Introducci

on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Reduciendo la Dimensionalidad
Escalamiento Multidimensional
IN1089C An
alisis Multivariado
Alba Martnez-Ruiz
Departamento de Ingeniera Industrial
Universidad Cat
olica de la Ssma. Concepci
on

Concepci
on, Chile

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Contenido

Introduccion

Escalados Metricos

Medidas de Ajuste

Relacion entre Coordenadas y Componentes Principales

Ejemplo

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

Metodo

Matriz

Dimensiones

Analisis de
Componentes Principales
(PCA)

Matriz de datos centrados

Investigamos las estructura de la matriz
de covarianzas o correlaciones entre variables (p p)
Variables continuas

Componentes
principales

Analisis de
Correspondencias
(CA)

Matriz de frecuencias
Investigamos la estructura de la matriz
de frecuencias relativas (I J)
Variables categoricas

Dimensiones
o factores

Escalamiento
Multidimensonal
(MDS)

Matriz de distancias
Investigamos la estructura de la matriz
de distancias entre individuos (n n)

Alba Martnez-Ruiz

Coordenadas
principales

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

El escalamiento multidimensional es una generalizacion de

la idea de componentes principales.

Matriz de entrada: matriz D, cuadrada de n n, de

distancias o similaridades entre n individuos.

Hay n(n 1)/2 distancias o similaridades entre pares de

diferentes tems.
Varias tecnicas de escalado multidimensional:

Escalados m
etricos, cuando la matriz D es de distancias o
similaridades. Tambien se llama analisis de coordenadas
principales.
Escalado no m
etrico, cuando se usa el orden de las medidas
de distancias originales y no sus magnitudes.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

Similitudes (proximidades) o distancias entre:

n productos de una empresa.
n candidatos polticos.
n preguntas de una encuesta.
n sectores industriales.
Representaci
on espacial de las proximidades entre observaciones para
identificar patrones o explicar la estructura de los datos. Aquellas
observaciones que son mas distantes debieran estar representadas lejos
una de la otra.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

Matriz de distancias entre ciudades (n n = 20 20):

Ancud
Antofagasta
Arica
Calama
Ca
nete
Castro
Chaiten
Chillan
Concepci
on

Ancud
0
2494.16
3186.77
2691.22
648.05
81.72
252.65
715.02
714.57

Antofagasta
2494.16
0
711.49
215.94
2012.05
2570.56
2741.48
1780.98
1877.29

Arica
3186.77
711.49
0
593.33
2704.66
3263.17
3434.09
2473.59
2569.9

Calama
2691.22
215.94
593.33
0
2209.11
2767.62
2938.55
1978.05
2074.36

Alba Martnez-Ruiz

Ca
nete
648.05
2012.05
2704.66
2209.11
0
724.45
895.38
232.92
134.76

Castro
81.72
2570.56
3263.17
2767.62
724.45
0
171.67
791.41
790.97

Chaiten
252.65
2741.48
3434.09
2938.55
895.38
171.67
0
962.34
961.9

Chillan
715.02
1780.98
2473.59
1978.05
232.92
791.41
962.34
0
98.16

Concepci
on
714.57
1877.29
2569.9
2074.36
134.76
790.97
961.9
98.16
0

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

Matriz de disimilaridades: 1 indica dos polticos muy similares, 9

indica dos polticos muy dismiles.
Hitler
Mussolini
Churchill
Eisenhower
Stalin
Attlee
Franco
DeGaulle
MaoTse-Tung
Truman
Chamberlin
Tito

Hitler
0
3
4
7
3
8
3
4
8
9
4
7

Mussolini

Churchill

Eisenhower

Stalin

Attlee

Franco

DeGaulle

MaoTse-Tung

Truman

Chamberlin

Tito

0
6
8
5
9
2
4
9
9
5
8

0
4
6
3
5
3
8
5
5
2

0
8
9
7
5
9
4
4
4

0
8
6
6
6
7
7
7

0
7
5
9
8
2
8

0
4
8
8
2
3

0
7
4
5
2

0
4
9
4

0
5
5

0
7

Si 1 hubiera indicado polticos muy dismiles y 9 muy similares,

entonces la matriz hubiera sido de similaridades.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Introduccion

Para el calculo de distancias:

dist (library stats)
Para escalamientos metricos:
cmdscale (library stats)
Para escalamiento no metrico:
sammon (library MASS)
isoMDS (library MASS)

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos

Sea X una matriz centrada de individuos por variables (n p).

