1. LIBEREMOSBOLIVIA
UNIVERSIDAD MAYOR DE SAN SIMÓN
FACULTAD DE CIENCIAS ECONOMICAS
LICENCIATURA EN INGENIERIA COMERCIAL
PRÁCTICA 3 SEMESTRE
2- 2020
APELLIDOS: ESCOBAR ROMERO
NOMBRES: CARLA
MATERIA: INVESTIGACION DE MERCADOS II
DOCENTE: ZAPATA BARRIENTOS JOSE RAMIRO
GRUPO: 09
FECHA: 05 - 10
GESTION: 2020
2. LIBEREMOSBOLIVIA
PRÁCTICA Nº3: ANALISIS MULTIVARIADO
“La atenciónesel motordel pensamiento”
Mgr.JoseRamiro ZapataBarrientos
1.-INTRODUCCION:
El análisismultivariante esunmétodoestadísticoutilizadoparadeterminarlacontribuciónde
variosfactoresenun simple eventooresultado.
Los factoresde estudiosonlos factoresde riesgo(bioestadística),variablesindependienteso
variablesexplicativas.
El resultadoestudiadoesel evento,lavariable dependienteolavariable respuesta.
El análisismultivariante tiene muchasventajassobre losmétodos de regresióntradicionales:se
puede utilizarlainformaciónde múltiplesvariablesde entrada,aunqueéstasnosean
linealmenteindependientespuede trabajarconmatricesque contenganmásvariablesque
observacionespuede trabajarconmatricesincompletas,siempreque losvaloresfaltantes
esténaleatoriamentedistribuidosynosuperenun10% puestoque se basanen laextracción
secuencial de losfactores,que extraenlamayorvariabilidadposible de lamatrizde lasX
(variablesexplicativas,tienenque serdependientes) puedensepararlainformacióndel ruido.
Se asume que las X se midenconruido.
1.1.-Orígenesy Autores:
El origendel análisismultivariadose remontaaloscomienzosdel sigloXX,conPearsony
Sperman,épocaenla cual se empezaronaintroducirlosconceptosde laestadísticamoderna.
Las basesdefinitivasde este tipode análisisse establecieronenladécada1930-40 con
Hotelling,Wilks,Fisher,Mahalanobis,yBartlett(Bramardi,2002).
El análisismultivariadose refiere atodosaquellosmétodosestadísticosque analizan
simultáneamentemedidasmúltiples(másde dosvariables) de cadaindividuo.Porsuparte
Hair (Hairet al.,1992) puntualizaque parael casodel análisisde datosresultantesde
caracterizaciónde recursosgenéticosvegetales(coleccionesde germoplasma),el problemaes
representargeométricamente,cuantificarlaasociaciónentre individuosyclasificarlosrespecto
a un conjuntode variables,lascualespuedensercuantitativas,cualitativasolacombinación
de ambas.
Teniendoencuentalosobjetivosque se deseanalcanzar,este investigadorclasificalos
métodosmultivariadosendos grupos.El primerose denominade ordenaciónoreducciónde
datosy permite arreglaryrepresentargráficamenteel material bajoestudioenunnúmero
reducidode dimensiones.El segundose denominade clasificaciónypermite labúsquedade
grupossimilareslomáshomogéneosposible paraclasificarloselementos.
Cada base de datos estácompuestaporun conjuntode objetosocasos representativosde un
problemaencuestión(eneste casosonlasaccesiones) yasu vez,cada objeto,se describe
mediante unconjuntode atributosorasgos,tambiénconocidoscomovariablesde entradao
3. LIBEREMOSBOLIVIA
características (eneste casosonlos descriptores),loscualespuedensercualitativos
(categóricos) ocuantitativos(numéricos).Enocasionesalgunasvariablespuedencrearruido
enlosdatos, puesaquellasque sonredundantesóirrelevantesdegradanlaclasificación.La
eliminaciónde estosrasgosresultaenunaigual omejorclasificaciónque conel conjunto
completo,noobstante,puedenobtenerseresultadosnoconsistentes,porlocual los
investigadoresnodebenhacerusoindiscriminadode losmétodosde selecciónde variables.La
reducciónde ladimensionalidadconlade extracciónde atributosse trata de encontrar un
númeromásreducidode nuevosatributosapartir de transformacionesde losiniciales.Entre
lastécnicasde extracciónmásconocidastenemosel análisisporfactoresque se emplea
frecuentementeparacrear nuevasvariablesque resumantodalainformaciónde laque podría
disponerse enlasvariablesoriginales,portanto,esindudablesuusoenla reducciónde la
dimensionalidaddel conjuntode datos.
