Análisis de componentes
principales
Semana: 7
Nombre del estudiante:
Número de cuenta:
Sede de estudio:
CEUTEC TGU
Docente:
Lic. Keneht Rodriguez
Sección:
843
Fecha de entrega:
13 de diciembre de 2021
, Introducción
El análisis de componentes principales se expresa en un grupo de variables en un
conjunto de combinaciones lineales de factores que no están correlacionados entre sí,
dichos factores cada vez más dan cuenta de una fracción más débil de la variabilidad
de los datos. Los datos se representan en individuos y variables en un espacio de
dimensiones más reducidas en comparación al espacio original. El análisis de
componentes principales es diferente al análisis factorial, de manera en la que
conduce a un conjunto de factores no correlacionados entre ellos.
Este tipo de análisis se utiliza para resumir la estructura de datos que están descritos
por variables cuantitativas, mientras se adquieren factores no relacionados. Los
factores previamente mencionados pueden utilizarse como variables que permiten
evitar la multicolinealidad en regresión múltiple, análisis factorial discriminante y
efectuar una clasificación automática teniendo solo en cuenta la información
importante conservando los primeros factores.
principales
Semana: 7
Nombre del estudiante:
Número de cuenta:
Sede de estudio:
CEUTEC TGU
Docente:
Lic. Keneht Rodriguez
Sección:
843
Fecha de entrega:
13 de diciembre de 2021
, Introducción
El análisis de componentes principales se expresa en un grupo de variables en un
conjunto de combinaciones lineales de factores que no están correlacionados entre sí,
dichos factores cada vez más dan cuenta de una fracción más débil de la variabilidad
de los datos. Los datos se representan en individuos y variables en un espacio de
dimensiones más reducidas en comparación al espacio original. El análisis de
componentes principales es diferente al análisis factorial, de manera en la que
conduce a un conjunto de factores no correlacionados entre ellos.
Este tipo de análisis se utiliza para resumir la estructura de datos que están descritos
por variables cuantitativas, mientras se adquieren factores no relacionados. Los
factores previamente mencionados pueden utilizarse como variables que permiten
evitar la multicolinealidad en regresión múltiple, análisis factorial discriminante y
efectuar una clasificación automática teniendo solo en cuenta la información
importante conservando los primeros factores.