.&

Spp =

X0 X
n

Matriz de covarianzas

Alba Martnez-Ruiz

Qnn = XX0
Matriz de productos cruzados,
matriz de similitudes
(covarianzas) entre individuos.

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos
Qnn = XX0

x11
x21

Q= .
..
xn1

q11
. . . x1p
x11 x21 . . . xn1

. . . x2p .
..
.. = q21
..
.
.. ..
.
..
.
.
..
.
.
x1p x2p . . . xnp
qn1
. . . xnp

. . . q1n
. . . q2n

..
q
.
ij

. . . qnn

qij = q21 =

Pp

s=1 xis xjs

Pp

s=1 x2s x1s

= x0i xj

Producto escalar ente el individuo i y el individuo j!

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos
Producto escalar: x0 y = kxkkykcos
Tenemos entonces:
x0i=2 xj=1 = x02 x1 = kx02 kkx1 kcos21 = q21

Si cos21 1, peque
no, q21 grande
y 2 y 1 son individuos similares.
Si cos21 0, grande, q21 peque
no
y 2 y 1 son individuos muy distintos.
Entonces Qnn es una matriz de similitudes entre individuos!. A
partir de esta matriz podemos construir una matriz de distancias
eucldeas.
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos
Construyamos una matriz de distancias eucldeas al cuadrado entre
dos individuos:
P
P
d2ij = d221 = ps=1 (xis xjs )2 = ps=1 (x2s x1s )2
=

Pp

2
s=1 xis

Pp

2
s=1 xjs

Pp

s=1 xis xjs

Pero:
qij = q21 =

Pp

s=1 xis xjs

Pp

s=1 x2s x1s

= x0i xj

Por lo tanto:
d2ij = qii + qjj 2qij

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos

Si Dnn es la matriz de distancias, entonces:

D = diag(Q) + diag(Q0 ) 2Q
Por lo tanto de una matriz de datos X podemos llegar a una
matriz de distancias D.
X Q D

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos

El escalamiento multidimensional trata de hacer justamente lo

contrario. A partir de una matriz de distancias Dnn trata de
reconstruir Xnp .
D Q X
Sin embargo, si vamos en sentido inverso, no siempre es posible
reconstruir exactamente X a partir de D1 . Entonces, lo que
obtenemos es una aproximaci
on Y, un conjunto de vectores
ortogonales.

1
Es posible obtener Q, pero de Q no es posible obtener exactamente X ya que Q es invariante ante rotaciones
de las variables. Esto es Q = XX0 = XAA0 X0 para cualquier matriz A ortogonal.
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Escalados metricos
El objetivo es representar D mediante un conjunto de variables
ortogonales y1 , ..., yp llamadas coordenadas principales (p < n)
tal que las distancias eucldeas entre las coordenadas de los
elementos respecto a estas variables sean iguales (o lo mas
proximas) a las distancias de la matriz original.

d11
..
D= .
dn1

. . . d1n
..
..
.
.
. . . dnn

y11
..
Y= .
yn1

. . . y1p
..
..
.
.
. . . ynp

Y debe ajustar de la mejor forma posible la matriz de

proximidades originales D.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Para obtener la matriz Ynp a partir de Dnn , la matriz de entrada

D debe ser compatible con una metrica eucldea. Esto ocurrira si:
Q = 21 PDP
es semidefinida positiva donde P = I n1 110 .
Esto quiere decir que todos los valores propios de Q, i 0, son

positivos o cero!. Entonces podemos calcular i , que es lo que haremos

mas adelante.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Los valores de la matriz Qnn pueden ser obtenidos como:

qij = 12 (d2ij d2i. d2.j + d2.. )
donde:
d2i. y d2.j son las medias por filas y columnas
d2ii es la media de todos los elementos de D

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Si Q es semidifinida positiva de rango p puede representarse como
(descomposicion espectral):
Qnn = Vnp pp V0pn
donde:
Vnp contiene los vectores propios correspondiente a los
valores propios no nulos de Q
pp es una matriz diagonal con los valores propios de Q
V0pn es la traspuesta de V
Nota. Cuando Dnn proviene de una matriz de n p de rango completo,
el rango de Qnn es p. As, los u
ltimos n p valores propios seran cero.
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Por lo tanto, se pueden encontrar variables y1 , ..., yp que

reproduzcan las distancias observadas:
Q = (V1/2 )(1/2 V0 )
Si:
Y = V1/2
encontramos una matriz de n p con p variables incorreladas que
representan la metrica original.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Q =

Pp

Q =

Pp

i=1 i vi vi
i=1 yi yi

donde i son los valores propios de Q y vi sus vectores propios.

