Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas

Autores
Ciccioli, Patricia; Bussi, Javier
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
En este trabajo se presentan dos técnicas robustas para el análisis de componentes principales: Matriz de Covariancia de Determinante Mínimo (MCD) y Componentes Principales Esféricas (SPC) y se las compara con el Análisis de Componentes Principales (ACP) clásico en una aplicación sobre indicadores de carencias críticas. Para poder resumir las diferencias sociales y económicas existentes entre las ciudades y comunas de Santa Fe es necesario retener más componentes principales en los métodos robustos (MCD y SPC) que en el método clásico. Se observa que para el método clásico solo una componente principal es suficiente mientras que, para los métodos robustos MCD y SPC se necesitan al menos dos componentes principales para poder resumir las diferencias presentes en los datos. Puede notarse que las variables que más aportan en la conformación de la primera componente principal en el método clásico son aquellas que contienen una mayor variabilidad en los datos con una gran cantidad de outliers dispersos, los cuales toman valores altos. De esta manera, se puede observar que el método clásico está influenciado por valores extremos, dando resultados e interpretaciones que pueden estar alejados del comportamiento del conjunto central de datos que representa la gran mayoría de ellos
Fil: Fil: Ciccioli, Patricia - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - Argentina
Materia
covariancia
carencias críticas
Componentes Principales (ACP)
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución – No Comercial – Compartir Igual (by-nc-sa)
Repositorio
RepHipUNR (UNR)
Institución
Universidad Nacional de Rosario
OAI Identificador
oai:rephip.unr.edu.ar:2133/7611
Acceder
id RepHipUNR_e37dc113a1b9a8f253f685c365603e61
oai_identifier_str oai:rephip.unr.edu.ar:2133/7611
network_acronym_str RepHipUNR
repository_id_str 1550
network_name_str RepHipUNR (UNR)
spelling Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticasCiccioli, PatriciaBussi, Javiercovarianciacarencias críticasComponentes Principales (ACP)En este trabajo se presentan dos técnicas robustas para el análisis de componentes principales: Matriz de Covariancia de Determinante Mínimo (MCD) y Componentes Principales Esféricas (SPC) y se las compara con el Análisis de Componentes Principales (ACP) clásico en una aplicación sobre indicadores de carencias críticas. Para poder resumir las diferencias sociales y económicas existentes entre las ciudades y comunas de Santa Fe es necesario retener más componentes principales en los métodos robustos (MCD y SPC) que en el método clásico. Se observa que para el método clásico solo una componente principal es suficiente mientras que, para los métodos robustos MCD y SPC se necesitan al menos dos componentes principales para poder resumir las diferencias presentes en los datos. Puede notarse que las variables que más aportan en la conformación de la primera componente principal en el método clásico son aquellas que contienen una mayor variabilidad en los datos con una gran cantidad de outliers dispersos, los cuales toman valores altos. De esta manera, se puede observar que el método clásico está influenciado por valores extremos, dando resultados e interpretaciones que pueden estar alejados del comportamiento del conjunto central de datos que representa la gran mayoría de ellosFil: Fil: Ciccioli, Patricia - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - ArgentinaSecretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario2016-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/2133/7611urn:issn: 1668-5008spahttps://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anualesinfo:eu-repo/semantics/openAccessAtribución – No Comercial – Compartir Igual (by-nc-sa)http://creativecommons.org/licenses/by-nc-sa/2.5/ar/Licencia RepHipreponame:RepHipUNR (UNR)instname:Universidad Nacional de Rosario2025-09-29T13:40:50Zoai:rephip.unr.edu.ar:2133/7611instacron:UNRInstitucionalhttps://rephip.unr.edu.ar/Universidad públicaNo correspondehttps://rephip.unr.edu.ar/oai/requestrephip@unr.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:15502025-09-29 13:40:50.375RepHipUNR (UNR) - Universidad Nacional de Rosariofalse
dc.title.none.fl_str_mv Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
title Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
spellingShingle Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
Ciccioli, Patricia
covariancia
carencias críticas
