UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

FACULTAD DE INGENIERIA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MINAS

TEMA:
(CAP. 2 ESTUDIO EXPLORATORIO DE DATOS 3,4)
ANALISIS MULTIVARIABLE Y COMPORTAMIENTO ESPACIAL
Grupo: 2
Docente: ING. ISMAEL VILLAVICENCIO PANUERA
Integrantes:
1. HUAMAN QUISPE MISAEL YAMIN 162102
2. CONDORRI CUIPA ADAN 152089
3. HUAMANI RODRIGUEZ CARLOS 151110
4. SERRANO ORTEGA MICKEY 162120
5. ORCCORI MAYHUIRI RAUL 141122

ABANCAY-APURIMAC 2019
 ANÁLISIS MULTIVARIABLE

El análisis multivariable es un método estadístico utilizado para

determinar la contribución de varios factores en un simple evento o
resultado.
 Grafico cuantil contra cuantil.
 Nube de dispersión o de correlación.
 Matriz de correlación
 Análisis en componentes principales
 CUANTILES
Los cuantiles suelen usarse por grupos que dividen la distribución en
partes iguales; entendidas estas como intervalos que comprenden la
misma proporción de valores. Los más usados son:
 La mediana
 Los cuartiles
 Los deciles
 Los percentiles
 MEDIANA
la mediana representa el valor de la variable de posición central en un conjunto de
datos ordenados.
 CUARTILES

Los cuartiles son valores que dividen una muestra de datos en cuatro partes iguales.
Utilizando cuartiles puede evaluar rápidamente la dispersión y la tendencia central
de un conjunto de datos, que son los pasos iniciales importantes para comprender
sus datos.
 DECILES

un decil es cualquiera de los nueve valores que dividen a un grupo de datos

ordenados en diez partes iguales, de manera que cada parte representa 1/10 de la
muestra o población
 PERCENTILES
El percentil es una medida de posición usada en estadística que indica que una vez
ordenados los datos de menor a mayor, el valor de la variable por debajo del cual se
encuentra un porcentaje dado de observaciones en un grupo de observaciones.
 GRAFICO CUANTIL CONTRA CUANTIL
El grafico cuantil contra cuantil busca comparar dos distribuciones entre si, que
pueden ser asociadas a variables distintas o a una misma variable medida en zonas
distintas o con aparatos distintos.
Es importante senalar que el grafico cuantil contra cuantil no da ninguna
información sobre la correlacion que existe entre los dos grupos de datos. Solo
permite comparar sus distribuciones
ejemplo, mediana contra mediana, cuartiles contra cuartiles, deciles contra deciles,
etc.).
 ejemplo, las concentraciones de cobalto y niquel

Grafico cuantil contra cuantil entre concentraciones de cobalto y

niquel. La pendiente de la curva es distinta entre las bajas y las altas
concentraciones.
 DIAGRAMA

Es un tipo de diagrama
matemático que utiliza
las coordenadas
cartesianas para mostrar
3.2. DIGRAMA DE los valores de dos
DISPERSIÓN O variables para un
CORRELACION conjunto de datos.

DISPERSION
TIPOS DE CORRELACIÓN
Nube de dispersión entre concentraciones de cobre y
níquel.
 FORMULAS DE CORRELACION

Formula conceptual FORMULA COMPUTACIONL

Nos explica como La matriz de correlación es una matriz
se encuentran conformada por n filas y por n
relacionadas cada QUE ES?
columnas
una de las
variables con otra
variable

3.3.
MATRIZ
QUE NOS MATRIZ
EXPLICA? DE SIMETRICA

CORRELA
CION
Es decir, que los
Su diagonal siempre contendrá el valor de valores de los
Si tiene un valor 0, nos indicará que no elementos aij de la
tiene ninguna relación con esa variable, matriz, es el
por lo menos no lineal; es decir, pueda que DIAGONAL mismo valor en los
tenga una relación cuadrática o de otro elementos aji de la
grado matriz.
 Matriz de correlación entre concentraciones de contaminantes. Los
términos diagonales valen 1, pues corresponden a la correlación entre
una variable y ella misma.
 3.4. ANÁLISIS EN COMPONENTES
PRINCIPALES
El objetivo es construir un pequeño numero de nuevas variables llamadas
componentes en las cuales se concentra la mayor cantidad posible de información.
 VETAJAS DE ACP

Tenemos dos columnas .