Los vectores propios se encuentran normalizados ( i vi ) tal que la

suma de los cuadrados de sus elementos sea la unidad (vi v0i = 1).

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Matrices compatibles con metricas eucldeas

Las variables yi representan la soluci

on buscada: son un conjunto
de p variables n-dimensionales incorreladas entre s y tales que el
cuadrado de la distancia eucldea que inducen entre dos puntos es:
2 = (z z )0 (z z )
ij
i
j
i
j

donde z0i = (yi1 , ..., yip ) es igual a las distancias originales

observadas d2ij .

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Construccion de las coordenadas principales

Si tenemos una matriz de distancias al cuadrado D. El

procedimiento para obtener las coordenadas principales es:
1 Construir la matriz Q = 21 PDP, de productos cruzados.
2 Obtener los valores propios de Q. Tomar los r mayores valores
propios, donde r se escoge de manera que los restantes n-r
valores propios sean pr
oximos a cero. La matriz Q tiene rango
maximo n-1 y siempre tendra el vector propio 1 unido al valor
propio cero.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Construccion de las coordenadas principales

3 Obtener las
coordenadas de los puntos en las variables
mediante vi i , donde i es un valor propio de Q y vi su
vector propio unitario asociado. Esto implica aproximar Q
por:
1/2

1/2

Q (Vr r )(r Vr )
y tomar como coordenadas de los puntos las variables:
1/2

Yr = Vr r

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Medidas de ajuste

Una medida de la precisi

on o ajuste conseguida mediante la
approximacion a partir de los m mas grandes valores propios
positivos de la matriz de similitud es:

Pm

Pm
i
= Pni=1
i=1 i

Valores de Pm del orden de 0.8 sugieren un ajuste razonable.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Medidas de ajuste
Otra medida de cercana o de ajuste, denominada stress (S), se
obtiene al minimizar las diferencias entre las distancias derivadas
de las coordenadas principales, dij , y las similitudes de partida ij ,
PP
es decir, minimizar
(ij dij )2 para todos los terminos de la
matriz.
Esta cantidad se estandariza para favorecer las comparaciones.
P
S2

i<j (ij

dij )2

2
i<j ij

La distancia dij es la que se obtiene al considerar las m

coordenadas principales.
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Medidas de ajuste

El stress puede ser interpretado de la siguiente manera (Kruskal en

Johnson & Wichern 2007):
Stress
20%
10%
5%
2.5%
0%

Bondad de Ajuste
Pobre
Casi bueno
Bueno
Excelente
Perfecto

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Relacion entre coordenadas y componentes principales

Cuando los datos originales estan en la matriz X de individuos por

variables y construimos la matriz D de distancias utilizando las
distancias eucldeas entre los puntos a partir de dichas variables
originales, las coordenadas principales obtenidas de la matriz D
son equivalentes a las componentes principales de las variables.
Las
coordenadas principales son los vectores propios estandarizados
por i de los valores propios de Q = XX0 .

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Matriz de distancias entre ciudades (n n = 20 20):

