Una prctica con Cluster Analysis

Ernesto Torres Anguiano

Mucho se ha escuchado a lo largo del tiempo sobre el anlisis cluster, sus
distintos mtodos y formas de aplicarlo.
Pero, Cmo empez todo? esde siempre! "l hombre siempre se ha
caracterizado por tratar de buscar, identificar y clasificar de distintas maneras a los
distintos animales, elementos, e#entos o fenmenos con los $ue con#i#e en el
uni#erso.
%ay muchos e&emplos de esto! esde $ue en los antiguos tiempos se
calificaban'clasificaban a las personas de acuerdo a sus creencias (paganos o
fieles a la ley), o en la forma en $ue hoy en d*a las amas de casa catalogan de
acuerdo a su percepcin a las distintas marcas de leche $ue hay en el mercado
(+utriti#as, Caras, ,aratas, Para -randes, Para +i.os, etc.).
"sas agrupaciones $ue se pretenden identificar, deben buscar $ue en el interior
de cada grupo o clasificacin e/istan elementos $ue sean muy parecidos entre si,
y $ue difieran lo ms posible en relacin a los elementos de otro grupo! y parte de
stas clasificaciones las podemos encontrar hoy dentro de un con&unto de tcnicas
$ue conocemos como cluster anlisis.
entro de nuestro ramo, podr*amos mencionar algunas aplicaciones $ue tenemos
de ste anlisis, tales como0 1egmentacin y Posicionamiento, "studio de Perfiles,
Comportamiento del consumidor, 1eleccin de mercados de prueba, eteccin de
problemas o esarrollo de +ue#os Productos.
"n esencia, el anlisis cluster (2ambin conocido en otras ramas como
ta/onom*a numrica, anlisis tipolgico, o clasificacin
automtica
i
) es un mtodo de anlisis $ue clasifica objetos o elementos, en
grupos bien definidos llamados conglomerados'clusters! onde cada uno de
ellos (Clusters) debe tener a elementos $ue sean muy similares entre si (3 lo $ue
conocemos como %omogeneidad) y estos deben ser diferentes a los ob&etos de
los otros grupos (%eterogeneidad) con respecto a alg4n criterio de seleccin
predeterminado.
"s decir, re#ela agrupaciones naturales dentro de un con&unto de datos $ue son
muy 4tiles para obtener un conocimiento ms profundo sobre los elementos o
indi#iduos $ue e/isten en una poblacin determinada! y en base a esto poder
tomar decisiones, establecer estrategias y planes de accin $ue nos ayuden a
plantear ob&eti#os o, en el caso de estar ya planteados, alcanzarlos o superarlos.
"l cluster anlisis tiene distintos mtodos de realizacin, destacando por su uso
los Mtodos 5err$uicos o "/ploratorios (6ue se caracterizan por la 3nidacin de
acuerdo a la importancia de similaridad de los elementos) y Mtodos +o
1
5err$uicos (6ue desarrollan los conglomerados cuando el in#estigador ha
definido de manera anticipada su n4mero).
3 lo largo de la realizacin de un anlisis cluster debemos tomar distintas
decisiones para poder realizarlo de una manera adecuada, decisiones como lo
son la seleccin de #ariables $ue incluiremos o el n4mero de
clusters'conglomerados $ue $ueremos conser#ar en el anlisis! ecisiones $ue
analizaremos mediante la aplicacin de el siguiente caso.
1upongamos $ue un Museo realiza encuestas a un grupo de ni.os al terminar el
recorrido! dicha encuesta sta dise.ada con distintas preguntas generales y
algunas $ue pueden ayudarnos a identificar grupos y dise.ar estrategias $ue
#ayan acorde con los ni.os $ue estn ms interesados en asistir a un museo.
3lgunas de las preguntas $ue encontramos en sta encuesta son las siguientes0
1e/o
"dad
3 "s di#ertido ir al museo?
*
divertid
, 1iempre $ue #oy al museo le pido a mis papas $ue me compren algo de lo $ue #enden
adentro?
*
pidocomp
C Puedo aprender en la escuela lo mismo $ue en el museo?
*
aprendom
Prefiero ir al museo en e/cursiones con la escuela?
*
excur
" 7r al museo en mi tiempo libre me $uita tiempo para &ugar?
*
quitatie
8 +o me interesa en lo mas m*nimo asistir al museo?
*
nomeint
2e gust tu #isita al museo? (1i'+o) gustovis
*
De Totalmente en desacuerdo a Totalmente de acuerdo en escala de 7 puntos.
1uponiendo $ue las preguntas de la seccin denominada como 9:piniones
generales $ue tengo en relacin al museo; son con las $ue el e$uipo pretende
agrupar a los <= ni.os $ue respondieron la encuesta, se tendr*an $ue hacer
primero < consideraciones0
>. 6ue para identificar los grupos de ni.os, las preguntas $ue se eli&an deben
de estar en la misma escala de medicin. ("n caso de $ue esto no sea
posible, se deben de estandarizar los #alores)
<. 5ustificar la aplicacin del cluster anlisis, lo cual podemos hacer
demostrando $ue e/iste fuerte asociacin entre las #ariables $ue #an a
configurarlo.
2
2ras aplicar la encuesta obtenemos las siguientes respuestas por parte de los <=
ni.os0

