Analisis de correspondencia 8dbf2fc8661f4b2dbb4ed043d337f55f

Vista previa del material en texto

Analisis de correspondencia 1
�
Analisis de correspondencia
Tipo Anotaciones
Etiquetas
LOCALES.SM←dist.binary(LOCALES,method=2,diag=FALSE,upper=FALSE
Este código utiliza la función dist.binary del paquete ade4 para calcular una 
matriz de distancias a partir de datos binarios en el objeto LOCALES . Aquí está 
una desglose del código:
LOCALES  Es un objeto que probablemente contiene datos binarios. Puede 
ser una matriz o un marco de datos con valores binarios 0 o 1.
dist.binary()  Es una función del paquete ade4 que se utiliza para calcular 
distancias entre filas de datos binarios.
method=2  Indica el método de cálculo de la distancia. En este caso, el 
método 2 se refiere a la distancia de Jaccard, que mide la similitud entre 
dos conjuntos dividida por la unión de esos conjuntos.
diag=FALSE  Excluye la diagonal principal de la matriz de distancias. La 
diagonal principal representa la distancia de cada elemento consigo mismo 
y generalmente se excluye.
upper=FALSE  Excluye la parte superior de la matriz de distancias, ya que la 
matriz de distancias de Jaccard es simétrica.
Entonces, en resumen, el código está calculando la matriz de distancias de 
Jaccard entre las filas de datos binarios en LOCALES y almacenándola en el 
objeto LOCALES.SM . Esta matriz de distancias se puede utilizar en análisis 
posteriores, como análisis de conglomerados para agrupar las filas similares.
Estos códigos están relacionados con el análisis de escalamiento 
multidimensional MDS aplicado a la matriz de distancias LOCALES.SM . Aquí está 
una explicación detallada:
� Cálculo de MDS
Analisis de correspondencia 2
RCopy code
LOCALES.MDS <- cmdscale(LOCALES.SM, eig=TRUE, k=2)
cmdscale()  Función en R que realiza el escalamiento multidimensional 
clásico MDS.
LOCALES.SM  Matriz de distancias binarias previamente calculada.
eig=TRUE  Solicita que se devuelvan los valores propios.
k=2  Indica que queremos proyectar los datos en un espacio 
bidimensional.
� Visualización de los Resultados:
RCopy code
plot(LOCALES.MDS$points)
plot()  Función para crear un gráfico.
LOCALES.MDS$points  Coordenadas resultantes del MDS.
� Creación de un Gráfico Bidimensional:
RCopy code
Coord1 <- LOCALES.MDS$points[,1]
Coord2 <- LOCALES.MDS$points[,2]
plot(Coord1, Coord2, xlab="Coordenada 1", ylab="Coordena
da 2", main="Evaluación de Locales", type="p")
abline(h=0, lty=3)
abline(v=0, lty=3)
text(Coord1, Coord2, labels=row.names(LOCALES), cex=1, p
os=3)
Se extraen las coordenadas del resultado del MDS para la primera y 
segunda dimensión.
plot()  Se genera un gráfico de dispersión bidimensional.
Analisis de correspondencia 3
abline(h=0, lty=3)  Línea punteada horizontal en la coordenada cero.
abline(v=0, lty=3)  Línea punteada vertical en la coordenada cero.
text()  Se añaden etiquetas a los puntos del gráfico con los nombres 
de los locales.
En resumen, estos códigos realizan un análisis de escalamiento 
multidimensional de la matriz de distancias binarias y visualizan los resultados 
en un gráfico bidimensional. El gráfico representa la posición relativa de los 
locales en el espacio bidimensional de acuerdo con sus similitudes en términos 
de las variables binarias consideradas.
Analisis de correspondencia 4
Podemos ordenar locales de esta manera, ordena locales en funcion de la 
similiritud de los mismos.
Prueba de independencia
Pearson's Chi-squared test
data: datos
X-squared = 22.78, df = 8, p-value = 0.003659
si p es menor 0,05 rechazamos la hipotesis nula, entonces hay dependencia 
entre variables
Analisis de correspondencia 5
en rural se suele usar ford y chrysler
en los suburbios europeos y GM
y en ciudad grande mas asiaticos