EstadisiticaDescriptivaMultivariada PDF

Estadística
descriptiva
multivariada
Campo Elías Pardo
Facultad de Ciencias
Sede Bogotá
Estadística
descriptiva
multivariada
Estadística
descriptiva
multivariada
Campo Elías Pardo
Bogotá, D. C., Colombia, junio de 2020

· i
A la memoria de Soledad, Luis Carlos e Israel.
A Esperanza, David –el científico– y Camilo –el mago–.

ii ·
Prefacio
Pongo a disposición este libro, después de muchos años de dictar cursos de

Estadística multivariada, con énfasis en la versión descriptiva, que pone co-
mo centro la comparación de los “individuos”, es decir las unidades estadís-
ticas. Estos son métodos que forman parte del “aprendizaje no supervisado”
y de lo que hoy se conoce como “Ciencia de datos”. Se abordan los temas
suficientes para un curso de un semestre de estudiantes de los programas
en Estadística, buscando que se comprendan la lógica de los métodos y su
aplicación con una experticia suficiente para seguir analizando datos dentro
investigaciones aplicadas y para la resolución de problemas del sector real,
donde cada día aumenta los disponibilidad de datos, de forma exponencial.
El texto está escrito para que los lectores puedan repetir los ejemplos
y realizar los talleres prácticos utilizando el lenguaje estadístico R y para
los que lo deseen, producir los informes y otros documentos en LATEX. Las
gráficas y tablas presentadas tienen poca o ninguna edición para que puedan
ser reproducidas con el código R, presentado.
Los estudiantes de otras áreas pueden abordar el texto con una visión
aplicada, entendiendo la geometría involucrada en los métodos, por lo me-
nos de una manera intuitiva para tomar las decisiones metodológicas apro-
piadas y hacer una interpretación correcta de los resultados.
Quiero agradecer a la Universidad Nacional de Colombia, la Facultad
de Ciencias y el Departamento de Estadística. A los decanos de la Facul-
tad, vicedecanos de investigación, a los Directores del Departamento, y a
los distintos equipos de los últimos años encargados de las publicaciones
tanto en la Facultad como el Departamento por el apoyo continuado para
la publicación de este libro.
A quienes tuvieron que ver directamente con el desarrollo de este libro:
al colega Jimmy Corzo por una primera lectura y concepto, en nombre del
Departamento de Estadística; a los dos evaluadores anónimos, designados
por la Facultad para la revisión del libro. Todos ellos hicieron aportes im-
portantes para mejorar el texto.
A Angélica María Olaya por sus contribuciones como Editora, a los co-
rrectores de estilo Yecid Muñoz y Hernán Rojas, por sus aportes a la mejora
del español y de la presentación del texto. A Camilo Cubides por el diseño
y programación de la plantilla para los libros editados en LATEX que he uti-
lizado, y su disposición a contribuir en su utilización y en la solución de los
problemas técnicos.
· iii
A mis estudiantes de los cursos de Estadística descriptiva multivariada,

de los últimos semestres por su contribución en la búsqueda de errores en
las versiones previas del texto y en el código R incluido. Lo mismo a mis es-
tudiantes de los cursos de Análisis multivariado de datos, Teoría estadística
multivariada de la Maestría en Estadística fue utilizado como referencia; y
a los de Análisis multivariado aplicado de la Especialización en Estadística.
Contenido
Lista de figuras xi
Lista de tablas xv
Introducción xvii
Capítulo uno
Preliminares 1
1.1. Introducción a los métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. El lenguaje estadístico R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Obtención e instalación de R . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2. Instalación de paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3. RStudio, Sweave y Markdown . . . . . . . . . . . . . . . . . . . . . . 9
1.3. El programa DtmVic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. Editor para gráficas obtenidas con R . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Conceptos de álgebra lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6. Entorno de una tabla de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7. Preparación de los datos para el análisis . . . . . . . . . . . . . . . . . . . 11
1.7.1. Transformación de variables cualitativas . . . . . . . . . . . . . . 13
1.7.2. Codificación en clases de variables continuas . . . . . . . . . . . 15
1.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Capítulo dos
Descripción de dos variables 19
2.1. Descripción de parejas de variables continuas . . . . . . . . . . . . . . 21
2.2. Descripción de una variable continua y una cualitativa . . . . . . . 23
2.2.1. Razón de correlación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2. Ordenamiento por valores test para describir una
variable cualitativa según varias variables continuas . . . . . 24
2.3. Descripción de dos variables cualitativas . . . . . . . . . . . . . . . . . . 27
2.3.1. Dos medidas de asociación entre variables cualitativas . . . 29
2.3.2. Ordenamiento por valores test para describir una
variable cualitativa según las categorías de varias
variables cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
vi · Contenido
2.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.5. Taller: caracterización de la función de razas de perros . . . . . . 36
Capítulo tres
Análisis en componentes principales 39
3.1. Ejemplo “Café” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2. Nube de individuos Nn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1. Centro de gravedad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2. Centrado de la nube de individuos . . . . . . . . . . . . . . . . . . . 44
3.2.3. Distancia entre individuos . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.4. Inercia de la nube de individuos Nn . . . . . . . . . . . . . . . . . . 48
3.2.5. Reducción de la nube de puntos . . . . . . . . . . . . . . . . . . . . . 49
3.2.6. Búsqueda de nuevos ejes: cambio de base . . . . . . . . . . . . . 51
3.2.7. Gráficas y ayudas para su interpretación . . . . . . . . . . . . . . 56
3.2.8. Individuos ilustrativos o suplementarios . . . . . . . . . . . . . . 59
3.2.9. Variables cualitativas ilustrativas . . . . . . . . . . . . . . . . . . . . . 59
3.3. La nube de variables Np . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3.1. Significado de la media y del centrado en Rn . . . . . . . . . . 60
3.3.2. Significado de las varianzas y covarianzas . . . . . . . . . . . . . 62
3.3.3. Significado del reducido de una variable en Rn . . . . . . . . . 63
3.3.4. Significado de la correlación entre dos variables . . . . . . . . 64
3.3.5. Inercia en el espacio de las variables . . . . . . . . . . . . . . . . . . 64
3.3.6. Búsqueda de los nuevos ejes . . . . . . . . . . . . . . . . . . . . . . . . 64
3.3.7. Círculo de correlaciones y ayudas a la interpretación . . . . 66
3.4. Relación entre los espacios de individuos y variables . . . . . . . . 66
3.4.1. Variables continuas como ilustrativas . . . . . . . . . . . . . . . . . 68
3.5. acp con los paquetes ade4 y FactoClass . . . . . . . . . . . . . . . . . . . . . 69
3.6. Ejemplo de aplicación de ACP: resultados del examen de
admisión a las carreras de la Facultad de Ciencias . . . . . . . . . . . 71
3.6.1. Objetivos del análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.6.2. Resultados de análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.6.3. Conclusiones del análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.8. Talleres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.8.1. Análisis en componentes principales gráfico . . . . . . . . . . . 81
3.8.2. ACP de “Whisky” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.8.3. ACP “Lactantes” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Contenido · vii
Capítulo cuatro
Análisis en componentes principales generalizado 87
4.1. Análisis en Rp : espacio de las filas . . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.1. Coordenadas y pesos de filas . . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.2. Distancias entre filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.3. Inercia de la nube Nn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.4. Descomposición de la inercia en ejes principales . . . . . . . 91
4.1.5. Coordenadas sobre un eje factorial s . . . . . . . . . . . . . . . . . . 91
4.2. Análisis en Rn : espacio de las columnas . . . . . . . . . . . . . . . . . . . 92
4.2.1. Coordenadas y pesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.2.2. Distancias entre columnas . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.2.3. Inercia de la nube Np . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.2.4. Descomposición de la inercia en ejes principales . . . . . . . 92
4.3. Dualidad entre los espacios de filas y columnas . . . . . . . . . . . . . 93
4.3.1. Fórmula de reconstitución de los datos . . . . . . . . . . . . . . . 93
4.3.2. Fórmulas del ACP generalizado . . . . . . . . . . . . . . . . . . . . . . 94
4.3.3. Diagrama de dualidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.4. Ayudas para la interpretación de las gráficas . . . . . . . . . . . . . . . . 95
4.4.1. Calidad de la representación o coseno cuadrado . . . . . . . . 98
4.4.2. Contribución absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.4.3. Calidad de la representación sobre un subespacio . . . . . . . 98
4.5. Elementos suplementarios o ilustrativos . . . . . . . . . . . . . . . . . . . 99
4.6. Imagen euclidiana de matrices de varianzas-covarianzas y
correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.7. Análisis en coordenadas principales . . . . . . . . . . . . . . . . . . . . . . 100
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.9. Talleres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.9.1. Imagen euclidiana de matrices de varianzas y de
correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.9.2. Análisis en coordenadas principales . . . . . . . . . . . . . . . . . . 104
Capítulo cinco
Análisis de correspondencias simples 107
5.1. Pequeño ejemplo y notación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.1. Tabla de contingencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.2. Tabla de frecuencias relativas . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.3. Tabla de perfiles fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.1.4. Tabla de perfiles columna . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.1.5. El modelo de independencia . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2. El ACS como dos ACP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
viii · Contenido
5.2.1. ACP de los perfiles fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

