Vitelleschi, María S.
Modelos PCA a partir de conjuntos de datos con información faltante. ¿Se afectan sus propiedades? / María Susana Vitelleschi, Directora: Marta Beatriz Quaglino
En: Saberes / Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística. -- Vol. 2 (2010). -- Rosario : Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística, 2009

Inc. Ref. Bib.

Màs informaciòn en: http://www.saberes.fcecon.unr.edu.ar/index.php/revista/issue/view/3

En este trabajo se aborda la problemática de la construcción de modelos PCA (Principal Component Analysis) a partir de conjuntos de datos con información faltante. Se trabaja sobre tres situaciones diferentes con relación a la matriz de datos originales. En cada situación se generaron pérdidas a través de mecanismos aleatorios y no aleatorios, en diferentes porcentajes en una sola variable por vez, seleccionada mediante dos criterios: la que más contribuye y menos contribuye en la formación de la primera componente principal. A partir de cada conjunto de datos incompletos se construye el modelo PCA utilizando: Casos Completos, Nonlinear Iterative Partial Least Squares (NIPALS) y Expectation Maximization (EM). Se comparan los resultados con los obtenidos a través del conjunto de datos originales. Se definen una serie de medidas para estudiar cómo se afectan los resultados según la dimensión de la matriz de datos, el porcentaje y el mecanismo de pérdida, con relación a: bondad del ajuste, bondad de predicción, vectores cargas, ortonormalidad de la matriz de cargas y ortogonalidad de la matriz de "scores"
ISSN: 18524184

1. DATOS ESTADISTICAS; 2. ESTADISTICA I. Quaglino, Marta B.

(3) Inv.: 08401 S.T.: PP-S