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

DSpace/Manakin Repository

Show simple item record

dc.creator Ciccioli, Patricia
dc.creator Bussi, Javier
dc.date.accessioned 2017-08-01T13:53:32Z
dc.date.available 2017-08-01T13:53:32Z
dc.date.issued 2016-11
dc.identifier.issn 1668-5008 es
dc.identifier.uri http://hdl.handle.net/2133/7611
dc.description Principal Components Analysis (PCA) is widely used in multivariate statistical analysis. The objective of this method is to represent a set of n observations with p variables through a smaller number of variables that are linear combinations of the original ones, keeping as much as possible the original variability in the data. Two robust methods are presented in this work: the Minimum Covariance Determinant method (MCD) and the Spherical Principal Components method (SPC). The objective of this work is to compare these two methods with the classic PCA when applied to data related to indicators of critical needs in cities with more than 2000 inhabitants in the province of Santa Fe. The data comes from the National Census from 2010. In order to summarize the differences among the cities it is necessary to consider a greater number of principal components in the robust methods than in the classic method. The reason is that the latter uses variability measures that are influenced by outliers while the robust methods use a solid measure that is free from this problem
dc.description.abstract 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 es
dc.format application/pdf
dc.language.iso spa es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ *
dc.subject covariancia es
dc.subject carencias críticas es
dc.subject Componentes Principales (ACP) es
dc.title Componentes principales esféricas y matriz de covariancia de determinante mínimo: una aplicación sobre indicadores de carencias críticas es
dc.type conferenceObject
dc.type documento de conferencia
dc.type acceptedVersion
dc.rights.holder Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - Argentina es
dc.relation.publisherversion https://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anuales es
dc.rights.text Atribución – No Comercial – Compartir Igual (by-nc-sa) es
dc.citation.title Vigesimoprimeras Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística es
dc.contributor.organizer Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario es
dc.description.fil Fil: Ciccioli, Patricia - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario - Argentina es
dc.type.collection comunicaciones
dc.type.version acceptedVersion es


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

openAccess Except where otherwise noted, this item's license is described as openAccess

My Account


Search DSpace


Browse

Statistics