Componentes Principales (ACP)
title_short Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
title_full Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
title_fullStr Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
title_full_unstemmed Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
title_sort Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas
dc.creator.none.fl_str_mv Ciccioli, Patricia
Bussi, Javier
author Ciccioli, Patricia
author_facet Ciccioli, Patricia
Bussi, Javier
author_role author
author2 Bussi, Javier
author2_role author
dc.contributor.none.fl_str_mv Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
dc.subject.none.fl_str_mv covariancia
carencias críticas
Componentes Principales (ACP)
topic covariancia
carencias críticas
Componentes Principales (ACP)
dc.description.none.fl_txt_mv En este trabajo se presentan dos técnicas robustas para el análisis de componentes principales: Matriz de Covariancia de Determinante Mínimo (MCD) y Componentes Principales Esféricas (SPC) y se las compara con el Análisis de Componentes Principales (ACP) clásico en una aplicación sobre indicadores de carencias críticas. Para poder resumir las diferencias sociales y económicas existentes entre las ciudades y comunas de Santa Fe es necesario retener más componentes principales en los métodos robustos (MCD y SPC) que en el método clásico. Se observa que para el método clásico solo una componente principal es suficiente mientras que, para los métodos robustos MCD y SPC se necesitan al menos dos componentes principales para poder resumir las diferencias presentes en los datos. Puede notarse que las variables que más aportan en la conformación de la primera componente principal en el método clásico son aquellas que contienen una mayor variabilidad en los datos con una gran cantidad de outliers dispersos, los cuales toman valores altos. De esta manera, se puede observar que el método clásico está influenciado por valores extremos, dando resultados e interpretaciones que pueden estar alejados del comportamiento del conjunto central de datos que representa la gran mayoría de ellos
Fil: Fil: Ciccioli, Patricia - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - Argentina
description En este trabajo se presentan dos técnicas robustas para el análisis de componentes principales: Matriz de Covariancia de Determinante Mínimo (MCD) y Componentes Principales Esféricas (SPC) y se las compara con el Análisis de Componentes Principales (ACP) clásico en una aplicación sobre indicadores de carencias críticas. Para poder resumir las diferencias sociales y económicas existentes entre las ciudades y comunas de Santa Fe es necesario retener más componentes principales en los métodos robustos (MCD y SPC) que en el método clásico. Se observa que para el método clásico solo una componente principal es suficiente mientras que, para los métodos robustos MCD y SPC se necesitan al menos dos componentes principales para poder resumir las diferencias presentes en los datos. Puede notarse que las variables que más aportan en la conformación de la primera componente principal en el método clásico son aquellas que contienen una mayor variabilidad en los datos con una gran cantidad de outliers dispersos, los cuales toman valores altos. De esta manera, se puede observar que el método clásico está influenciado por valores extremos, dando resultados e interpretaciones que pueden estar alejados del comportamiento del conjunto central de datos que representa la gran mayoría de ellos
publishDate 2016
dc.date.none.fl_str_mv 2016-11
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject


info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/2133/7611
urn:issn: 1668-5008
url http://hdl.handle.net/2133/7611
identifier_str_mv urn:issn: 1668-5008
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anuales
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución – No Comercial – Compartir Igual (by-nc-sa)
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia RepHip
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución – No Comercial – Compartir Igual (by-nc-sa)
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia RepHip
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:RepHipUNR (UNR)
instname:Universidad Nacional de Rosario
reponame_str RepHipUNR (UNR)
collection RepHipUNR (UNR)
instname_str Universidad Nacional de Rosario
repository.name.fl_str_mv RepHipUNR (UNR) - Universidad Nacional de Rosario
repository.mail.fl_str_mv rephip@unr.edu.ar
_version_ 1844618774521577472
score 13.070432

Publicaciones similares