? a partir de sta base de datos nosotros empezar*amos a traba&ar para poder
identificar a ni.os $ue tienen caracter*sticas similares en relacin a sus opiniones
de un museo.
+uestro siguiente paso es escoger las #ariables $ue podr*amos nosotros utilizar
para identificar a los grupos (recordamos $ue estas #ariables deben de estar en la
misma escala de medicin, o en su defecto, deben tener estandarizados los
#alores).
"ntonces tenemos $ue para esta agrupacin podemos utilizar las siguientes
preguntas0
3 "s di#ertido ir al museo?
*
divertid
, 1iempre $ue #oy al museo le pido a mis papas $ue me compren algo de lo $ue #enden
adentro?
*
pidocomp
C Puedo aprender en la escuela lo mismo $ue en el museo?
*
aprendom
Prefiero ir al museo en e/cursiones con la escuela?
*
excur
" 7r al museo en mi tiempo libre me $uita tiempo para &ugar?
*
quitatie
8 +o me interesa en lo mas m*nimo asistir al museo?
*
nomeint
3
caso sexo edad divertid pidocomp aprendom excur quitatie nomeint gustovis
> > @ A B C C D < >
< > >E < > D D C = E
C E @ B A C D < > >
D E @ D D A = A C >
= E @ > < D < C A E
A E >E A A D C D C >
B E >E = A D C C C >
F E >E B B D D C > >
@ > @ < C C C D A E
>E > @ C C A A = D E
>> E >E > < C C C = >
>< E @ = = D D D < >
>C E @ < > D = < D >
>D E @ D D B A A D >
>= E F A D D < = > >
>A E @ C D B A = D E
>B > @ D B = < D < E
>F E @ C < C A B D >
>@ E @ D C B B A < >
<E > @ < < < D C B E
<> E @ = A = D D C >
<< > @ = B = D C C >
<C > @ D < B B B > >
<D > >E C C = B D D E
<= > >E > < C C < D E
(Medidas en escalas de B puntos G de 2otalmente en desacuerdo a 2otalmente de
3cuerdo)
?a $ue hemos elegido a las #ariables $ue consideramos $ue podemos utilizar
para nuestro anlisis, debemos demostrar su aplicabilidad mediante la
demostracin de la e/istencia de una fuerte asociacin entre las #ariables $ue #an
a configurarlo, lo cual podemos hacer con el siguiente anlisis de correlacin.
"ntonces podemos identificar la e/istencia de fuertes correlaciones entre distintas
#ariables (tanto positi#as como negati#as), mismas $ue nos dan la pauta para
continuar con la aplicacin de nuestro anlisis.
1i no se obser#aran fuertes correlaciones entre las #ariables $ue sern parte del
3nlisis Cluster se puede concluir $ue no tiene sentido realizarlo.

