Producto añadido correctamente al carrito

Cantidad
Total
Continuar comprando

Realizar pago

Estadística

Suscribete a nuestro newsletter

Análisis de datos con R - Escuela Colombiana de Ingeniería Ver más grande

Análisis de datos con R

Nuevo

Autores: François Husson, Sébastien Lê y Jérôme Pagès
Editorial: Escuela Colombiana de Ingeniería
Edición: Primera, 2013
Formato: Libro
Rústica, 17 x 24 cm
295 páginas
Peso: 0.495 Kg
ISBN: 9789588726052

Más detalles

Libro disponible ¡pídalo ya!


COP$ 67.100

Más

Reseña. Análisis de datos con R

Este libro está dirigido a científicos que no se orientan hacia profesiones de la estadística pero están confrontados al análisis estadístico de datos. En dicha perspectiva, está orientado hacia las aplicaciones. El formalismo matemático se ha reducido en lo posible, para dejar sitio a la comprensión a partir del ejemplo y la intuición. Concretamente, el nivel de una diplomatura científica es suficiente para apropiarse de todos los conceptos introducidos.
El contenido de la obra se centra en los métodos fundamentales del análisis de datos, los que tienen el potencial más vasto de aplicación: el análisis en componentes principales (ACP) cuando las variables son cuantitativas, el análisis factorial de las correspondencias (AFC) y el análisis de correspondencias múltiples (ACM) cuando los datos son cualitativos y la clasificación jerárquica ascendente.
François Husson. Profesor de estadística en Agrocampus Ouest (Francia). Desarrollador de FactoMineR y missMDA, utilizados en el análisis multivariante exploratorio de datos, área en la que ha creado varios tutoriales en francés e inglés.
Sébastien Lê. Profesor asistente de estadística en Agrocampus Ouest (Francia). Desarrollador del paquete FactoMineR, dedicado al análisis multivariante exploratorio de datos.
Jérôme Pagès. Profesor de estadística y director del Departamento de Matemática Aplicada en Agrocampus Ouest (Francia). Desarrollador del paquete FactoMineR, dedicado al análisis multivariante exploratorio de datos.

Contenido. Análisis de datos con R

1. Análisis de Componentes Principales (ACP)
1.1. Datos, notaciones y ejemplos 
1.2. Objetivos 
1.2.1. Estudio de los individuos 
1.2.2. Estudio de variables 
1.2.3. Relación entre ambos estudios 

1.3. Estudio de individuos  
1.3.1. Nube de individuos
1.3.2. Ajuste de la nube de individuos 
1.3.3. Representación de las variables 

1.4. Estudio de variables 
1.4.1. Nube de variables 
1.4.2. Ajuste de la nube de variables
1.5. Relación entre las representaciones de NI y de N K 

1.6. Ayudas a la interpretación 
1.6.1. Indicadores numéricos 
1.6.2. Elementos suplementarios 
1.6.3. Descripción automática de los ejes 
1.7. Puesta en práctica con FactoMineR

1.8. Complementos
1.8.1. Test de significación de los ejes 
1.8.2. Resultados sobre las variables: loadings vs. correlación 
1.8.3. Representación simultánea: gráfico biplot 
1.8.4. Datos ausentes 
1.8.5. Juego de datos de grandes dimensiones 
1.8.6. Rotación varimax

1.9. Ejemplo: datos de los gastos del hogar 
1.9.1. Descripción de los datos 
1.9.2. Problemática 
1.9.3. Elección del análisis 
1.9.4. Puesta en práctica del análisis 

1.10. Ejemplo: datos temperaturas 
1.10.1. Descripción de datos-problemática 
1.10.2. Elección del análisis 
1.10.3. Puesta en práctica con FactoMineR 
1.11. Ejemplo: datos genómicos 
1.11.1. Descripción de los datos - problemática 
1.11.2. Elección del análisis 
1.11.3. Puesta en práctica 

2. Análisis Factorial de las Correspondencias (AFC)

2.1. Datos - notaciones 
2.2. Objetivos y modelo de independencia. 
2.2.1. Objetivos 
2.2.2. Modelo de independencia y test de X
2 2.2.3. Modelo de independencia y AFC 

2.3. Las nubes y su ajuste 
2.3.1. Nube de perfiles-filas 
2.3.2. Nube de perfiles-columnas 
2.3.3. Ajuste de las nubes NI y NJ 
2.3.4. Ejemplo: actitud de las mujeres con respecto al trabajo femenino 
2.3.5. Representación superpuesta de filas y columnas 