5.2.2. ACP de los perfiles columna . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.2.3. Representación simultánea . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.3. El ACS como un ACP(X,M,N) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.3.1. Equivalencia distribucional . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.2. Relaciones cuasibaricéntricas . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.3. Ayudas para la interpretación . . . . . . . . . . . . . . . . . . . . . . . 124
5.4. Ejemplo de aplicación de acs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.2. Perfiles de los departamentos . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.3. Resultados del ACS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.6. Talleres de ACS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.6.1. ACS de la TC manzanas de Bogotá según localidades y
estratos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.6.2. ACS adjetivos × colores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
Capítulo seis
Análisis de correspondencias múltiples 139
6.1. Ejemplo: ACM de admitidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
6.2. Transformaciones de la tabla de datos . . . . . . . . . . . . . . . . . . . . 142
6.2.1. Tabla de código condensado . . . . . . . . . . . . . . . . . . . . . . . . 142
6.2.2. Tabla disyuntiva completa . . . . . . . . . . . . . . . . . . . . . . . . . . 142
6.2.3. Tabla de Burt o de contingencias múltiples . . . . . . . . . . . . 144
6.3. El ACM como un ACS de la TDC . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.3.1. Nube de individuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.3.2. Nube de categorías . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.3.3. El ACM como un ACP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
6.3.4. Relaciones cuasibaricéntricas . . . . . . . . . . . . . . . . . . . . . . . 158
6.3.5. Ayudas para la interpretación . . . . . . . . . . . . . . . . . . . . . . . 161
6.3.6. Elementos suplementarios . . . . . . . . . . . . . . . . . . . . . . . . . . 163
6.3.7. Retorno a los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.4. ac derivados de la misma tabla . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.4.1. AC de la tabla de Burt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.4.2. ACS y ACM de dos variables . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.4.3. El criterio de Benzécri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
6.5. Aplicación: ACM de consumo cultural . . . . . . . . . . . . . . . . . . . . . 169
6.5.2. Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
Contenido · ix
6.5.3. Resultados del análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

6.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.7. Talleres de ACM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
6.7.1. ACM de razas de perros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
6.7.2. Comparación de AC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Capítulo siete
Métodos de clasificación 185
7.1. Obtener una partición directa . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
7.1.1. Descomposición de la inercia . . . . . . . . . . . . . . . . . . . . . . . 188
7.1.2. K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
7.2. Métodos de clasificación jerárquica . . . . . . . . . . . . . . . . . . . . . . . 194
7.2.1. Índices de similitud, disimilitud y distancias . . . . . . . . . . . 195
7.2.2. Índices de similitud para tablas binarias . . . . . . . . . . . . . . . 196
7.2.3. Distancias para variables de intervalo . . . . . . . . . . . . . . . . . 198
7.2.4. Criterios de agregación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.2.5. Ejemplo “de juguete” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
7.2.6. Ultramétrica asociada a un árbol . . . . . . . . . . . . . . . . . . . . . 201
7.2.7. Método de Ward . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.3. Combinación de métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
7.4. Clasificación a partir de coordenadas . . . . . . . . . . . . . . . . . . . . . 209
7.4.1. Función de transformación o cuantificación . . . . . . . . . . . 209
7.4.2. Función de filtro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.5. Caracterización automática de las clases . . . . . . . . . . . . . . . . . . . 211
7.5.1. Descripción con variables continuas . . . . . . . . . . . . . . . . . . 211
7.5.2. Descripción con variables cualitativas . . . . . . . . . . . . . . . . . 211
7.6. Una estrategia de clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
7.7. Ejemplo de aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
7.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
7.9. Talleres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
7.9.1. Clasificación de razas de perros . . . . . . . . . . . . . . . . . . . . . . 221
7.9.2. Clasificación de las localidades de Bogotá . . . . . . . . . . . . . 221
7.9.3. Clasificación de adjetivos por colores . . . . . . . . . . . . . . . . . 223
Apéndice A
La libreria FactoClass en R 225
Referencias 229
x · Contenido
Índice 233
Lista de figuras
1.1. Esquema de una tabla de datos y de los métodos . . . . . . . . . . 4