?a $ue hemos demostrado la e/istencia de fuertes correlaciones entre las
#ariables $ue su&etaremos a la formacin de grupos, debemos de seleccionar el
procedimiento por el cual #amos nosotros a lle#ar a cabo dicha agrupacin.
e los dos mtodos $ue hemos descrito con anterioridad es recomendable
siempre empezar por los mtodos 5err$uicos (2ambin conocidos cmo
e/ploratorios), ya $ue stos nos presentan distintos diagramas (como el
endrograma o la -rfica de 2mpanos) $ue nos ayudan a estudiar'decidir en
cuntos clusters podemos di#idir a los elementos.
4
Tabla de Correlaciones ivariadas
HH HH
.F>FHH HH
.EEE
<=
.E@@ .ECD HH HH
.ACF .FBE
<= <=
I.EAA I.C>F .AC>HH HH
.B== .><> .EE>
<= <= <=
.E@@ I.>>> .A>AHH .=BBHH
.ACA .=@@ .EE> .EEC
<= <= <= <=
I.F>AHH I.=@>HH I.<@A I.EB> I.<>F
.EEE .EE< .>=< .BC= .<@=
<= <= <= <= <=
Correlacin de Pearson
Correlacin de Pearson
1ig. (bilateral)
+
Correlacin de Pearson
1ig. (bilateral)
+
Correlacin de Pearson
1ig. (bilateral)
+
Correlacin de Pearson
1ig. (bilateral)
+
Correlacin de Pearson
1ig. (bilateral)
+
"s di#ertido ir al museo
Cuando #oy al museo
le pido a mis papas
$ue me compren algo
de los materiales $ue
#enden adentro
Puedo aprender en la
escuela lo mismo $ue
en el museo
Prefiero ir al museo en
e/cursiones con la
escuela
7r al museo en mi
tiempo libre me $uita
tiempo para &ugar
+o me interesa en lo
mas m*nimo asistir al
museo
"s di#ertido
ir al museo
Pido a mis
papas $ue
me compren
algo dentro
del museo
Puedo
aprender en
la escuela lo
mismo $ue
en el museo
Prefiero ir al
museo en
e/cursiones
con la
escuela
7r al museo
en mi tiempo
libre me
$uita tiempo
para &ugar
+o me
interesa en lo
mas m*nimo
asistir al
museo
Ja correlacin es significati#a al ni#el E,E> (bilateral).
HH.
Kna #ez $ue hemos realizado la agrupacin por un mtodo 5err$uico, podemos
realizarla tambin por un mtodo no &err$uico para #alidar o confirmar de alguna
forma los datos obtenidos en un principio. (e ah* $ue los mtodos no &err$uicos
se conozcan tambin como mtodos confirmatorios)
3s* pues, mediante la ayuda de un pa$uete estad*stico procedemos a elaborar el
anlisis &err$uico $ue incluya a las A #ariables antes mencionadas.
onde un paso muy importante es la seleccin de la distancia por la cual se
calcular el grado de similaridad de los elementos. (una de las distancias ms
utilizadas es la distancia euclidiana cuadrada).
Lsta distancia es muy importante por$ue es la $ue empieza a agrupar a los
elementos ms similares entre s* (de ah* el nombre de &err$uico) y los grfica en
una grfica llamada dendrograma $ue por moti#os prcticos, la mayor*a de las
#eces reescala las distancias reales entre los elementos a #alores entre E y <=.
"l dendrograma es muy importante por$ue nos ayuda a identificar cuantos grupos
podr*amos utilizar, en ste caso de nuestro anlisis, el dendrograma se muestra
as*0
5
* * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * *
Dendrogram using Average Linkage (Beteen !rou"s#
Res$a%ed Distan$e C%uster Com&ine

C A S E ' ( )' )( *' *(
La&e% Num +,,,,,,,,,+,,,,,,,,,+,,,,,,,,,+,,,,,,,,,+,,,,,,,,,+

