MAESTRÍA EN PRODUCCIÓN Y OPERACIONES

TALLER 4: CASO DE ESTUDIO

Modulo: Análisis Multivariado y Diseño Experimental

Catedrático: Ing. Raúl Jimmy Álvarez Guale
Estudiante: Ing. Javier duque

Los datos adjuntos corresponden a la medición de 17 humedales en determinada época del año. Las
variables medidas son:
X1: Conductividad eléctrica
X2: Bicarbonatos
X3: Cloruros
X4: Sulfatos
X5: Calcio
X6: Magnesio
X7: Sodio
X8: Potasio
X9: Fosfatos

Sectores X X2 X3 X4 X5 X6 X7 X8 X9
1
1 0,315 1,6694 5 86 55 4 4 2 1,8082
2 8 3,7282 2388 7638 2123 972 1757 5 0,3228
3 3,41 4,0642 732 881 218 122 379 41 74,588
4 3,94 1,4585 1359 772 251 96 710 14 0,0968
5 2,8 4,4862 220 2510 572 20 458 7 0,0968
6 1,56 2,4745 269 495 157 38 162 9 0,3228
7 11 1,2206 3038 923 233 226 1488 11 0,0645
8 8,75 2,6384 4325 456 234 229 2371 11 1,1947
9 2,6 3,3251 840 2270 609 86 284 7 0,5166
10 6,37 2,5483 2320 1040 1294 192 485 23 0,4843
11 1,18 5,1966 13 499 202 20 5 18 6,7807
12 0,57 1,7494 110 42 21 12 60 6 0,5812
13 3,4 2,1189 1121 866 157 115 643 4 0,7426
14 3,48 1,7207 1484 554 151 151 708 7 0,1291
15 4,62 1,0357 472 2964 752 160 652 34 0,1291
16 3,8 0,8685 1023 2274 1946 360 430 23 0,5489
17 0,3 1,8567 7 15 39 3 4 2 4,4882

Escoja el mejor análisis posible de agrupación de datos e interprete los resultados.

Prueba de Normalidad
Cómo se puede observar se realiza la prueba para el análisis de normalidad de los 9 grupos de datos y se
pudo concluir qué sólo 3 grupos de datos pasan la prueba de hipótesis .
La prueba utilizada es la prueba de Kolmogorov.
Esto se da debido a que tenemos solo pocos datos de la muestra, solo se cuenta con 17 datos de muestrs.
Análisis Factorial
El determinante de la matriz de correlación es igual a 3,413E-5, por lo que resulta un número que tiende a
cero, sin embargo, se debe realizar las operaciones correspondientes a validación de otros supuestos.

Matriz de correlacionesa

a. Determinante =
3,413E-5

Medida Kaiser-Meyer-Olkin de adecuación de muestreo

El test KMO (Kaiser, Meyer y Olkin) relaciona los coeficientes de correlación, Cuanto más cerca de 1
tenga el valor obtenido del test KMO, implica que la relación entre las variables es alta; Si KMO < 0.5.,
el test es muy bajo;
En la prueba de KMO, se obtubo un valor de 0,492; por lo que se puede concluir que la correlacion es
muy baja.

Prueba de KMO y Bartlett

Medida Kaiser-Meyer-Olkin de adecuación de muestreo ,492
Prueba de esfericidad de Aprox. Chi-cuadrado 125,139
Bartlett gl 36
Sig. ,000

La matriz anti-imagen (diagonal de la matriz de correlación), que solo tres elementos poseen una
correlación superior a 0.5 (X1, X6, X7); (aunque hay autores que mencionan que solo deben considerarse
los elementos superiores a 0.6); por lo que hay 6 elementos que no poseen una correlación, por lo que se
podrían excluir, los datos resaltados con amarillo son los que no cumplirían el criterio de correlación (X2,
X3, X4, X5, X8, X9).

