México
El análisis de conglomerados es útil para conocer las características de volumen, orientación y forma de los grupos generados en el proceso de agrupamiento. La descomposición, en términos de los valores y vectores característicos de la matriz de covarianzas, de una mezcla de densidades normales multivariadas, permite especificar tales características en los algoritmos de agrupamiento. Con base en esos valores y vectores característicos se revisaron y compararon cinco modelos, que resultan de estimar dicha matriz, para determinar el éxito que tienen esos criterios de agrupamiento con estadísticas de validación que detectan alguna posible estructura de grupos en los datos, así como el ajuste de un dendrograma y de su partición. Este trabajo se complementa mediante la aplicación de los criterios anteriores en la clasificación de 49 razas mexicanas de maíz (Zea mays L.). Los modelos de agrupamiento óptimos:
λλλλλλλλ DAD DAD kk tkkkk t, y λλλλkI generaron las clasificaciones que coincidieron mejor con el modelo de referencia.
Cluster volume, orientation and shape of groups generated are characteristics of interest in cluster analysis. The decomposition in terms of eigenvalues and eigenvectors, of the covariance matrix of a mixture of multivariate normal distributions, allows the specification of these characteristics in the clustering algorithms. Based on this decomposition, five models obtained from estimations of the covariance matrix were compared in order to evaluate the success of such clustering criteria, when used in combination with statistics used to validate some kind of structure in data, and to fit a dendrogram and its partition. These results were applied to the classification of 49 Mexican races of maize (Zea mays L.). The optimal clustering models λλλλλλλλ DAD DAD kk t kkkk t, and λλλλkl generated the classifications with closer agreement to the reference model.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados