ANLISIS DISCRIMINANTE

Investigacin de Mercados II

EQUIPO 4:

Caamal Miguel Gmez Enrique Catzn Omar Esparza Eber Escalante Rosario

INTRODUCCIN
En los negocios hay muchas situaciones donde sujetos en estudio pueden ser separados en dos o ms grupos bien definidos.

Estos sujetos pueden ser personas, ciudades, universidades, pases u otros. El propsito del Anlisis Discriminante es construir un clasificador basado en datos multivariados, pertenecientes a grupos bien conocidos por el investigador.

DEFINICIN

Anlisis discriminante:
Tcnica de Anlisis Multivariante que permite asignar o clasicar nuevos individuos dentro de grupos previamente reconocidos o denidos.

DEFINICIN
Anlisis discriminante de dos grupos: Tcnica de anlisis discriminante en la que la variable de criterio tiene dos categoras.

Anlisis discriminante mltiple:

Tcnica de anlisis discriminante en la que la variable de criterio abarca tres o ms categoras.

PASOS REQUERIDOS EN EL ANLISIS DISCRIMINANTE

Formulacin Estimacin Determinacin de la significancia Interpretacin Validacin

OBJETIVOS
1. La habilidad para describir los casos observados matemticamente de una manera que los separa en grupos tan bien como sea posible.

2. La habilidad para clasificar nuevas observaciones como pertenencia a uno u algunos grupos.

SE DEBE TENER EN CUENTA QUE:

Los grupos de la variable dependiente deben ser mutuamente excluyentes. No es confiable el grado de error si se pronostica con los mismos datos (use un % de la poblacin o muestra observada). Se pueden tener n variables independientes siempre y cuando sean medidas mtricas. La variable dependiente no debe ser mtrica sino categrica (nominal) para formar grupos.

SEMEJANZA Y DIFERENCIA ENTRE ANLISIS DE VARIANZA, REGRESIN Y DISCRIMINANTE

ETAPAS
SELECCIN DE VARIABLES DEPENDIENTE E INDEPENDIENTES.
SELECCIN DEL TAMAO MUESTRAL. DIVISIN DE LA MUESTRA. CHEQUEO DE LAS HIPTESIS DE PARTIDA. ESTIMACIN DEL MODELO.

VALIDACIN DE LAS FUNCIONES DISCRIMINANTES. CONTRIBUCIN DE LAS VARIABLES A LA CAPACIDAD

DISCRIMINANTE DE LAS FUNCIONES. VALORACIN DE LA CAPACIDAD PREDICTIVA. UTILIZACIN FUNCIONES.

SUPUESTOS QUE FUNDAMENTAN LA TCNICA

Para que se logre una Funcin Linear Discriminante ptima se supone que: Cada grupo debe ser una muestra de una poblacin normal multivariada. Las matrices de covarianza poblacional deben ser iguales. (Se entiende por varianza la dispersin de los datos con respecto a su media y covarianza la dispersin de los datos tomando en cuenta las dos variables como si fueran una sola). Se utiliza la M de Box para probar la igualdad de las matrices de covarianza de la variables independientes entre los grupos que forman la variable dependiente. Si la M de Box resulta significativa no se puede sustentar la hiptesis que seala que las matrices de covarianza poblacional son iguales y por consiguiente no hay lugar al uso de la tcnica.

SELECCIN DE VARIABLES DEPENDIENTE E INDEPENDIENTES

La variable dependiente no tiene que ser, necesariamente, categrica

en origen.
a. b. Los grupos deben ser mutuamente excluyentes. La decisin sobre el nmero de categoras. Debe ajustarse al poder discriminante de los predictores Puede observarse en etapas sucesivas (inicial con todas, y en el lmite, optando slo por el enfoque de extremos polares) a. b. c. Las variables explicativas: No deben ser excesivas Deben atender siempre al objetivo conceptual Pueden someterse a un test ANOV. univariante de diferencia de medias o un test

SELECCIN DEL TAMAO MUESTRAL

Elevada sensibilidad al tamao muestral predictoras. Vs. N de (Receta: mnimo 5 observaciones por

variable, recomendado 20 observaciones por variable). Tambin debe vigilarse el tamao de los grupos:

a. El equilibrio no es necesario pero es recomendable.

b. El ms pequeo de los grupos no puede serlo mucho (Receta: como mnimo, el tamao del grupo ms pequeo

debe ser mayor al nmero de variables).

DIVISIN DE LA MUESTRA

Utilidad del enfoque de validacin cruzada (muestra de anlisis + muestra ampliada). a. Garantizado un tamao muestral total suficiente. b. Aplicando muestreo estratificado proporcional en ambas muestra.

VALIDACIN DE LAS FUNCIONES DISCRIMINANTES

Autovalores: En el mtodo de Fisher, la obtencin de las distintas funciones se deriva de un proceso de obtencin de races y vectores propios de una forma cuadrtica. La suma de cuadrados entre grupos de cada funcin discriminante, viene definida por un autovalor l(i). Ratio Autovalor / Suma autovalores: capacidad

discriminante relativa, pero no absoluta. Correlacin cannica funcin - variable clasificacin

original:

Coeficientes

elevados

anticipan

adecuada

capacidad discriminante.

EJEMPLO

Se dispone de una muestra de pacientes a los que se les mide previamente un conjunto de variables. El investigador puede dividir la muestra en dos (o ms) grupos de diagnstico. Ms tarde se mide a un nuevo enfermo el mismo grupo de variables y, por los valores obtenidos, el Anlisis Discriminante permite asignar dicho paciente al grupo de mxima probabilidad, cuanticando a la vez el valor de ella.