*'
*)
)-
).
*(
*/
*0
**
*
(
.
)'
/
0
1
)
-
2
))
)(
)/
)1
)0
)2
)*
!oca distancia
entre los casos
de cada cluster
"n sta grfica podemos notar la e/istencia de distintos grupos de alumnos
(clusters), donde nuestra principal tarea en stos momentos es poder definir con
cuantos grupos $uedarnos, opciones $ue podr*an ir desde los dos hasta $ue cada
alumno represente su propio cluster (es decir, <= clusters), pero debemos tomar
en cuenta la practicidad del mane&o de la informacin, y $ue tampoco podemos
considerar como un cluster o conglomerado a > slo elemento.
3s* $ue de manera grfica podemos optar por la opcin de tres clusters, donde
e/iste poca distancia entre los elementos de cada cluster (la obser#amos por las
l*neas horizontales) y mucha distancia entre los distintos clusters (la obser#amos
de la misma manera), donde cada conglomerado estar*a conformado por los
siguientes ni.os'elementos0
Conglomerado >0 +i.os <E,<>,>F,>@,<=,<C, <D y << (F ni.os)
Conglomerado <0 +i.os <,=,@,>E,C,D,A,>,F y B (>E ni.os)
Conglomerado C0 +i.os >>,>=,>C,>A,>D,>B y >< (B ni.os)
"s muy importante $ue al e&ecutar un anlisis cluster indi$uemos al pa$uete $ue
nos guarde el conglomerado de pertenencia de cada elemento (en el rango de
opciones probables $ue le indi$uemos, P.". de < a B conglomerados), para de
esta manera tener ya el conglomerado de pertenencia de cada elemento en
nuestra base de datos y poder estudiar las caracter*sticas de cada conglomerado.
2ambin podemos &ustificar nuestra decisin de C conglomerados mediante la
creacin de una tabla $ue (esto slo se puede hacer cuando de manera pre#ia le
hemos indicado al pa$uete $ue nos guarde la informacin de pertenencia de cada
caso) nos muestre cuantos elementos estar*an en cada conglomerado entre las
opciones $ue mostramos como probables en un inicio.
18 10 10 9 9 7
7 7 7 1 1 2
8 7 7 7 1
1 7 5 7
1 1 5
2 1
2
1
2
3
4
5
6
7
Casos
2 clusters
Casos
3 clusters
Casos
4 clusters
Casos
5 clusters
Casos
6 clusters
Casos
7 clusters
e sta manera podemos analizar $ue si tu#iramos < clusters, uno tendr*a >F
casos y el otro B, pero si tu#iramos D clusters tendr*amos uno con >E ni.os, otro
con B, otro con B y otro con >, de modo $ue la opcin mas 9#iable; o 9e$uilibrada;
ser*a la $ue tomamos de manera #isual de C clusters! +o debemos ol#idar $ue
6
"uc#a distancia
entre los clusters $%&
adems de prcticos y homogneos, los clusters deben aportar informacin
razonable y fcil de comprender a la in#estigacin.
Kna #ez $ue hemos determinado el n4mero de los clusters, podemos proceder a
estudiarlos y compararlos! una buena opcin podr*a ser desarrollar grficas $ue
nos apoyen en su estudio, y de acuerdo a las caracter*sticas de los clusters
podr*amos tambin otorgarles un nombre con el cual podamos identificarlos ms
fcilmente.
"
s

d
i
#
e
r
t
i
d
o

i
r

a
l

m
u
s
e
o
C
u
a
n
d
o

#
o
y

a
l

m
u
s
e
o

l
P
u
e
d
o

a
p
r
e
n
d
e
r

e
n

l
P
r
e
f
i
e
r
o

i
r

a
l

m
u
s
e
o

7
r

a
l

m
u
s
e
o

e
n

m
i

t
i
e
m
p
o
+
o

m
e

i
n
t
e
r
e
s
a

e
n
E
>
<
C
D
=
A
B
7nteresados esinteresados
J4dicos
Totalmente
de Acuerdo
Totalmente
en
desacuerdo
C
u
a
n
d
o

v
o
y

a
l

m
u
s
e
o

l
e

p
i
d
o

a

m
i
s

p
a
p
a
s

q
u
e

m
e

c
o
m
p
r
e
n

a
l
g
o

a
d
e
n
t
r
o
A
p
r
e
n
d
o

e
n

l
a

e
s
c
u
e
l
a

l
o

m
i
s
m
o

q
u
e

e
n

e
l

m
u
s
e
o
!
r
e
f
i
e
r
o

i
r

a
l

m
u
s
e
o

e
n

e
x
c
u
r
s
i
o
n
e
s

c
o
n

l
a

e
s
c
u
e
l
a
'
r

a
l

m
u
s
e
o

e
n

m
i

t
i
e
m
p
o

l
i
b
r
e

m
e

q
u
i
t
a

t
i
e
m
p
o

p
a
r
a

j
u
g
a
r
(
o

m
e

i
n
t
e
r
e
s
a

e
n

l
o

m

s

m
)
n
i
m
o

i
r

a
l

m
u
s
e
o
E
s

d
i
v
e
r
t
i
d
o

i
r

a
l

m
u
s
e
o
e acuerdo a esto, desarrollamos una grfica donde mostramos los promedios
obtenidos por cada conglomerado en las diferentes preguntas, donde
encontramos cosas interesantes para nuestra in#estigacin0
Cluster *+ 8ormado por F alumnos, nos muestra #alores altos en las preguntas de
di#ersin y de consumo, adems nos presenta un muy ba&o promedio en la
pregunta de 9no me interesa en lo ms m*nimo ir al museo;, es decir, se
encuentran muy interesados en ir al museo, se di#ierten mucho ah*, y adems les
piden a sus papas $ue les compren cosas dentro, entonces de una forma simple
podr*amos identificar a ste cluster como 'nteresado,
Cluster -+ 8ormado por >E alumnos, nos muestra #alores muy altos en las
preguntas de 93prendo lo mismo en la escuela $ue en el museo;, 9prefiero ir al
museo en e/cursiones con la escuela; e 97r al museo en mi tiempo libre me $uita
tiempo para &ugar;, nos dan a entender $ue es un segmento $ue gusta de ir al
7
Sexo por Segmento
Cluster Analysis
Ldicos Desinteresados Interesados
#