2.-DESARROLLO:
2.1.-Tipos de métodosde análisis multivariante
Análisisfactorial:Reduce laestructuraadatos relevantesyvariablesindividuales.Losestudios
factorialesse centranendiferentesvariables,porloque se subdividenenanálisisde
componentesprincipalesyanálisisde correspondencia.Porejemplo:¿Qué elementosde la
webinfluyenmásenel comportamientode compra?
Análisisde clusters:Lasobservacionesse asignangráficamenteagruposde variables
individualesyse clasificansobre labase de ellas.Losresultadossonclustersysegmentos,
como el númerode compradoresde unproductoen particular,que tienenentre35 y 47 años
y tienenunaltonivel de ingresos.
Los procedimientosde revisiónestructural incluyen,entre otros,el TLD:
Análisisde regresión:Investigalainfluenciade dostiposde variablesunasobre laotra. Se
hablade variablesdependientesynodependientes.Lasprimerassonlasllamadasvariables
explicadas,mientrasque lassegundassonvariablesexplicativas.El primerodescribe el estado
real sobre la base de losdatos,el segundoexplicaestosdatospormediode relacionesde
dependenciaentre lasdosvariables.Enlapráctica, varioscambiosde loselementosde la
páginawebcorrespondenavariablesindependientes,mientrasque losefectossobre latasa
de conversiónseríanlavariable dependiente.
Análisisde desviaciones:Determinalainfluenciade variasvariablesode variablesindividuales
engrupos calculandopromediosestadísticos.Aquíse puedencompararvariablesdentrode un
grupoasí como diferentesgrupos,dependiendode dónde se debensuponerlasdesviaciones.
Por ejemplo:¿Qué gruposhacencliccon másfrecuenciaenel botón"Comprarahora" de su
cesta de la compra?
Análisisdiscriminante:Se utilizaenel contextodel análisisde desviacionesparadiferenciar
entre gruposque se puedendescribirconcaracterísticassimilaresoidénticas.Porejemplo,
¿enqué variablesdifierenlosdiferentesgruposde compradores?
4. LIBEREMOSBOLIVIA
2.2 Beneficiosde las pruebasmultivariadas
El usode pruebasmultivariantespuede resultarútil cuandose puedencambiarvarios
elementosenlamismapáginaa lavez para mejorarunúnicoobjetivode conversión:registros,
clics,finalizaciónde formulariosoaccionescompartidas.Si se realizacorrectamente,una
pruebamultivariantepuedeeliminarlanecesidadde ejecutarvariaspruebasA /B
secuencialesenlamismapáginaconel mismoobjetivo.Encambio,laspruebasse ejecutanal
mismotiempoconunmayor númerode variacionesenunperíodode tiempomáscorto.
2.3 Desventajasde las pruebas multivariadas
Estas técnicastienencomodesventajaque noconservanlanaturalezade losdatos,pues
hacenuna transformaciónde losmismos,convirtiendolasvariablesoriginalesenotras.Esta
reducciónde dimensionalidadpuede mejorarel costode losmétodosde agrupamientoque se
empleenoelevarel rendimientode losmismos.Otraventajaesque algunasde estastécnicas,
como ya se explicó,posibilitanreducirladimensionalidadaunplanobidimensional,de forma
que losdatos puedanseranalizadosvisualmente.Laelecciónentre técnicasde seleccióny
extracciónde variablesdependede lasintencionesque se tenganconestareducciónde
dimensionalidad.