2.4. Ayudas a la interpretación 
2.4.1. Inercias asociadas a los ejes (valores propios) 
2.4.2. Contribución de un punto a la inercia de un eje 
2.4.3. Calidad de representación de un punto por un eje o un plano 
2.4.4. Distancia e inercia en el espacio inicial 
2.5. Elementos suplementarios (=ilustrativos) 
2.6. Puesta en marcha con FactoMineR 
2.7. AFC y tratamiento de datos textuales 

2.8. Ejemplo: datos de Juegos Olímpicos 
2.8.1. Descripción de datos 
2.8.2. Problemática 
2.8.3. Elección del análisis 
2.8.4. Puesta en práctica del análisis 
2.9. Ejemplo: diez vinos blancos del Valle del Loira 
2.9.1. Descripción de los datos - problemática 
2.9.2. Márgenes 
2.9.3. Inercias 
2.9.4. Representación sobre el primer plano

2.10. Ejemplo: causas de mortalidad de los franceses 
2.10.1. Descripción de los datos - problemática 
2.10.2. Márgenes 
2.10.3. Inercias 
2.10.4. Primer eje factorial
2.10.5. Plano 2-3 
2.10.6. Proyección de elementos suplementarios 
2.10.7. Conclusión 

3. Análisis de Correspondencias Múltiple (ACM)

3.1. Datos - notaciones 
3.2. Objetivos 
3.2.1. Estudio de individuos 
3.2.2. Estudio de variables y de modalidades 

3.3. Definición de una distancia entre individuos y de una distancia entre modalidades 
3.3.1. Distancia entre individuos 
3.3.2. Distancia entre modalidades
3.4. AFC sobre la tabla disyuntiva completa 
3.4.1. Relación entre ACM y AFC 
3.4.2. Nube de individuos
3.4.3. Nube de variables 
3.4.4. Nube de modalidades 
3.4.5. Relaciones de transición 

3.5. Ayuda a la interpretación 
3.5.1. Indicadores numéricos 
3.5.2. Elementos suplementarios 
3.5.3. Descripción automática de los ejes 
3.6. Puesta en práctica con FactoMineR 
3.7. Complementos 
3.7.1. Análisis de una encuesta 
3.7.2. Descripción de una variable cualitativa y de una subpoblación 
3.7.3. Tabla de Burt 
3.8. Encuesta sobre la percepción de los OGM 
3.8.1. Descripción de los datos - problemática 
3.8.2. Elección del análisis y puesta en práctica 
3.8.3. Análisis del primer plano 
3.8.4. Proyección de variables suplementarias 
3.8.5. Conclusión 

3.9. Ejemplo: categorización 
3.9.1. Descripción de los datos - problemática 
3.9.2. Elección del análisis
3.9.3. Representación de los individuos sobre el primer plano 
3.9.4. Representación de las modalidades 
3.9.5. Representación de las variables 

4. Clasificación

4.1. Datos - problemática 
4.2. Formalización de la noción de similitud 
4.2.1. Similitud entre individuos
4.2.2. Similitud entre grupos de individuos 

4.3. Construcción de una jerarquía indiciada 
4.3.1. Algoritmo clásico de construcción ascendente 
4.3.2. Jerarquía y partición
4.4. Método de Ward 
4.4.1. Calidad de una partición 
4.4.2. Agregación por la inercia 
4.4.3. Dos propiedades del índice de agregación 
4.4.4. Análisis de una jerarquía, elección de una partición 

4.5. Investigación de una partición por agregación alrededor de los centros móviles 
4.5.1. Datos - problemática
4.5.2. Principio 
4.5.3. Metodología
4.6. Particionamiento y clasificación jerárquica 
4.6.1. Consolidación de una partición 
4.6.2. Algoritmo mixto 
4.7. Clasificación y análisis factorial 
4.7.1. Análisis factorial previo a una CJA 
4.7.2. Análisis simultáneo de un plano factorial y de una jerarquía 

4.8. Ejemplo: datos temperaturas 
4.8.1. Descripción de los datos - problemática 
4.8.2. Elección del análisis 
4.8.3. Puesta en marcha 
4.9. Ejemplo: datos de té 
4.9.1. Descripción de los datos - problemática 
4.9.2. Construcción de la CJA 
4.9.3. Descripción de los grupos 
4.10. Ejemplo: recorte en grupos de las variables cuantitativas 
4.10.1. Recorte en grupos de una variable 
4.10.2. Recorte automático de diversas variables

A. Anexo
A.1. Porcentaje de inercia explicado por un eje y un plano 
A.2. El lenguaje de programación R 
A.2.1. Presentación general 
A.2.2. El paquete Rcmdr 
A.2.3. El paquete FactoMineR 

Bibliografía sobre el paquete de R 
Bibliografía