C
a
s
o
s
F
A
D
<
8emenino
Masculino
3
4
3
5
3
7
museo en el tiempo de la escuela y no en el tiempo libre (6uiz para perder
tiempo de clases), lo cual nos permitir*a identificar a ste cluster como un grupo
l.dico,
Cluster %+ 8ormado por B alumnos, nos muestra #alores muy ba&os en la mayor*a
de los reacti#os, pero tambin nos muestra un promedio muy alto en la pregunta
9+o me interesa en lo ms m*nimo ir al museo;, y al ser un segmento
completamente aptico, podr*amos identificarlo como un segmento
completamente /esinteresado,
Kna #ez definidas las eti$uetas de cada cluster, podemos tambin continuar en la
in#estigacin de las caracter*sticas de cada grupo, tales como el se/o o si es $ue
gustaron de su #isita al museo.
onde al estudiar las
caracter*sticas de cada
cluster en cuanto al se/o,
podemos obser#ar $ue las
mu&eres forman parte en su
mayor*a del segmento $ue se
encuentra interesado (BEM) y
en segundo lugar con el
segmento l4dico (A<.=M)!
mientras $ue los hombres
forman parte en mayor
n4mero del segmento $ue no
se encuentra interesado con
nada $ue tenga $ue #er con
un museo.
8
/istribuci0n del sexo por cluster
<= >E B F
>EE.EM >EE.EM >EE.EM >EE.EM
>= B C =
AE.EM BE.EM D<.@M A<.=M
>E C D C
DE.EM CE.EM =B.>M CB.=M
+
M
,ase
n
M
8emenino
n
M
Masculino
1e/o
2otal >(7nteresado) < (esinteresado) C (J4dico)
Cluster
"nero <EE=
Gusto de la isita al museo por segmento
Cluster Analysis
Ldicos Desinteresados Interesados
#