1.2. Esquema de tres métodos factoriales . . . . . . . . . . . . . . . . . . . . 5
1.3. Tortas mostrando la distribución de las categorías de las
variables cualitativas de los admitidos a Ciencias . . . . . . . . . . 13
1.4. Histogramas de los puntajes obtenidos en el examen de
los admitidos a la Facultad de Ciencias . . . . . . . . . . . . . . . . . . 14
2.1. Diagramas de dispersión y densidades kernel de los pun-

tajes obtenidos en el examen por los admitidos a la
Facultad de Ciencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2. Distribuciones del puntaje del examen obtenido por los
admitidos según carreras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3. Esquema de obtención del valor test . . . . . . . . . . . . . . . . . . . . 25
2.4. Perfiles fila y columna de la tc edad × estrato . . . . . . . . . . . . . 28
2.5. Perfiles de las carreras según variables cualitativas . . . . . . . . . 30
2.6. Esquema para obtener el valor p . . . . . . . . . . . . . . . . . . . . . . . 32
2.7. Ilustración de la obtención del valor test a partir de una
probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1. Representación de la tabla de datos del ejemplo “Café” . . . . . 43

3.2. Centrado de los individuos en ACP . . . . . . . . . . . . . . . . . . . . . 45
3.3. Representación de la tabla de datos centrados del ejemplo
“Café” en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.4. Distancias entre individuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.5. Nube de individuos asociada a los datos estandarizados
del ejemplo “Café” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.6. Proyección sobre la recta generada por u . . . . . . . . . . . . . . . . 52
3.7. Primer plano factorial del ACP del ejemplo “Café” . . . . . . . . . 57
3.8. Calidad de la proyección sobre un eje s . . . . . . . . . . . . . . . . . . 58
3.9. Primer plano factorial del ACP del ejemplo “Café” con
elementos ilustrativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.10. Significado geométrico de las medias y del centrado de
las variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
xii · Lista de figuras
3.11. Proyección de variables sobre el eje generado por v . . . . . . . . 65

3.12. Esfera y círculo de correlaciones del ejemplo “Café” . . . . . . . 67
3.13. Valores propios del ACP de los resultados del examen de
los admitidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.14. Círculo de correlaciones del ACP normado del ejemplo
de admitidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.15. Primer plano factorial de los admitidos mostrando las
variables cualitativas ilustrativas . . . . . . . . . . . . . . . . . . . . . . . . 75
4.1. Diagrama de dualidad del ACP(X, M, N) . . . . . . . . . . . . . . . . 97

4.2. Diagrama cuando solo se conoce la matriz de varianzas o
de correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3. Diagrama cuando solo se conoce la matriz de productos
internos W . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.1. Primer plano factorial de los perfiles de carreras según

estratos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.2. Primer plano factorial de los perfiles de estratos . . . . . . . . . . . 120
5.3. Primer plano factorial del ACS carreras×estratos y ayudas
para la interpretación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.4. Perfiles de los departamentos . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5. Primer plano factorial del ACS de la TC departamentos x
categorías de rendimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.6. Perfiles de los departamentos ordenados . . . . . . . . . . . . . . . . . 132
6.1. Histograma de valores propios del ACM de admitidos . . . . . . 149

6.2. Admitidos sobre el primer plano factorial del ACM . . . . . . . . 150
6.3. Primer plano factorial del ACM de admitidos, mostrando
las categorías . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.4. Primer plano factorial del ACM de admitidos, mostrando
individuos y categorías . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.5. Primer plano factorial del ACM de admitidos mostrando
los individuos según su origen . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.6. Relaciones de correlación de las variables sobre el primer
plano factorial del ACM de admitidos . . . . . . . . . . . . . . . . . . . . 162
6.7. Plano factoriales: 1-2, 1-3 y 2-3, mostrando las carreras
como categorías suplementarias . . . . . . . . . . . . . . . . . . . . . . . . 165
6.8. Distribuciones de frecuencias de las variables activas del
ACM consumo cultural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
6.9. Distribuciones de frecuencias de las variables ilustrativas
del ACM consumo cultural . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Lista de figuras · xiii
6.10. Histogramas de valores propios y del criterio de Benzécri

del ACM de consumo cultural . . . . . . . . . . . . . . . . . . . . . . . . . . 174
6.11. Primer plano factorial del ACM de frecuencia de lectura
de niños, mostrando las categorías activas. . . . . . . . . . . . . . . . 175
6.12. Proyección de categorías suplementarias sobre el primer
plano factorial del ACM de consumo cultural . . . . . . . . . . . . . 177
7.1. Ejemplo de clasificación con K-means de los cafés a partir

de las coordenadas factoriales sobre los ejes 1 y 2 . . . . . . . . . 192
7.2. Ejemplo “de juego” de una clasificación jerárquica
aglomerativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
7.3. Esquema de tres grupos y sus posibles uniones en dos
grupos, según el criterio de Ward . . . . . . . . . . . . . . . . . . . . . . 203
7.4. Clasificación de los cafés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.5. Esquema de una estrategia de clasificación con variables
cualitativas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.6. Esquema de la estrategia de clasificación . . . . . . . . . . . . . . . . . 213
7.7. Histograma índices de los últimos 25 nodos y últimos 12
nodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
7.8. Proyección de las clases sobre el primer plano factorial
del ACM de admitidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
Lista de tablas
2.1. Caracterización de las carreras según los resultados por

áreas y global del examen de admisión . . . . . . . . . . . . . . . . . . 26
2.2. Tabla de contingencia edad × estrato de los admitidos,
tabla de frecuencias relativas . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3. Perfiles fila y columna de la tabla edad × estrato . . . . . . . . . . . 28
2.4. Estadísticas χ 2 entre carreras y variables sociodemográficas . 31
2.5. Caracterización de las carreras según algunas variables
cualitativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.6. TC de nivela matemáticas × carreras y tablas de perfiles
fila y columna, incluyendo marginales . . . . . . . . . . . . . . . . . . . 35
3.1. Distancias entre cafés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3.2. Distancias entre cafés estandarizados . . . . . . . . . . . . . . . . . . . . 51
3.3. Obtención de los valores y vectores propios del ACP del
ejemplo “Cafe” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.4. Funciones para realizar un ACP con ade4 y FactoClass . . . . . . 70
3.5. Pesos, distancias2 y coordenadas de las categorías suple-
mentarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.6. Contribuciones y cosenos2 de las categorías suplementarias . 77
4.1. Fórmulas del ACP(X, M, N) . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