Matrices anti-imagen
X1 X2 X3 X4 X5 X6 X7 X8 X9
Covarianza anti- X1 ,085 ,056 -,035 -,034 ,028 ,006 ,012 -,061 ,022
imagen X2 ,056 ,544 -,042 -,093 ,017 ,076 ,027 ,063 -,164
X3 -,035 -,042 ,032 ,034 -,032 -,007 -,031 ,028 -,009
X4 -,034 -,093 ,034 ,059 -,036 -,031 -,032 ,015 ,014
X5 ,028 ,017 -,032 -,036 ,093 -,037 ,047 -,095 ,080
X6 ,006 ,076 -,007 -,031 -,037 ,071 -,009 ,061 -,077
X7 ,012 ,027 -,031 -,032 ,047 -,009 ,049 -,029 ,022
X8 -,061 ,063 ,028 ,015 -,095 ,061 -,029 ,245 -,199
X9 ,022 -,164 -,009 ,014 ,080 -,077 ,022 -,199 ,262
Correlación anti- X1 ,674a ,261 -,681 -,486 ,315 ,075 ,188 -,424 ,150
imagen X2 ,261 ,209 a
-,321 -,520 ,075 ,384 ,163 ,173 -,434
X3 -,681 -,321 ,473a ,794 -,582 -,142 -,792 ,316 -,094
X4 -,486 -,520 ,794 ,473a -,493 -,481 -,600 ,129 ,109
 X5 ,315 ,075 -,582 -,493 ,446a -,455 ,689 -,628 ,511
X6 ,075 ,384 -,142 -,481 -,455 ,672a -,156 ,466 -,564
X7 ,188 ,163 -,792 -,600 ,689 -,156 ,578a -,263 ,192
X8 -,424 ,173 ,316 ,129 -,628 ,466 -,263 ,227a -,785
X9 ,150 -,434 -,094 ,109 ,511 -,564 ,192 -,785 ,293a
a. Medidas de adecuación de muestreo (MSA)

Varianza total explicada

En la tabla de varianza total explicada se muestra con un total del 81.946% de todos los datos de los 9
componente se pueden agrupar en 3 factores, por lo que no es conveniente un análisis de
UNIDIMENSIONALIDAD, ya que la carga factorial solo debe ser en un factor.

Varianza total explicada

Sumas de cargas al cuadrado de Sumas de cargas al cuadrado de
Autovalores iniciales la extracción la rotación
% % %
Compon % de acumulad % de acumulad % de acumulad
ente Total varianza o Total varianza o Total varianza o
1 3,986 44,291 44,291 3,986 44,291 44,291 2,947 32,750 32,750
2 1,840 20,448 64,739 1,840 20,448 64,739 2,663 29,588 62,337
3 1,549 17,207 81,946 1,549 17,207 81,946 1,765 19,609 81,946
4 ,962 10,693 92,639
5 ,343 3,807 96,446
6 ,180 2,005 98,451
7 ,084 ,933 99,384
8 ,041 ,452 99,836
9 ,015 ,164 100,000
Método de extracción: análisis de componentes principales.

Matriz de componente rotado

Por medio de la matriz de componentes rotados podemos observar en cuantos grupo o componentes de
pueden agrupar los datos.
Se puede apreciar que en la matriz de componente rotado que los 9 grupos se subdivide en 3 factores el
cual está compuesto de la siguiente manera:
F1: X1, X3, X6, X7.
F2: X4, X5, X6.
F3: X2, X8, X9.

Matriz de componente rotadoa

Componente
1 2 3
X1 ,931
X2 ,460
X3 ,965
X4 ,953
X5 ,892
X6 ,441 ,851
X7 ,917
X8 ,838
X9 ,915
Método de extracción: análisis de
componentes principales.
Método de rotación: Varimax con
normalización Kaiser.
a. La rotación ha convergido en 5 iteraciones.

Gráfico de componentes.
El grafico de componente nos da una visión grafica de la agrupación de datos hecha en la matriz de
componentes

Por lo que se puede corroborar la agrupación realizada anteriormente

Dendograma que utiliza un enlace promedio

El dendrograma es un diagrama de árbol que muestra los grupos que se forman al crear conglomerados de
variables en cada paso y sus niveles de similitud. El nivel de similitud se mide en el eje vertical
(alternativamente se puede mostrar el nivel de distancia) y las diferentes variables se especifican en el eje
horizontal.
Como se puede observar los sectores forman grupos y esta cantidad de grupos esta dada por donde se
realice la segmentación o corte
En la posición mostrada, la línea punteada corta o toca a 5 líneas horizontales, por lo que podemos decir
que se forman 5 sub grupos o categorías,
Estas categorías quedarían de la siguiente manera :

G1: esta formado por los sectores: 1, 17, 12, 6, 11, 4, 14, 13, 3.
G2: esta formado por el sector 10
G3: esta formado por los sectores: 5, 15, 9, 16.
G4: está formado por los sectores: 7, 8.
G5: está formado por el sector 2.