Implementación de técnicas análisis multivariado en la plataforma Softprosp para determinar correlación de variables

• Autores: Raúl Martelo Gómez, Natividad Villabona, Heybertt Moreno Díaz
• Localización: Ciencia e Ingeniería: Revista de investigación interdisciplinar en biodiversidad y desarrollo sostenible, ciencia, tecnología e innovación y procesos productivos industriales, ISSN 2389-9484, Vol. 4, Nº. 1, 2017 (Ejemplar dedicado a: Ciencia e Ingeniería - ISSN 2389-9484 (enero-junio); e051)
• Idioma: español
• Títulos paralelos:
  • Implementation of techniques multivariate analysis in the Softprosp platform to determine correlation of variables
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El objetivo del presente proyecto es implementar la técnica análisis multivariado (Análisis de Componentes Principales ACP) para el acompañamiento de estudios prospectivos en la plataforma SoftProsp. Ésta puede ser aplicada a matrices que contienen grandes dimensiones de datos experimentales con multitud de variables (Rodríguez, Matera y Pérez, 2016). En particular, el Análisis de Componentes Principales (PCA) parte del análisis de factores, donde su finalidad es agrupar variables que tienen correlación entre sí, separándolas de las que no (Quiroga y Villalobos, 2015). En cuanto a los resultados, se pretende optimizar la utilización de ésta técnica con herramientas como el Test de Barlett, el método de rotación ortogonal Varimax y gráficos de sedimentación (Scree-plot), y además, apoyar al desarrollo de análisis multivariado con otras técnicas prospectivas implementadas en la plataforma.

  • English

    The objective of the present project is to implement the multivariate analysis technique (Principal Components Analysis ACP) for the accompaniment of prospective studies in the SoftProsp platform. This can be applied to matrices that contain large dimensions of experimental data with a multitude of variables (Rodríguez, Matera and Pérez, 2016). In particular, the Principal Component Analysis (PCA) starts from the analysis of factors, where its purpose is to group variables that have correlation with each other, separating them from those that do not (Quiroga and Villalobos, 2015). As for the results, it is intended to optimize the use of this technique with tools such as the Barlett test, the Varimax orthogonal rotation method and sedimentation graphs (Scree-plot), and also support the development of multivariate analysis with other techniques prospects implemented in the platform.