C
a
s
o
s
>E
F
A
D
<
E
+o
1i
5
!
"
3
5
#
2ambin podemos estudiar la opinin de cada cluster en relacin a su #isita al
museo, es decir, si gustaron de ella o no, a lo $ue podemos #er lo siguiente0
onde ob#iamente la mayor*a
de los ni.os interesados
gustaron de la #isita al museo
(@), slo dos casos del
segmento desinteresado lo
hicieron, y en lo $ue respecta
a los ni.os catalogados como
l4dicos = gustaron de su #isita
al museo.
?a hemos estudiado las caracter*sticas principales de cada cluster, y ya podemos
decir $ue los conocemos, ahora en cuanto a manera de 9&ustificacin; de las
agrupaciones podemos tambin hacerlo mediante la demostracin de $ue e/isten
diferencias significati#as entre cada uno de los clusters.
Lstas diferencias resultan ser ob#ias desde cierto punto de #ista, y son utilizadas
solo para propsitos meramente descripti#os, ya $ue uno de los ob&eti#os del
anlisis de conglomerados es precisamente ma/imizar las diferencias entre los
grupos de casos.
9
Necuento
> @ >E
= < B
C = F
@ >A <=
7nteresados
esinteresados
J4dicos
Cluster
2otal
+o 1i
2e gust tu #isita al
museo?
2otal
Jas diferencias significati#as entre stos grupos de casos las mostramos en la
siguiente tabla.
"n sta tabla podemos tambin identificar cules son las #ariables $ue
contribuyen ms al proceso de agrupamiento, esto podemos hacerlo mediante los
#alores 8, entonces podemos concluir $ue las #ariables $ue contribuyen ms al
agrupamiento son0 "s di#ertido ir al museo, y Cuando #oy al museo le pido a mis
papas $ue me compren algo adentro.
"n relacin a los mtodos no &err$uicos o confirmatorios (Como el mtodo de OI
Medias), es necesario indicar con anticipacin el n4mero de clusters en los $ue se
$uiere di#idir la base (3dems, no debemos ol#idar $ue cada una de las #ariables
implicadas en el anlisis deben estar en la misma escala de medicin, o en caso
de no serlo, estar estandarizadas)! por esto es necesario realizar una fase pre#ia
10
ANOVA
AB.FFA < CC.@DC A>.AD< .EEE
><.>>D << .==>
FE.EEE <D
F<.C<F < D>.>AD =D.DD@ .EEE
>A.AC< << .B=A
@F.@AE <D
<@.@>> < >D.@=A >D.BCA .EEE
<<.C<@ << >.E>=
=<.<DE <D
D=.B<A < <<.FAC C<.FDD .EEE
>=.C>D << .A@A
A>.EDE <D
C=.EFC < >B.=D> <C.ECE .EEE
>A.B=B << .BA<
=>.FDE <D
D>.@C> < <E.@AA >@.C=B .EEE
<C.F<@ << >.EFC
A=.BAE <D
7nterIgrupos
7ntraIgrupos
2otal
7nterIgrupos
7ntraIgrupos
2otal
7nterIgrupos
7ntraIgrupos
2otal
7nterIgrupos
7ntraIgrupos
2otal
7nterIgrupos
7ntraIgrupos
2otal
7nterIgrupos
7ntraIgrupos
2otal
"s di#ertido ir al museo
Cuando #oy al museo le pido a
mis papas $ue me compren
algo de lo #enden adentro
Puedo aprender en la escuela
lo mismo $ue en el museo
Prefiero ir al museo en
e/cursiones con la escuela
7r al museo en mi tiempo libre
me $uita tiempo para &ugar
+o me interesa en lo mas
m*nimo asistir al museo
1uma de
cuadrados gl
Media
cuadrtica 8 1ig.
de un anlisis &err$uico $ue nos oriente y permita identificar de manera #isual en
cuantos grupos se pueden di#idir la base.
Cuando contamos con una base base de datos e/tensa, resulta hasta cierto punto
dif*cil poder interpretar el dendrograma (debido a su e/tensin), as* $ue
podr*amos realizar el anlisis de OImedias pidindole a la m$uina soluciones
m4ltiples (podr*amos hacerlo con ste e&ercicio, con una solucin de C a B
clusters), pidindole tambin a la m$uina $ue nos guarden los conglomerados de
pertenencia para cada indi#iduo.
Posteriormente, podr*amos crear una tabla idntica a la $ue mostramos
anteriormente en la cual nos indi$uen cuantos casos e/istir*an para cada cluster,
y as* tomar la decisin de cuantos clusters conser#ar.
7n#itamos al lector a realizar la prctica mediante los conglomerados &err$uicos y
no &err$uicos con sta base de datos para comparar los resultados.
:tra forma mediante la $ue podr*amos comprobar'#alidar nuestra clasificaciones
es de manera grfica, para esto realizamos un diagrama de dispersin por medio
de un anlisis discriminante.
11
$unciones Discriminantes Can%nicas
Cluster
Centroides de grupo
J4dicos
esinteresados
7nteresados
Resultados de la clasificacin
a
>E E E >E
E B E B
E E F F
>EE.E .E .E >EE.E
.E >EE.E .E >EE.E
.E .E >EE.E >EE.E
3#erage JinPage
(,etQeen -roups)
7nteresados
esinteresados
J4dicos
7nteresados
esinteresados
J4dicos
Necuento
M
:riginal
7nteresados
esintere
sados J4dicos
-rupo de pertenencia pronosticado
2otal
Clasificados correctamente el 100.0% de los casos agrupados originales. a.
"n dicho diagrama de dispersin y en la tabla $ue muestra los resultados de
clasificacin podemos obser#ar $ue tenemos una muy buena clasificacin ("sta
clasificacin tan alta no se logra siempre, #ar*a muchas #eces tanto del n4mero de
casos como de la forma en $ue se distribuyen, en sta ocasin tu#imos la fortuna
de $ue los casos muestren una agrupacin natural perfectamente delimitada),
donde de manera grfica podemos obser#ar $ue los tres grupos se diferencian
muy bien, encontrndose cada uno en regiones muy independientes.
Kna de las principales aplicaciones de ste anlisis es el poder identificar a los
grupos dentro de una poblacin y poder orientar estrategias a cada uno de llos
para $ue nosotros podamos alcanzar los ob&eti#os ms fcilmente y de la manera
ms ptima, as* $ue si usted fuera de las personas del museo, y estu#iera
planeando in#itar a distintos ni.os a una nue#a e/posicin,R 3 $uines les
mandar*a la carta de in#itacin?
12
!oca
distancia
entre los
casos
de cada
i
Csar Lpez, Tcnicas Estadsticas con !, 2001