Fundamentos de las técnicas multivariantes
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Libro electrónico |
| Idioma: | Castellano |
| Publicado: |
Madrid :
UNED - Universidad Nacional de Educación a Distancia
2013.
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009420191806719 |
Tabla de Contenidos:
- Fundamentos de las técnicas multivariantes; Página legal; Índice; Introducción; 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 estadísticos5. Combinaciones lineales; 6. El álgebra de matrices y el lenguaje MATRIX del SPSS; 7. Ejercicios; 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; Capítulo 3. Análisis de Regresión Lineal Múltiple; 1. Introducción; 2. El modelo lineal general; 3. Estimación de parámetros; 3.1. Método de estimación por mínimos cuadrados; 3.2. Método de estimación de máxima verosimilitud; 4. Verificación del modelo
- 4.1. Medidas de bondad de ajuste4.2. 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; 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; 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 R2.3. Ejemplo; 3. Geometría de los componentes; 4. El análisis de componentes principales y el lenguaje MATRIXdel SPSS; 5. Ejercicios; Capítulo 5: Análisis Factorial; 1. Introducción; 2. Métodos de extracción de factores; 2.1. Método de componentes principales; 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. Rotación de factores; 5.1. Rotación ortogonal; 5.2. Rotación oblicua
- 6. Estimación de las puntuaciones factoriales6.1. Método de Bartlett; 6.2. Método de regresión; 7. Ejemplo; 8. El análisis factorial y el lenguaje MATRIX del SPSS; 9. Ejercicios; Referencias bibliográficas; Anexos; Tabla 1. Distribución de probabilidad normal tipificada N(0, 1); Tabla 2. Distribución de probabilidad t de Student; Tabla 3. Distribución de probabilidad de X2 de Pearson; Tabla 4. Distribución de probabilidad F de Snedecor
