Uso de componentes principales en datos composicionales

Authors

  • Jorge Galbiati Riesco Universidad Católica de Valparaíso.

DOI:

https://doi.org/10.22199/S07160917.1984.0008.00005

Keywords:

Dimensionalidad

Abstract

Cuando se dispone de datos multidimensionales, es deseable reducir su dimensionalidad, a cambio de perder una parte de la información. Esto es debido a que es muy difícil representar y entender la información contenida en datos de dimensiones mayores que 2 ó 3. La reducción de dimensionalidad puede hacerse de diferentes formas, apuntando todas ellas a que la pérdida de información, por la simplificación que se hace, sea mínima.

Author Biography

Jorge Galbiati Riesco, Universidad Católica de Valparaíso.

Departamento de Matemáticas.

References

1) J. AITCHISON, S.M. SHEN. "Logistic-norma1 Distributions. Some Properties and Uses". Biometrika, Vol. 67, N° 2, 1980.

2) J. AITCHISON. "A New Approach to Null Correlations of Proportions". Mathematical Geology, Vol. 13, N° 2, 1981.

3) J AITCHISON. "The Statistical Analysis of Compositional Date". J.R. Statistical Society B, Vol. 44, N° 2, 1982.

4) J. AITCHISON. "Principal Component Analysis of Compositonal Data". Biometrika, Vol. 70 N° 1, 1983.

5) R. GNANADESIKAN. "Methods for Statistical Data Analysis of Multivariate Observations". Ed. John Wiley, 1977.

6) P. GREEN, J.D. CARROL. "Mathematical Tools for Applied Multivariate Analysis". Ed. Academic Press, 1976.

7) K.V. MARDIA, J.T. KENT, J.M. BIBBY. "Multivariate Analysis". Ed. Academic Press, 1979.

Published

2018-03-27

How to Cite

[1]
J. Galbiati Riesco, “Uso de componentes principales en datos composicionales”, Proyecciones (Antofagasta, On line), vol. 3, no. 8, pp. 109-136, Mar. 2018.

Issue

Section

Artículos