Ancud
Antofagasta
Arica
Calama
Ca
nete
Castro
Chaiten
Chillan
Concepci
on

Ancud
0
2494.16
3186.77
2691.22
648.05
81.72
252.65
715.02
714.57

Antofagasta
2494.16
0
711.49
215.94
2012.05
2570.56
2741.48
1780.98
1877.29

Arica
3186.77
711.49
0
593.33
2704.66
3263.17
3434.09
2473.59
2569.9

Calama
2691.22
215.94
593.33
0
2209.11
2767.62
2938.55
1978.05
2074.36

Alba Martnez-Ruiz

Ca
nete
648.05
2012.05
2704.66
2209.11
0
724.45
895.38
232.92
134.76

Castro
81.72
2570.56
3263.17
2767.62
724.45
0
171.67
791.41
790.97

Chaiten
252.65
2741.48
3434.09
2938.55
895.38
171.67
0
962.34
961.9

Chillan
715.02
1780.98
2473.59
1978.05
232.92
791.41
962.34
0
98.16

Concepci
on
714.57
1877.29
2569.9
2074.36
134.76
790.97
961.9
98.16
0

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Construimos la matriz:
Q = 21 PDP
donde P es:
P = I n1 110
Valores propios de Q:
1
6
11
16

7.01E-01
3.14E-02
9.14E-03
3.25E-03

Valores propios
2.10E-01 7.45E-02 4.73E-02
1.71E-02 1.37E-02 1.29E-02
8.99E-03 7.77E-03 6.61E-03
2.83E-03 1.67E-03 1.40E-03

3.54E-02
1.09E-02
4.15E-03
3.09E-17

Rango(Q) = n 1 = 19.
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Los vectores propios vi :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

v1
0.2095
-0.3499
-0.4234
-0.3768
0.1292
0.2172
0.2287
0.0943
0.1081
0.0661
-0.2238
-0.1363
0.2433
0.0414
-0.4051
0.0703
0.1133
0.0609
0.1483
0.1846

v2
-0.2522
-0.0831
-0.1822
-0.1165
0.1516
-0.2933
-0.3592
0.2099
0.2066
0.2652
0.0627
0.1408
-0.4496
0.2448
-0.1562
0.2420
0.1971
0.2478
0.0504
-0.1266

v3
0.0111
-0.1132
0.4005
0.0151
0.2088
-0.0197
-0.0823
0.0895
0.1626
0.0085
-0.5299
-0.5377
-0.1897
-0.0834
0.2451
0.0071
0.1799
-0.0243
0.1673
0.0847

v4
0.2390
0.1392
-0.1999
0.0885
0.2123
0.1625
-0.0603
-0.0579
0.0472
-0.2570
0.2026
0.0941
-0.5547
-0.2405
-0.0819
-0.2087
0.0877
-0.2406
0.3007
0.3275

v5
0.2790
-0.2890
0.3212
-0.2721
-0.3047
0.2554
0.0839
-0.0454
-0.2248
0.1197
-0.0223
0.1589
-0.4374
0.2094
0.0764
0.1260
-0.2674
0.1715
-0.1173
0.1791

v6
-0.1319
-0.3935
0.4170
-0.4336
0.2197
-0.1332
-0.0653
-0.0183
0.1146
-0.1761
0.2378
0.3553
0.1894
-0.1605
0.0651
-0.1562
0.1532
-0.1807
0.1411
-0.0438

v7
-0.0837
0.0040
-0.0166
0.0402
-0.0597
-0.2589
-0.3812
-0.0784
-0.2853
-0.0568
-0.1033
0.0408
0.2589
0.1579
0.0046
0.0615
-0.3126
0.1026
0.5099
0.4561

v8
-0.0110
-0.0827
-0.0341
0.3040
0.0586
0.0255
0.0723
-0.0297
0.0226
-0.0897
-0.6614
0.6494
-0.0348
0.0326
-0.0452
-0.0686
0.0430
-0.0547
-0.0092
-0.0866

v9
-0.0029
0.1068
-0.4568
-0.3897
0.0092
0.0029
0.0116
-0.0054
0.0012
-0.0141
-0.1173
0.0978
-0.0051
0.0077
0.7771
-0.0097
0.0042
-0.0070
0.0025
-0.0131

