Entradas

Mostrando entradas de marzo, 2023

Tres coeficientes de correlación

Algo que no consideré inicialmente es exponer un concepto sumamente importante, tal como es la definición de correlación. En sentido, saltaremos un paso hacia atrás para dar dos más adelante, todo con el objetivo de tener una mayor comprensión de los modelos de interdependencia, tal como lo vimos en los artículos pasados. Pues sin mayor vacilación, entendemos a la correlación como una medida estadística que indica la relación o asociación entre dos variables. En otras palabras, es una medida que indica el grado en que dos variables se mueven juntas. La podemos expresar matemáticamente de la siguiente manera: rXY=Cov(X,Y)Var(X)Var(Y) Donde el numerador es la covarianza de las dos variables y el denominador es el producto de las desviaciones estándar de las dos variables. Este valor fluctúa entre -1 y 1, de manera que cuando alcanza un valor de 1 indica una correlación positiva perfecta, lo que significa que las dos variables están perfectamente r...

¿Qué es el Análisis de Componentes Principales?

Cuando comenzamos a adentrarnos en el estudio de la estadística multivariante, nos topamos con un tema conocido como análisis de componentes principales o PCA, como se le conoce comúnmente en el mundo de la ciencia. Los orígenes del PCA se remontan al trabajo de Karl Pearson, quien en los albores del siglo XX desarrolló una técnica para reducir la dimensionalidad de los datos. Sin embargo, no fue hasta 1933 que el término se acuñó por Harold Hotelling. El PCA es una técnica del análisis multivariante o multivariado que se utiliza para encontrar patrones en conjuntos de datos de alta dimensionalidad o para reducir la dimensionalidad de una nube de puntos. Es generalmente utilizada en campos como la estadística, la econometría, la ingeniería y en, general, las ciencias sociales. El objetivo del PCA es transformar un conjunto de datos complejos o muy amplios en uno más sencillo, reduciendo la cantidad de variables y destacando las relaciones más importantes entre ellas. Esto se logra ...