4.2. Matriz de correlaciones entre variables de clima en la
ciudad de Mendoza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3. Distancias culturales entre países de Latinoamérica . . . . . . . . 104
5.1. Tablas de contingencia y de frecuencias relativas de los

admitidos a Ciencias, según carreras y estratos . . . . . . . . . . . . 110
5.2. Perfiles fila de la tabla carreras × estratos . . . . . . . . . . . . . . . . . 112
5.3. Perfiles columna de la tabla carreras × estratos . . . . . . . . . . . . 113
5.4. Frecuencias relativas, independencia y diferencia . . . . . . . . . . 114
5.5. Pesos, contribuciones a la inercia y coordenadas del ACS
de la TC departamentos × ( jornadas, nivel de los colegios) . . 130
xvi · Lista de tablas
5.6. Contribuciones absolutas y cosenos cuadrados del ACS de

la TC departamentos × ( jornadas, nivel de los colegios) . . . . . 131
6.1. Extracto de las tablas: de código condensado Y y disyun-

tiva completa Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.2. Tabla de Burt del ejemplo “Admitidos a Ciencias” . . . . . . . . . 144
6.3. Distancia asociada al ACM entre los admitidos que están
en la tabla 6.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.4. Extracto de las ayudas para la interpretación del ACM de
Admitidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.5. Distancia entre las categorías activas asociadas al ACM del
ejemplo “Admitidos” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.6. Ayudas para la interpretación de las categorías activas . . . . . . 157
6.7. Coordenadas y ayudas para la interpretación de las
categorías del ACM de frecuencia de lectura en niños . . . . . . . 178
6.8. Coordenadas y ayudas para la interpretación de las
categorías suplementarias del ACM de consumo cultural . . . . 179
7.1. Clasificación “a mano” de los diez cafés . . . . . . . . . . . . . . . . . . 193

7.2. Índices de similitud para tablas binarias . . . . . . . . . . . . . . . . . 197
7.3. Distancias para variables de intervalo . . . . . . . . . . . . . . . . . . . 198
7.4. Cambios en el proceso de consolidación . . . . . . . . . . . . . . . . . 215
A.1. Tablas de datos del paquete FactoClass . . . . . . . . . . . . . . . . . . . 227

A.2. Funciones del paquete FactoClass . . . . . . . . . . . . . . . . . . . . . . . 228
Introducción
Los objetivos de este texto son servir: de guía para el curso de Estadísti-
ca Descriptiva Multivariada de la Carrera de Estadística de la Universidad
Nacional de Colombia, como referencia para los cursos de análisis de da-
tos multivariados en pregrados y posgrados en Estadística y como libro de
consulta para los profesionales de distintas áreas interesados en abordar la
descripción y exploración de tablas de datos presentes en sus investigaciones
y ejercicio profesional.
El objeto de entrada a los métodos estadísticos que se abordan en es-
te texto es una tabla de datos que refleja parcialmente una realidad que se
quiere estudiar. Algunas veces los datos son el resultado de un proceso me-
todológico largo y costoso: concepción de una investigación, definición de
variables, diseño de los instrumentos de medición, captura y depuración
de los datos, entre otros. Las investigaciones basadas en encuestas son un
ejemplo. Otras veces los datos provienen de sistemas de información admi-
nistrativos o de transacciones (bancarias, de servicios públicos, de grandes
superficies de ventas al público, etc.); pero la tabla objeto análisis depen-
de de un proceso metodológico de selección, depuración, concatenación y
transformación, y casi siempre, de búsqueda de nuevos datos.
Una tabla de datos básica es un archivo que tiene en filas las unidades
estadísticas, que denominaremos “individuos”, y en columnas las variables,
en general de diferentes escalas de medición: nominal, ordinal, de intervalo,
y de razón. Los tipos de variables que se originan con estas escalas se agru-
pan, para este documento, en dos conjuntos: cualitativas (de escala nominal
u ordinal) y continuas (de intervalo o de razón).
Nos situamos en el caso en que algunos de los objetivos del estudio se
cumplen realizando análisis descriptivos y exploratorios multivariados de la
tabla de datos, que utilizan representaciones gráficas de comprensión más
fácil para el cerebro humano. Las descripciones univariadas dependen de
las escalas de medición de las variables y ayudan a completar la depuración
de los datos, orientar las transformaciones de algunas variables y a tomar
decisiones sobre la imputación o no de datos faltantes.
xviii · Introducción
Algunas veces se realizan descripciones bivariadas, según los tipos de las

dos variables: ambas continuas, continua y cualitativa, y ambas cualitativas.
Las descripciones multivariadas permiten tener en cuenta las relaciones en-
tre variables.
Las descripciones multivariadas, que recurren a las gráficas para com-
prender los datos, son mucho más difíciles que las univariadas porque su
interpretación correcta depende del conocimiento de los procedimientos y
conceptos para su construcción. Los usuarios de diferentes áreas del cono-
cimiento necesitan por lo menos de una comprensión intuitiva de la lógica
de los métodos con el fin de lograr la interpretación correcta de las sali-
das gráficas y de los índices numéricos que las acompañan. Los científicos y
profesionales responsables de la metodología estadística deben conocer los
fundamentos de la geometría multidimensional, basados en los conceptos
del álgebra lineal que tienen que ver con espacios vectoriales en los reales
con producto interno.
Los métodos descriptivos y exploratorios multivariados pretenden en-
contrar significado en grandes tablas de datos, luego de transformaciones
adecuadas según el método, en otras tablas de n filas y p columnas, como
dos nubes de puntos: las filas como n vectores en Rp y las columnas como p
vectores en Rn . Estas representaciones permiten obtener gráficas para des-
cubrir el contenido, que se encuentra oculto, dentro de la gran cantidad de
cifras de una tabla (Lebart et al., 2006).
En este texto se muestran los principales métodos en ejes principales
como aplicación de la geometría euclidiana y del álgebra lineal, que consti-
tuye su lenguaje matemático. La simbología que se adopta usual en muchos
textos es la siguiente: las letras mayúsculas en negrilla hacen referencia a
matrices (A), la minúsculas en negrilla, a vectores (a); las letras mayúsculas
y minúsculas en itálica a, variables (escalares) (A, a). En el caso de conjuntos
se utiliza la misma letra mayúscula para indicar el conjunto y su cardinalidad
(número de elementos).
El primer capítulo, denominado “Preliminares”, se ocupa de mostrar,
entre otros, el panorama de los métodos abordados en el curso, el lenguaje
estadístico R como “calculadora” gráfica y de álgebra lineal, los principa-
les paquetes de R a utilizar en el curso, y un breve repaso de Estadística
descriptiva univariada.
El lector de este texto debe instalar el R (R Core Team, 2020) en su
computador y leer el manual An introduction to R (Venables et al., 2017),
disponible en la consola de R una vez instalado. Además, debe instalar el
paquete FactoClass (Pardo y Del-Campo, 2007), que complementa este
texto: tiene la mayoría de los datos que aquí se utilizan. FactoClass carga los
Introducción · xix
paquetes: ade4 (Dray y Dufour, 2007), utilizado para realizar los cálculos
de los métodos estudiados; scatterplot3d (Ligges y Mächler, 2003), para
construir gráficas 3D, y xtable (Dahl, 2016), para exportar tablas a LATEX en
el entorno tabular. Estas notas están editadas en LATEX (The-LaTeX-Project-
Team, 2019). A partir de la versión 1.2.1 de FactoClass se cargan, también,
los paquetes ggplot2 (Wickham, 2009) y ggrepel (Slowikowski, 2020) para
obtener planos factoriales en los que las etiquetas no se sobrepongan.
Para la edición de las gráficas se utiliza el programa de uso libre xfig (Sato
y Smith, 2018) ya que R permite exportar a ese formato y a su vez xfig ex-
porta a los formatos de gráficas más conocidos. Con xfig se editan los pla-
nos factoriales, para destapar etiquetas que quedan superpuestas y agregar
otras o modificar otros elementos de las gráficas. Como complemento y
referencia para la ejecución de los métodos se utiliza el programa DtmVic
(Lebart, 2017) de uso libre académico.
En el curso de Estadística Descriptiva Multivariada, de dieciséis semanas,
se sugiere abordar cada uno de los siete capítulos en dos semanas y dejar dos
semanas para las presentaciones de los trabajos del curso.
Capítulo
uno
Preliminares
Preliminares · 3
En este capítulo se hace una presentación de los métodos abordados en el

