
variables de forma simultánea. En algunas ocasiones puede resultar adecuado estudiar
cada una de las variables de interés de forma individual. Sin embargo, en general las
variables están relacionadas entre sí de tal manera que los análisis individuales
proporcionan poca información sobre la estructura del conjunto de datos.
2. Desarrollo
Definición.
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.
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 relacionables.1
Objetivos del análisis multivariado.
Los principales objetivos del análisis multivariante son:
 Resumir los datos mediante un pequeño conjunto de nuevas variables
 Encontrar grupos en los datos, si existen
 Clasificar nuevos datos en grupos definidos
 Relacionar dos conjuntos de variables.2
Tipos de análisis multivariados.
Se pueden clasificar en tres grandes grupos:
 Métodos de dependencia. Suponen que las variables analizadas están
divididas en dos grupos: las variables dependientes y las variables

independientes. El objetivo de los métodos de dependencia consiste en
determinar si el conjunto de variables independientes afecta al conjunto de
variables dependientes y de qué forma.
 Métodos de interdependencia. Estos métodos no distinguen entre variables
dependientes e independientes y su objetivo consiste en identificar que variables
están relacionadas, como lo están y por qué.
 Métodos estructurales.Suponen que las variables están divididas en dos grupos:
el de las variables dependientes y el de las independientes. El objetivo de estos
métodos es analizar, no solo como las variables independientes afectan a las
variables dependientes, sino también como están relacionadas las variables de
los dos grupos entre sí.3
Guía para el desarrollo e interpretación de un análisis multivariante.
 Establecer significancia práctica, tanto como significancia estadística.
 El tamaño de la muestra afecta todos los resultados.
 Conozca sus datos.
 Use solo las variables necesarias.
 Aprenda de sus errores.
 Valide sus resultados.4
Etapas.
I. Objetivos del análisis. Se desarrolla el problema especificado los objetivos y
las técnicas multivariante que se van a emplear. El investigador debe constituir
el conflicto en términos conceptuales especificando los conceptos y las
relaciones fundamentales que se van a investigar. Se deben formar si dichas
relaciones van a ser semejantes de dependencia o de interdependencia. Con
todo esto se plantea las variables a examinar.
II. Descripción del análisis. Se determina el tamaño maestral, las ecuaciones a
estimar (si procede), las distancias a calcular (si procede) y las técnicas de
estimación a emplear. Luego de definido todo esto se procede a observar los
datos.
III. Deducciones del análisis. Se evalúan las hipótesis subyacentes a la técnica
multivariante. Dichas hipótesis pueden ser de normalidad, linealidad,
independencia, homocedasticidad, etc. También se debe decidir qué hacer con
los datos desaparecidos.
IV. Trabajo de análisis. Se estima el modelo y se evalúa el ajuste a los datos. En
este paso pueden aparecer observaciones atípicas (valores atípicos) o
influyentes cuya influencia sobre las estimaciones y la bondad de ajuste se
debe analizar.

V. Interpretación de resultados. Dichas interpretaciones pueden llevar a
especificaciones adicionales de las variables o del modelo con lo cual se puede
volver de nuevo a los pasos 3 y 4.
VI. Validación de análisis. Consiste en establecer la validez de los resultados
obtenidos y analizando sí los resultados obtenidos con la muestra se
generalizar a la población de la que procede. Para ello se puede dividir la
muestra en varias partes en las que el modelo se vuelve a estimar y se
comparar los resultados. Otras técnicas que se pueden utilizar aquí son las
técnicas de re muestreo.5
3. Conclusión
Con el análisis multivariado se puede obtener un resumen o una descripción general de
una tabla, nos ayuda a analizar los grupos simultáneamente.
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.
4. Referencias
1. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
2. https://www.edificacion.upm.es/personales/redondas/docencia/Postgrados/objetos/Multiv
1ICEFeb10.pdf
3. https://es.slideshare.net/federicodonneysg/analisis-multivariado-8829215
4. https://www.academia.cat/files/425-3397-DOCUMENT/Sancho-9-14Maig12.pdf
5. https://analisis.me/multivariante/
5. Videos
https://www.youtube.com/watch?v=dRLj3rCWHjQ

https://www.youtube.com/watch?v=LOrm70UMyto

Análisis Multivariado

Más contenido relacionado

La actualidad más candente

Similar a Análisis Multivariado

Más de Alejandro Javier Rivas Gonzales

Análisis Multivariado