Derechos y Deberes
FUNDAMENTOS DE LAS
TÉCNICAS MULTIVARIANTES
M. CARMEN XIMÉNEZ GÓMEZ
RAFAEL SAN MARTÍN CASTELLANOS
U N E D
EDICIONES
M. Carmen Ximénez
Rafael San Martín
FUNDAMENTOS
DE LAS TÉCNICAS
MULTIVARIANTES
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA
FUNDAMENTOS DE LAS TÉCNICAS
MULTIVARIANTES
FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES
Quedan rigurosamenteprohibidas, sin la autorización escrita
de los titulares del Copyright, bajo las sanciones establecidas en las leyes,
la reproducción total o parcial de esta obra por cualquier medio o procedimiento,
comprendidos la reprografía y el tratamiento informático, y la distribución
de ejemplares de ella mediante alquiler o préstamoS públicos.
© UNIVERSIDAD NACIONAL
DE EDUCACIÓN A DISTANCIA - Madrid,
WWWUNEDESPUBLICACIONES
© M. Carmen Ximénez, Rafael San Martín
)3". ELECTRÆNICO
%DICIÆN DIGITAL OCTUBRE DE
ÍNDICE
INTRODUCCIÓN
1
CAPÍTULO 1. NOCIONES BÁSICAS DE ÁLGEBRA DE MATRICES
1. Conceptos previos
2. Operaciones con matrices
2.1. Cálculo de la traspuesta de una matriz
2.2. Suma de matrices
2.3. Multiplicación por un escalar
2.4.Producto de dos matrices
2.5. Cálculo del determinante de una matriz
2.6. Cálculo de la matriz inversa
3. Usos de matrices y determinantes
3.1. Sistema de ecuaciones lineales
3.2. Rango de una matriz
3.3. Autovalores
3.4. Autovectores
3.5. Ejemplo resuelto
3.6. Formas cuadráticas
4. Vectores y estadísticos
5. Combinaciones lineales
6. El álgebra de matrices y el lenguaje MATRIX del SPSS7. Ejercicios
9
11
11
11
12
12
14
15
15
15
17
17
18
19
20
21
23
24
30
CAPÍTULO 2. LA DISTRIBUCIÓN NORMAL MULTIVARIANTE
1. Concepto de distribución multivariante, marginal y condicional
2. La distribución normal multivariante
3. La distribución normal bivariante
4. Ejercicios
33
39
42
48
CAPÍTULO 3. ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
1. Introducción
2.El modelo lineal general
3. Estimación de parámetros
3.1. Método de estimación de mínimos cuadrados
3.2. Método de estimación de máxima verosimilitud
4. Verificación del modelo
4.1. Medidas de bondad de ajuste
4.2. Contraste de hipótesis
5. Análisis del cumplimiento de los supuestos
5.1. Linealidad de la relación
5.2. Independencia
5.3. Homocedasticidad
5.4. Normalidad
49
49
5152
56
57
57
59
61
62
62
63
63
5.5. Ausencia de colinealidad
6. Simplificación de modelos
6.1. Backward (método hacia atrás)
6.2. Forward (método hacia delante)
6.3. Stepwise (método por pasos sucesivos)
7. El análisis de regresión múltiple y el lenguaje MATRIX del SPSS
8. Ejercicios
64
66
67
67
68
72
81
CAPÍTULO 4. ANÁLISIS DE COMPONENTES PRINCIPALES
1.Introducción
2. Cálculo de los componentes
2.1. Cálculo a partir de la matriz S
2.2. Cálculo a partir de la matriz R
2.3. Ejemplo
3. Geometría de los componentes
4. El análisis de componentes principales y el lenguaje MATRIX del
SPSS
5. Ejercicios
83
84
85
85
86
90
91
95
CAPÍTULO 5. ANÁLISIS FACTORIAL
1. Introducción
2. Métodos de extracción de factores
2.1. Método de componentesprincipales
2.2. Método de ejes principales
2.3. Método de máxima verosimilitud
2.4. Método de mínimos cuadrados generalizados
3. Contrastes sobre la adecuación del análisis factorial
4. Reglas para la selección de factores
5. La rotación de factores
5.1. La rotación ortogonal
5.2. La rotación oblicua
6. Estimación de las puntuaciones factoriales
6.1. Método de Bartlett
6.2. Método deregresión
7. Ejemplo
8. El análisis factorial y el lenguaje MATRIX del SPSS
9. Ejercicios
97
102
102
104
106
106
107
108
109
110
112
112
113
113
114
118
126
REFERENCIAS BIBLIOGRÁFICAS
127
ANEXOS
131
133
134
135
136
Tabla 1. Distribución de probabilidad normal tipificada N(0, 1)
Tabla 2. Distribución de probabilidad t de Student
Tabla 3: Distribución de...
Regístrate para leer el documento completo.