texto, el lenguaje estadístico R (R Core Team, 2020) y otros elementos ne-
cesarios para estudiar la lógica de los métodos y su aplicación. También se
introduce el análisis univariado y la obtención de nuevas variables agrupan-
do categorías en una variable cualitativa y dividiendo en clases a los indi-
viduos a partir de una variable continua. Esto se piensa como preparación
para análisis multivariados posteriores.
1.1. Introducción a los métodos

Los métodos de la estadística descriptiva multivariada, abordados en este
texto, son de dos tipos: factoriales o en ejes principales y de clasificación o
agrupamiento. En ambos casos se hace una representación geométrica de
las tablas de datos, transformadas según el método específico.
Para simplificar la introducción a los métodos, pensemos en una tabla de
datos de n filas, que denominaremos “individuos”, y p variables, que toma-
remos como medidas continuas. Una tabla de estas es una matriz numérica
de n filas y p columnas y tiene dos representaciones geométricas: 1) n vec-
tores fila en Rp y 2) p vectores columna en Rn .
En el primer caso la representación geométrica es un conjunto de n pun-
tos en un sistema de p ejes ortogonales, cada eje asociado a una variable, y
las coordenadas de un individuo son los p valores que toma para las va-
riables (figura 1.1). Esta representación es abstracta, pero tiene las mismas
propiedades de las representaciones en dos dimensiones, que se denominan
diagramas de dispersión.
Dos individuos están cercanos en Rp si tienen más o menos las mismas
coordenadas, es decir, valores similares para las p variables. Entonces, la re-
presentación geométrica es útil para comparar a los individuos entre sí y
observar la estructura de la “nube de individuos” –es decir, los n puntos–
en el sentido de observar su forma y detectar patrones que se pueden ma-
nifestar como grupos e individuos (figura 1.1).
Para detectar patrones se dispone de dos tipos de métodos: 1) los fac-
toriales o en ejes principales, que buscan los mejores ejes y planos de pro-
yección, para observar las nubes de puntos de forma aproximada, y 2) los
de agrupamiento o clasificación, que buscan descubrir grupos en los datos,
de tal manera que los individuos se parezcan lo más posible cuando perte-
necen a un mismo grupo y se diferencien al máximo cuando pertenezcan a
diferentes grupos.
4 · Preliminares
1 2 j p
1
2
p
i Vector fila i en R
n
Vector columna j en Rn
Esquema de la tabla Esquema de representación en R3

Eje2
Eje1
b
f
c
e
g
j
Proyección de vectores fila en R2 Árbol de clasificación jerárquica
Figura 1.1. Esquema de una tabla de datos y de los métodos
El conjunto de los p vectores en Rn se denomina “nube de variables”

y se puede pensar que su representación son flechas que empiezan en el
origen de los n ejes y terminan en el punto cuyas coordenadas son los n
valores que toma la respectiva variable. Cada uno de los n ejes se asocia a
un individuo. La longitud de las flechas de los vectores variables representan
sus desviaciones estándar y el ángulo entre parejas de ellos, su correlación.
Mediante proyecciones sobre planos se pueden ver de manera conjunta las
relaciones entre todas las variables.
Los métodos en ejes principales o factoriales, abordados en este texto, se
muestran esquemáticamente en la figura 1.2. Pero solo se introducen en el
capítulo 3, donde se presenta el análisis en componentes principales (ACP),
empleado en la exploración de tablas de individuos descritos por variables
continuas.
Preliminares · 5
Variables
continuas
Individuos Alasisis en
componentes Plano factorial variables
principales
ACP
Categorias
columna Plano factorial individuos
Categorias Alasisis de
fila correspondencias
simples
ACS
Representacion simultanea
Variables categorias fila y columna
cualitativas
Alasisis de
correspondencias
Individuos multiples
ACM
Representacion simultanea
categorias e individuos
Figura 1.2. Esquema de tres métodos factoriales
En el capítulo 4 se presenta el ACP generalizado o ponderado, denomi-

nado también análisis factorial general, que es el marco de referencia común
para este tipo de métodos. Este capítulo muestra, también la manera de ob-
tener gráficas para las matrices de varianzas y de correlaciones, cuando no
se dispone de los datos con los que fueron calculadas; así como el método
de análisis en coordenadas principales (ACO), utilizado para obtener imá-
genes euclidianas para las matrices de distancias entre individuos. El ACO
forma parte del los métodos de escalamiento muldimensional, que asocian
imágenes geométricas a matrices de similitudes o disimilitudes.
6 · Preliminares
En el capítulo 5 se presenta el análisis de correspondencias simples (ACS),

utilizado para la descripción de tablas de contingencia, que dan el número
de individuos, en cada una de las clases determinadas por el cruce de las
categorías de dos variables cualitativas. El ACS se presenta como dos ACP
generalizados, uno de perfiles fila y otro de perfiles columna, punto de vista
que es útil para el análisis de los resultados. También se presenta como un
ACP generalizado que sirve para la implementación de los cálculos y para
derivar las relaciones entre los espacios de filas y columnas.
El capítulo 6 se dedica al análisis de correspondencias múltiples (ACM),
usado en la descripción de tablas de individuos por variables cualitativas.
El ACM se muestra como una generalización del ACS: análisis de corres-
pondencias de la tabla indicadora de las particiones asociadas a las variables
nominales, tabla que tiene n individuos en las filas por p categorías en las
columnas.
Los métodos de clasificación automática se presentan en el capítulo 7 y
corresponden a la búsqueda de grupos de las nubes de individuos mediante
dos tipos de algoritmos, que se combinan entre sí y con los métodos fac-
toriales, para completar la descripción multivariada básica de una tabla de
datos.
1.2. El lenguaje estadístico R

