Salvatierra Escobar José Rodolfo
Mgr. José Ramiro Zapata
Materia: IM2
“LA GRAN BOLIVIA”
“DEFENDIENDO NUESTROS RECURSOS”
ANALISIS MULTIVARIADO
“Los datos! ¡Los datos! Los datos! “, gritó con impaciencia. “No puedo hacer ladrillos sin
arcilla!” – Sherlock Holmes
INTRODUCCION
La estadística multivariante o multivariada es una rama de las estadísticas que abarca la
observación y el análisis simultáneos de más de una variable respuesta La aplicación de la
estadística multivariante es llamada análisis multivariante.
La estadística multivariante trata de comprender los diferentes objetivos y antecedentes
de cada una de las diferentes formas de análisis multivariante y cómo se relacionan entre
sí. La aplicación práctica de la estadística multivariante a un problema particular puede
involucrar varios tipos de análisis univariados y multivariados para comprender las
relaciones entre las variables y su relevancia para el problema que se está estudiando. 1
DESARROLLO
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. 2
Tipos de métodos de análisis multivariante
Salvatierra Escobar José Rodolfo
Mgr. José Ramiro Zapata
Materia: IM2
“LA GRAN BOLIVIA”
“DEFENDIENDO NUESTROS RECURSOS”
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,
como el número de compradores de un producto en particular, que tienen entre 35 y 47
años y tienen un alto nivel de ingresos. 2
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?
Ejemplos
Salvatierra Escobar José Rodolfo
Mgr. José Ramiro Zapata
Materia: IM2
“LA GRAN BOLIVIA”
“DEFENDIENDO NUESTROS RECURSOS”
Una prueba multivariante de una página web puede ser presentada de la siguiente
manera simplificada. Elementos como titulares, teasers, imágenes, pero también botones,
iconos o colores de fondo tienen diferentes efectos en el comportamiento delusuario. Se
prueban diferentes variantes de elementos. La prueba identificaría inicialmente estos
elementos y mostraría a los diferentes usuarios elementos de diferente diseño. El objetivo
sería obtener datos sobre los efectos de los cambios en términos de tasa de conversión u
otros factores tales como tiempo de permanencia, tasa de rebote o comportamiento de
desplazamiento en comparación con otros conjuntos de elementos.
Importancia para la usabilidad. 4
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
financiero, especialmente para las webs con orientación comercial, como las tiendas
online o los sitios web, que deben amortizarse a través de la publicidad [1]
VALIDAR LOS RESULTADOS
La capacidad del análisis multivariante para identificar interrelaciones complejas también
implica que puede darse el caso de que los resultados sean especificas sólo para la
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 los resultados mediante diferentes métodos, que incluyen (1) división
de la muestra y el uso de una submuestra para estimar el modelo y usar una segunda
Salvatierra Escobar José Rodolfo
Mgr. José Ramiro Zapata
Materia: IM2
“LA GRAN BOLIVIA”
“DEFENDIENDO NUESTROS RECURSOS”
submuestra para estimar la precisión predictiva. (2) empleo de un análisis de
«bootstrapping» [9]. o (3) incluso conseguir una muestra distinta para asegurar que los
resultados son apropiados para otras muestras. Cualquiera que sea la técnica
multivariante empleada. el investigador debe centrarse no 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.
3. Conclusiones
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 ú objeto estudiado. ... Definir qué es el Análisis
Multivariante y cuáles son sus objetivos..
4. Referencias
1. smashingmagazine.com
2. https://papers.uab.cat/article/view/v37-lozares-lopez
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multivar
iante.htm
5. allman.rhon.itam.mx › ~lnietoPDF
5. Videos
https://youtu.be/6xNe1uklDHM

Multivariado

  • 1.
    Salvatierra Escobar JoséRodolfo Mgr. José Ramiro Zapata Materia: IM2 “LA GRAN BOLIVIA” “DEFENDIENDO NUESTROS RECURSOS” ANALISIS MULTIVARIADO “Los datos! ¡Los datos! Los datos! “, gritó con impaciencia. “No puedo hacer ladrillos sin arcilla!” – Sherlock Holmes INTRODUCCION La estadística multivariante o multivariada es una rama de las estadísticas que abarca la observación y el análisis simultáneos de más de una variable respuesta La aplicación de la estadística multivariante es llamada análisis multivariante. La estadística multivariante trata de comprender los diferentes objetivos y antecedentes de cada una de las diferentes formas de análisis multivariante y cómo se relacionan entre sí. La aplicación práctica de la estadística multivariante a un problema particular puede involucrar varios tipos de análisis univariados y multivariados para comprender las relaciones entre las variables y su relevancia para el problema que se está estudiando. 1 DESARROLLO 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. 2 Tipos de métodos de análisis multivariante
  • 2.
    Salvatierra Escobar JoséRodolfo Mgr. José Ramiro Zapata Materia: IM2 “LA GRAN BOLIVIA” “DEFENDIENDO NUESTROS RECURSOS” 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, como el número de compradores de un producto en particular, que tienen entre 35 y 47 años y tienen un alto nivel de ingresos. 2 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? Ejemplos
  • 3.
    Salvatierra Escobar JoséRodolfo Mgr. José Ramiro Zapata Materia: IM2 “LA GRAN BOLIVIA” “DEFENDIENDO NUESTROS RECURSOS” Una prueba multivariante de una página web puede ser presentada de la siguiente manera simplificada. Elementos como titulares, teasers, imágenes, pero también botones, iconos o colores de fondo tienen diferentes efectos en el comportamiento delusuario. Se prueban diferentes variantes de elementos. La prueba identificaría inicialmente estos elementos y mostraría a los diferentes usuarios elementos de diferente diseño. El objetivo sería obtener datos sobre los efectos de los cambios en términos de tasa de conversión u otros factores tales como tiempo de permanencia, tasa de rebote o comportamiento de desplazamiento en comparación con otros conjuntos de elementos. Importancia para la usabilidad. 4 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 financiero, especialmente para las webs con orientación comercial, como las tiendas online o los sitios web, que deben amortizarse a través de la publicidad [1] VALIDAR LOS RESULTADOS La capacidad del análisis multivariante para identificar interrelaciones complejas también implica que puede darse el caso de que los resultados sean especificas sólo para la 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 los resultados mediante diferentes métodos, que incluyen (1) división de la muestra y el uso de una submuestra para estimar el modelo y usar una segunda
  • 4.
    Salvatierra Escobar JoséRodolfo Mgr. José Ramiro Zapata Materia: IM2 “LA GRAN BOLIVIA” “DEFENDIENDO NUESTROS RECURSOS” submuestra para estimar la precisión predictiva. (2) empleo de un análisis de «bootstrapping» [9]. o (3) incluso conseguir una muestra distinta para asegurar que los resultados son apropiados para otras muestras. Cualquiera que sea la técnica multivariante empleada. el investigador debe centrarse no 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. 3. Conclusiones 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 ú objeto estudiado. ... Definir qué es el Análisis Multivariante y cuáles son sus objetivos.. 4. Referencias 1. smashingmagazine.com 2. https://papers.uab.cat/article/view/v37-lozares-lopez http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_multivariante/guia_multivar iante.htm 5. allman.rhon.itam.mx › ~lnietoPDF 5. Videos https://youtu.be/6xNe1uklDHM