Alba Martnez-Ruiz

v10
0.2634
-0.0170
-0.0107
0.0202
-0.2139
0.0152
-0.5353
0.1724
0.2191
0.0066
-0.0407
0.0740
0.1859
-0.1553
0.0122
-0.0099
0.1970
-0.0752
-0.5030
0.3950

v11
-0.1188
0.0570
0.0183
-0.0428
-0.3515
-0.0613
0.1720
0.5785
0.1271
-0.6489
-0.0068
-0.0177
-0.0476
0.0892
-0.0228
0.1804
-0.0190
0.0286
0.0830
0.0032

v12
-0.0184
-0.7267
-0.2223
0.5256
-0.0327
-0.0101
0.0261
0.0489
0.0059
-0.0321
0.2282
-0.0960
-0.0071
-0.0108
0.2795
0.0243
-0.0098
0.0078
0.0171
0.0028

v13
-0.3892
0.0100
0.0020
-0.0052
-0.1290
-0.3464
0.4870
-0.0032
0.0635
0.2641
-0.0201
0.0515
-0.1099
-0.2507
-0.0028
-0.0079
0.0396
-0.0442
-0.1530
0.5439

v14
0.0725
0.0080
0.0012
-0.0031
-0.2333
0.1038
-0.0928
0.2803
0.0082
0.3399
-0.0300
0.1043
0.0172
-0.6879
-0.0018
0.2252
-0.1884
0.0011
0.3138
-0.2382

v15
-0.0107
-0.0003
0.0000
0.0001
-0.5566
0.0359
-0.0133
-0.0722
0.3994
0.2516
0.0033
-0.0220
0.0014
0.2867
0.0000
-0.4605
0.1092
-0.2011
0.3276
-0.0784

v16
0.6649
0.0000
0.0000
0.0000
-0.0079
-0.7094
0.1830
0.0074
0.0100
0.0073
0.0000
-0.0003
-0.0153
0.0049
0.0000
-0.0116
-0.0085
-0.0060
0.0223
-0.1410

v17
-0.0064
0.0000
0.0000
0.0000
0.2878
0.0046
-0.0010
0.6316
-0.2083
0.2568
0.0008
-0.0083
0.0001
0.1763
0.0000
-0.4196
-0.3300
-0.2800
-0.1188
0.0147

v18
-0.0003
0.0000
0.0000
0.0000
0.0120
0.0001
0.0000
-0.0891
0.0795
0.0858
0.0003
-0.0053
0.0000
0.2130
0.0000
0.5672
-0.0937
-0.7761
0.0039
0.0030

v19
-0.0023
0.0000
0.0000
0.0000
0.1980
0.0004
0.0000
-0.1373
0.6662
-0.0908
0.0000
0.0006
0.0000
-0.0312
0.0000
-0.0064
-0.6765
0.1450
-0.0963
0.0305

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Las coordenadas de los puntos yi = vi i , determinan el primer

plano principal:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

y1
0.1755
-0.2931
-0.3546
-0.3155
0.1082
0.1819
0.1915
0.0789
0.0906
0.0553
-0.1874
-0.1141
0.2038
0.0347
-0.3393
0.0589
0.0949
0.0510
0.1242
0.1546

Alba Martnez-Ruiz

y2
-0.1155
-0.0381
-0.0835
-0.0534
0.0694
-0.1343
-0.1645
0.0961
0.0946
0.1215
0.0287
0.0645
-0.2059
0.1121
-0.0715
0.1109
0.0903
0.1135
0.0231
-0.0580

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Medida de la ajuste conseguida mediante la approximacion:

Pm
i
Pm = Pni=1
i=1 i
Considerando dos dimensiones: 75.9%
Considerando tres dimensiones: 82.1%.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Distancias entre ciudades

Representacin de las coordenadas pricipales de las ciudades chilenas

Caete

0.05

Coquimbo

Copiap

0.00

Nueva Imperial

Antofagasta
Calama

Osorno

0.10

Iquique
Arica
Ancud
Castro
Chaitn

0.20

Coordenada principal 2

0.10

Constitucin
Maule
Curic
Linares
Chilln
Concepcin
Lota

Coyhaique

0.4

0.3

0.2

0.1

0.0

0.1

0.2

0.3

Coordenada principal 1
Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional

Introducci
on Escalados M
etricos Medidas de Ajuste Relaci
on entre Coordenadas y Componentes Principales Ejemplo

Everitt, B., Hothorn, T. (2011) An Introduction to Applied

Multivariate Analysis with R, Springer, New York.
Johnson, R., Wichern, D. (2007) Applied Multivariate
Statistical Analysis, Prentice Hall, New Jersey.
Pe
na, D. (2002) Analisis de Datos Multivariantes,
McGrawHill, Madrid.

Alba Martnez-Ruiz

Reduciendo la Dimensionalidad Escalamiento Multidimensional