El lenguaje estadístico R permite, en primer lugar, hacer los cálculos del
álgebra lineal, parte de las matemáticas fundamental en la construcción de
la Estadística; en segundo lugar realizar gráficas que están siempre presentes
en dicha disciplina, y en tercer lugar llevar a cabo sus métodos específicos.
El R es también un lenguaje de comunicación porque podemos utilizar su
código para escribir fórmulas matemáticas en forma plana y para identificar
métodos estadísticos. Los cálculos y las gráficas presentes en estas notas se
obtienen en R, y se presentan en el texto algunas partes del código, primero
con el objetivo de ayudar a entender los cálculos de álgebra lineal y luego
para ejecutar los métodos con funciones específicas de R.
1.2.1. Obtención e instalación de R

Con el objetivo de que este documento tenga más vida se incluyen instruc-
ciones en R para realizar los cálculos matriciales y obtener las gráficas, ya
que todo lector puede instalarlo en su computadora y reproducir lo que se
presenta en este texto.
Preliminares · 7
Por economía expresiva en la secuencia de instrucciones de esta sección

se utiliza el símbolo −→ para indicar que se debe hacer clic en la palabra o
frase que aparece a continuación de la flecha en el menú. Obviamente las
versiones de R y los paquetes de este documento corresponden a la fecha
de su edición y se podrán encontrar otras cuando se esté leyendo. Este do-
cumento da un camino posible en cada caso y supone que el lector utiliza
el sistema operativo Windows y que dispone de una conexión a internet de
banda ancha.
Entre a la página http://www.r-project.org
Clic en CRAN −→ Mirror y escoja uno.
Clic en Download R for Windows −→ base −→ Download R 3.6.3 for

Windows (83 megabytes, 32/64 bit)
Los usuarios de Linux y de OS X pueden seguir las instrucciones de la
página web de R.
Guarde el archivo en un directorio −→ Ejecutar.
Responda a las preguntas del instalador (aceptando las sugerencias).
Para ejecutar R se hace clic en el acceso directo R. Aparece la consola

de R con una barra de menú en la parte superior. R espera comandos,
algunos de los cuales se pueden producir con el menú.
Para leer el manual de introducción: clic en Help −→ An Introduction

to R.
Es muy conveniente, para quien empiece con R, leer An introduction to R

(Venables et al., 2017), ya que redundará en el mejor uso del lenguaje y a la
postre en ahorro de tiempo. Existe una versión en español, aunque es más
antigua (González y González, 2000).
R diferencia mayúsculas y minúsculas, <- indica asignación (también se
puede utilizar = ), -> asignación a la derecha, y el símbolo # se utiliza como
comentario, es decir, el texto que aparece a la derecha de # se presenta pero
R no lo interpreta.
R utiliza como separadores de comandos tanto el espacio como el punto
y coma (;). Por lo tanto, no se requiere poner punto y coma al final de la
linea. Sin embargo, en este texto aparece a veces el punto y coma (;) al final
de una linea de comando para hacer que funcione cuando el lector la copia
en el visor de PDF y lo pega en la consola de R o de RStudio.
8 · Preliminares
El lenguaje R está enmarcado dentro de la programación orientada a

objetos. Se recomienda leer sobre estos conceptos en el documento de in-
troducción a R. Todo procedimiento básico, gráfico o estadístico se hace
utilizando una función determinada, la cual recibe “parámetros” y entrega
un objeto de salida. Las funciones están en librerías denominadas paquetes.
Las principales quedan disponibles al instalar R, pero otras están en paque-
tes, desarrollados por investigadores alrededor de todo el mundo, que se
pueden instalar. Se utiliza aquí, tal como lo hace la documentación de R,
la costumbre de poner entre corchetes, { }, el nombre de la librería o pa-
quete donde está la función. Por ejemplo, plotct{FactoClass} indica que la
función plotct está en el paquete FactoClass.
1.2.2. Instalación de paquetes

Para ejecutar los métodos multivaridos de este documento, se recomien-
da instalar en R el paquete FactoClass, procedimiento que además instala:
ade4, ggplot2, ggrepel, xtable y scatterplot3d. Para hacerlo se ejecuta el
comando:
install.packages("FactoClass").
Otra forma de instalar uno o varios paquetes es con la barra de control
de la consola:
Clic en Paquetes (en la barra de menú situada en la parte superior) −→

Instalar paquetes, aparece lista de Mirrors.
Seleccione un Mirror −→ OK, aparece lista de paquetes.
Selecciones los paquetes, con la tecla Control oprimida cuan-

do se quieren varios, por ejemplo: FactoClass ade4, ade4TkGUI,
scatterplot3d, ggplot2, ggrepel, KernSmooth y factoextra −→ OK.
FactoClass utiliza algunas funciones de KernSmooth (Wand, 2020). El pa-

quete factoextra (Kassambara y Mundt, 2020) toma objetos de salida de
ade4 (Dray y Dufour, 2007), para hacer gráficos, por ejemplo planos facto-
riales, con ggplot2 (Wickham, 2009) y ggrepel (Slowikowski, 2020). Estos
dos últimos paquetes son una implementación en R de una gramática para
gráficas (Wilkinson, 2006).
Preliminares · 9
1.2.3. RStudio, Sweave y Markdown

RStudio es el primer IDE (Integrated Development Environment) para R
(RStudio Team, 2015) y facilita la documentación de los trabajos realizados
con R, integrando Sweave y R Markdown.
Sweave (Leisch y R-core, 2020) es una herramienta que permite integrar
el código de R para llevar a cabo el análisis de datos dentro de documentos
LATEX (The-LaTeX-Project-Team, 2019). “LATEX es de facto el estándar para
la comunicación y publicación de documentos científicos”. Este documento
se ha editado en LATEX. Morales (2006) escribió un manual en español para
el uso de Sweave.
“R Markdown es un formato de edición que permite la creación fácil de
documentos dinámicos, presentaciones y reportes desde R”.
El uso de estas herramientas permite documentar los trabajos a medida
que se van realizando, de modo que se facilita la elaboración del reporte
escrito de un trabajo de análisis de datos y la elaboración del material de
apoyo para su presentación en público.
1.3. El programa DtmVic