El desafíomásdifícil enla ejecución de pruebasmultivariadaseslacantidadde tráficode
visitantesnecesariaparaalcanzarresultadossignificativos.Debidoalanaturaleza
completamentefactorial de estaspruebas,el númerode variacionesenunapruebapuede
sumarse rápidamente.El resultadode unapruebade muchasvariacionesesque el tráfico
asignadoa cada variaciónesmenor.En laspruebasA / B , el tráficode un experimentose
divide alamitad,y el 50% del tráficovisitacadavariación.En unapruebamultivariante,el
tráficose dividiráencuartos,sextos,octavosoinclusosegmentosmáspequeños,ylas
variacionesrecibiránunaporciónmuchomenorde tráficoque enunapruebaA / B simple.
Otro desafíode laspruebasmultivariadasescuandounao másde lasvariablesque se están
probandono tienenunefectomedible sobre el objetivode conversión.Porejemplo,si las
variacionesde unaimagenenunapáginade destinonoafectanel objetivode conversión,
mientrasque lasmodificacionesauntítulosí lohacen,la pruebahabría sidomásefectivasi se
ejecutaracomouna pruebaA / B enlugar de una pruebamultivariante.
2.4 Ejemplosde pruebas multivariantes
Probar textoyelementosvisualesenunapáginawebjuntos
Probar el textoyel color de un botónde CTA juntos
Probar el númerode camposde formularioyel textode CTA juntos
El usode pruebasmultivariantescomométodode optimizaciónde sitioswebesunmétodo
poderosopararecopilardatosde visitantesyusuariosque brindainformacióndetalladasobre
el comportamiento complejodel cliente.Losdatosdescubiertosenlaspruebasmultivariantes
eliminanlasdudasylaincertidumbre de laoptimizacióndel sitioweb.Laspruebascontinuas,
la implementaciónde variacionesganadorasylacreaciónde conocimientosde pruebapueden
generargananciasde conversiónsignificativas.
5. LIBEREMOSBOLIVIA
2.5.-Usos:
El nuevoconjuntode variablesnocorrelacionadasobtenidas,llamadasfactoressubyacentesse
puedenusarenel análisisfuturode losdatos(Johnson,2000).Otra de lastécnicasmás usadas
enla reducciónde datosson lastécnicasde escalamientoóptimo,dentrode lascualesel
análisisde correspondenciasmúltiple,tambiénconocidocomoanálisisde homogeneidad,
permite encontrarlascuantificacionesóptimas,esdecir,que separenal máximo lascategorías
entre sí. Esto implicaque losobjetosde lamismacategoríase representancercanosentre sí,
mientrasque losobjetosde categoríasdiferentesse representanlomásalejadoposible.En
ambosmétodosse toma el mayornúmerode nuevasvariablesque expliquenlamayor
variabilidadposible.
2.6.-Importancia para la usabilidad
Comométodocuantitativo,el análisismultivarianteesunode losmétodosmásefectivospara
probar lausabilidad.Al mismotiempo,esmuycomplejoyavecescostoso.Se puede utilizar
software paraayudar, perolaspruebascomo talessonconsiderablementemáscomplejasque
laspruebasA/B entérminosde diseñode estudios.Laventajadecisivaradicaenel númerode
variablesque puedenconsiderarse ysuponderacióncomomedidade laimportanciade
determinadasvariables.
4.- REFERENCIAS:
1. https://es.wikipedia.org/wiki/An%C3%A1lisis_multivariante
2.https://www.ecured.cu/An%C3%A1lisis_multivariados#:~:text=El%20origen%20del%20an%C
3%A1lisis%20multivariado,conceptos%20de%20la%20estad%C3%ADstica%20moderna.
3. https://es.ryte.com/wiki/An%C3%A1lisis_Multivariante
4. https://www.optimizely.com/optimization-glossary/multivariate-testing/