Permite ver los datos en R^2,

para identificar segmentos,
clúster, similitudes y
disimilitudes.
 ACP

Las componentes representan una foto de las variables originales, cuando se

proyectan en el plano principal.
ACP: ILUSTRACION
 PLANO
PRICIPAL:

La idea es que los individuos que están en un espacio de n-dimensiones, se puedan proyectar en un plano.
 CIRCULO DE
ACP PARA LAS VARIABLES CORRELACIONES
 INTERPRETACION DEL CICULO DE
CORRELACION

• Si el ángulo es cercano a cero

quiere decir que existe una
correlación fuerte y positiva .
• Si el ángulo es cercano a
noventa quiere decir que no
existe correlación.
• Si el ángulo es cercano a ciento
ochenta quiere decir que existe
una correlación fuerte e inversa.
 4. Comportamiento espacial
4.1.Nube direccional
Para hacerse una idea mas precisa de la
distribución espacial de los valores mas allá
de un simple despliegue de mapa, es
cómodo visualizar las nubes de los valores
a lo largo de las direcciones de las
coordenadas (este y norte) cada una de
ellas en partes por millón.
Estas nubes permiten visualizar si el
comportamiento de los datos experimentan
algún cambio en cuanto a su valor
promedio ya sea de su dispersión o su
continuidad, a si como detectar los datos
mas atípicos (aquellos que se destacan del
resto de las nubes.)
Análisis de cualquier variable espacialmente distribuida
4.2. NUBES DE CORRELACIÓN DIFERIDA
Observemos las nubes de correlación diferida para varias distancias
de separación (datos de leyes de cobre en un yacimiento):
La dispersión de la nube aumenta con la distancia de
separación.

El examen de las nubes de correlación diferida indica cuan

semejante son dos datos en función de la distancia que las
separa. Es decir, permite apreciar la correlación espacial de
(las variables aleatorias que representan) los valores de la
variable regionalizada.
CORRELOGRAMA EXPERIMENTAL
Una primera manera de medir la correlación espacial consiste en calcular el
coeficiente de correlación diferida.
Al reportar el valor de este coeficiente de correlación en función de la distancia de
separación, se obtiene lo que se denomina el Correlograma experimental de los datos.
Generalmente, se trata de una función decreciente de la distancia; tiende a cero
cuando esta se vuelve muy grande.
Definición matemática e ilustración
COVARIANZA EXPERIMENTAL
En lugar de visualizar el coeficiente de correlación, se puede
visualizar la covarianza en función de la distancia de
separación.
VARIOGRAMA EXPERIMENTAL
El variograma experimental se obtiene al visualizar el momento de
inercia de las nubes de correlación diferida (distancia promedio a la
diagonal principal) en función de la distancia de separación:
Generalmente, se trata de una función creciente de la distancia; se anula cuando
esta vale cero.
Existe una relación entre todas las herramientas variográficas. En general, se
prefiere utilizar el variograma, puesto que su cálculo no hace intervenir los
valores de las medias m+(h) y m-(h).

Ilustración
Para terminar este panorama sobre herramientas de estudio exploratorio, presentaremos
la nube de correlación diferida. Se trata de la nube de puntos (z(xα),z(xα + h)) donde h es un
vector dado, mientras que xα y xα + h son sitios con datos. Los pares de datos con valores
muy disímiles corresponderán a los puntos de la nube más alejados de la primera bisectriz.
Cuando los datos están ubicados en una grilla regular, se toma un vector h múltiplo del
espaciamiento de esta grilla.

En caso contrario, se debe introducir tolerancias en la longitud y la orientación de h, a

falta de que la nube se reduciría a muy pocos puntos. Da una ilustración, para un vector h
de longitud 0.25 km (con una tolerancia de 0.01 km) sin importar la orientación. Los
puntos más alejados de la bisectriz han sido puestos en relieve y los pares de datos
correspondientes han sido destacados en el mapa de ubicación: se trata de datos cercanos
cuyos valores son muy diferentes.