El profesor Lebart ha puesto los programas básicos desarrollados en
Francia, programados en Fortran, en un entorno que facilita su uso y que
ha denominado DtmVic (Lebart, 2017). Está disponible bajo Windows y
es de uso libre para propósitos académicos y de investigación. DtmVic se
utiliza como programa de referencia para el texto. Se encuentra en pági-
na http://www.dtmvic.com, se descarga el archivo dtm_software.zip, se des-
comprime la carpeta y se ejecuta haciendo clic en DtmVic_6.2.exe. Por otro
lado se descarga el archivo de ejemplos: DtmVic_Examples.
1.4. Editor para gráficas obtenidas con R

Hay varias posibilidades para editar las gráficas obtenidas con R, pero una
buena opción es utilizar el programa Xfig (Sato y Smith, 2018), con licencia
libre para Linux, que se puede instalar en los computadores Mac, a partir
del código fuente.
Xfig es un editor vectorial y, por lo tanto, la calidad de la gráfica
se conserva con los cambios de tamaño. Las gráficas de R se pueden
exportar directamente a este formato (.fig) y desde Xfig a casi cual-
quier formato gráfico. Una manera de hacerlo, es utilizando el comando
10 · Preliminares
dev.print(device = xfig), con el que se graba la gráfica activa en el archivo

Rplot001.fig, en la carpeta de trabajo.
Este es el editor que se utiliza para las gráficas de este texto, sobre todo
para destapar las etiquetas superpuestas en los planos factoriales.
1.5. Conceptos de álgebra lineal

Para repasar los conceptos de álgebra lineal, requeridos para este curso se
recomienda un capítulo o anexo de un texto de análisis multivariado de
datos, por ejemplo:
El anexo A de Díaz (2007).
El capítulo dos de Morrison (1990): Matrix algebra .
El capítulo dos de Hardle y Simar (2007): A short excursion into matrix

algebra.
1.6. Entorno de una tabla de datos

El objeto que entra a los métodos de estadística descriptiva multivariada es
una tabla de datos. Esta se constituye en un producto intermedio dentro
de un proyecto de investigación y puede tener distintos orígenes. La tabla
por sí sola no es objeto ningún interés de análisis si no forma parte de un
contexto investigativo. En algunos casos llegar a ella puede costar el 80 %
del presupuesto de una investigación. El análisis de la tabla de datos está
orientado por los objetivos y el referido contexto.
El usuario de estos métodos debe situarse dentro del contexto de la in-
vestigación de la que la tabla de datos forma parte. Debe por tanto poner en
práctica los procedimientos de la metodología de la investigación científica.
Lo que nos ocupa es describir o explorar alguna realidad para conocer
un poco más de ella. Cualquier realidad, que se quiera abordar, es compleja
y no es posible entenderla en su totalidad. Tenemos que aceptar que lo que
observemos será casi siempre parcial y lo que describamos dependerá de los
objetivos planteados. Es fundamental entender el contexto de la realidad a
estudiar y plantear de manera clara los objetivos deseados.
La información obtenida en una investigación se almacena en una base
de datos, acompañada de documentos que dan cuenta del contexto y del
Preliminares · 11
procedimiento que se siguió para llegar a los datos allí guardados. La infor-
mación sobre los datos (metadatos) puede estar, una parte, en la misma base
de datos y otra, en documentos anexos.
De los objetivos de un estudio se derivan los objetivos de análisis, y para
cumplirlos se obtienen una o más tablas de datos, que luego se describen
con uno o más métodos de los abordados en este texto. Las decisiones que
hay que tomar, en el sentido de las técnicas estadísticas a usar y sus aspectos
internos, dependen del conocimiento de estas y del contexto en el que se
enmarca la tabla de datos.
Esto forma parte de la metodología de la investigación, que tiene que
abordar todo profesional, pero que para el estadístico es central, porque
los métodos de análisis de datos en general forman también parte de esta
metodología.
Las competencias en metodología de la investigación solo se mejoran en
la práctica. Sin embargo, en la literatura existen muchos textos guía para ir
mejorando esas competencias; por ejemplo, el de Hernández et al. (2006) o
el de Briones (1996), disponible en la web. En este curso se hace un trabajo
con el propósito de mejorar las competencias tanto en metodología como
en el uso apropiado de los métodos básicos de la estadística descriptiva
multivariada.
1.7. Preparación de los datos para el análisis

Esta sección se incluye para ilustrar algunas transformaciones de variables,
que se hacen para mejorar los análisis bivariados y multivariados. Las trans-
formaciones se registran como nuevas variables, para no perder la informa-
ción original. Entonces, en un análisis estadístico particular, se puede usar
la versión original o la transformada.
En la versión descriptiva de los métodos multivariados las variables
juegan dos papeles complementarios: se denominan activas las que se se-
leccionan para la construcción de ejes factoriales y clases e, ilustrativas las
que juegan el papel de explicar o ilustrar los ejes o clases obtenidos. El ana-
lista de datos debe prestar atención especial en la preparación de las varia-
bles activas para el análisis multivariado porque son estas las que estructuran
ejes y clases. Por ejemplo, una variable cualitativa con muchas categorías,
comparada con las demás, influirá más en un análisis de correspondencias
múltiples.
La fuente original de datos puede ser una base de datos o un archivo
con muchas columnas, de donde se debe obtener una tabla para el análisis
12 · Preliminares
específico que se desea realizar. Como ejemplo para esta y otras secciones
del texto se utiliza parte de una consulta del Sistema de Información
Académico de la Universidad Nacional de Colombia (SIA), con los admitidos
a las carreras de la Facultad de Ciencias, para el primer semestre de 2013.
Ejemplo: “Admitidos a la Facultad de Ciencias”

La Universidad Nacional de Colombia selecciona, a los estudiantes que se
admiten en cada semestre mediante la aplicación de un examen de admi-
sión estructurado en cinco áreas: matemáticas, ciencias, sociales, textual e
imágenes. La Universidad presenta los resultados de admisión de todos los
aspirantes estandarizados con media 10 y desviación estándar 1. El resulta-
do global del examen se estandariza con media 500 y desviación estándar
100.
Para este ejemplo se toman los resultados de los 445 admitidos a las siete
carreras de la Facultad de Ciencias –Biología, Estadística, Farmacia, Física,
Geología, Matemáticas y Química– del primer semestre de 2013. Este gru-
po es un conjunto pequeño de todos los que se presentaron. Los resultados
de este grupo son mejores que el promedio de todos los que presentaron el
examen, porque los admitidos son los de mejores puntajes. Por la misma
razón la dispersión disminuye, y el hecho de ser admitidos a las carreras de
ciencias, también los puede hacer más homogéneos.
La hoja de datos retenida para el ejemplo tiene en las columnas: la carre-
ra, los resultados del examen en cada área y global, algunas variables socio-
demográficas y dos columnas que indican si el admitido debe nivelar (lec-
toescritura o matemáticas). Como variables sociodemográficas se incluye el
género, el estrato socioeconómico, el origen geográfico del estudiante y la
edad. A partir de los resultados del examen de admisión algunos estudiantes
deben hacer cursos de nivelación en lectoescritura y matemáticas básicas.
La hoja de datos se incluye en el objeto admi{FactoClass}, que tiene 445
admitidos y quince columnas. Los nombres abreviados de las variables cua-
litativas y sus categorías se muestran en las tortas de la figura 1.3, y los de
las variables continuas con sus histogramas, en la figura 1.4. Las variables
estrato socioenónimo (estr) y origen geográfico (orig) se recodificaron con
menos categorías que las originales y la edad se convirtió en ordinal con
cuatro clases. La columna 14, stra, tiene el estrato original y la columna 15,
age, la edad en años, como estaban en los datos originales. La variable stra
se utiliza para análisis univariados —por ejemplo, la torta que muestra su
distribución de frecuencias (figura 1.3)— y la variable estr, en los análisis
bivariados y multivariados.
Preliminares · 13
Para obtener la figura 1.3

library ( FactoClass ) # cargar FactoClass ;
data ( admi ) # cargar la tabla ;
# para poner 6 tortas sin espacios entre graficas
par ( mfrow = c (2 ,3) , mai = c (0 ,0 ,0 ,0));
for ( i in c (1 ,8 ,14 ,10 ,12 ,13)){
cat <- attributes ( admi [ , i ]) $ levels ; per <- tabulate ( admi [ , i ]) / 445 * 100;
paste ( cat , round ( per ,1) , sep = " ␣ " ) - > eti ;
pie ( summary ( admi [ , i ]) , eti , col = gray ( seq (1.0 ,0.6 , length = length ( cat ))));
}
dev . print ( device = xfig ) # grabar la grafica como Rplot001 . fig ;
carr gene stra

Esta 14.8 E2 31.7
Farm 16.4 F 28.8
Biol 14.2
E1 8.1
E0 0.4
E6 0.2
Fisi 18.4 E5 1.8
Quim 14.2
E3 41.6 E4 16.2
Geol 10.1 Mate 11.9 M 71.2
orig niLE niMa

Bogo 69.9
siMa 70.8
siLE 10.3
noLE 89.7
Otro 21.6
Cund 8.5 noMa 29.2
Figura 1.3. Tortas mostrando la distribución de las categorías de las

variables cualitativas de los admitidos a la Facultad de Ciencias. Los núme-
ros son porcentajes
1.7.1. Transformación de variables cualitativas

Se pueden lograr mejores descripciones multivariadas con un trabajo previo
sobre las variables cualitativas. Los datos faltantes o no respuestas se suelen
codificar como una categoría adicional. Lo mismo se puede hacer con los
no aplica cuando están presentes. En algunas variables se deben agrupar ca-
tegorías para que no haya categorías con frecuencias muy bajas y que todas
las variables tengan más o menos el mismo número de categorías.
En los datos del ejemplo ya se realizó una agrupación en la variable ori-
gen del admitido, orig, porque las categorías correspondían a los departa-
mentos de Colombia, con muy baja frecuencia para casi todos. Se dejaron
tres categorías: Bogotá, Cundinamarca y Otro (resto de departamentos).
La distribución de los admitidos en las tres categorías se muestra en la
torta Origen de la figura 1.3.
En la figura 1.3 se observa que la variable estrato del admitido, stra, tiene
siete categorías, algunas de ellas con frecuencias muy bajas: los estratos 0,
14 · Preliminares
1, 4, 5 y 6. Por esta razón y para tener una variable con un número de

categorías más parecido a las otras variables sociodemográficas, se decide
obtener, a partir de esta, la variable estr, con tres categoría:bajo (0, 1 y 2),
medio (3) y alto (4, 5 y 6).
En los comandos de R siguientes se muestra una manera de obtener la
nueva variable estr y su distribución de frecuencias. Esta variable ya está
incluida en admi{FactoClass}.
Código R para obtener la figura 1.4, que incluye los diagramas de caja y
bigotes de edad y de puntaje total del examen
par ( mfrow = c (3 ,3) , mai =c (0.3 ,0.4 ,0.3 ,0.1) , las =1);
for ( i in c (2:6)) hist ( admi [,i], main = names ( admi )[ i],
xlim = c (8 ,18) , ylim =c (0 ,200));
for ( i in c (7 ,15)) hist ( admi [,i], main = names ( admi )[ i ]);
boxplot ( admi $ age , main =" age " );
boxplot ( admi $ exam , main =" exam " );
mate cien soci

200 200 200
150 150 150

Frequency
Frequency
Frequency
100 100 100
50 50 50
0 0 0
8 10 12 14 16 18 8 10 12 14 16 18 8 10 12 14 16 18
text i]
admi[, imagi]
admi[, exami]
admi[,
200 200 120
100
150 150
Frequency
Frequency
Frequency
80
100 100 60
40
50 50
20
0 0 0
8 10 12 14 16 18 8 10 12 14 16 18 600 800 1000 1200
age i]
admi[, age i]
admi[, exami]
admi[,
400 45
1100
40
300 1000
35
Frequency
900
200 30 800
25 700
100
20 600
0 15 500
15 20 25 30 35 40 45
Figura 1.4. Histogramas de los puntajes obtenidos en el examen de los

admitidos a la Facultad de Ciencias
Preliminares · 15
Recodificación del estrato

estr <- as . integer ( admi $ stra ) -1;
estr [ estr <3] <- 1; estr [ estr ==3] <- 2; estr [ estr >3] <- 3;
estr <- factor ( estr , labels =c(" bajo " ," medio " ," alto " ));
summary ( estr )
# # bajo medio alto
# # 179 185 81
1.7.2. Codificación en clases de variables continuas

Hay diferentes razones para que algunas veces se decida convertir algunas
variables continuas en ordinales. Por ejemplo, para utilizarlas como varia-
bles activas en un análisis de correspondencias múltiples. La edad en años
se suele pasar a ordinal por su naturaleza de variable sociodemográfica, para
analizarla en conjunto con género, estrato, estado civil y otras.
Los criterios guía, para decidir el número de clases y sus límites, pro-
vienen del contexto de la investigación, la teoría de la información y las
propiedades del análisis de correspondencias múltiples. Se pueden resumir
en cuatro (Lebart et al., 2006):
1. Los límites de las clases deben respetar argumentos del contexto, por
ejemplo, en el caso de la edad, dieciocho años porque se alcanza la
mayoría de edad, sesenta años porque se considera adulto mayor.
2. La frecuencia de las clases debe ser similar porque así se pierde menos
información.
3. Evitar clases de baja frecuencia porque son muy influyentes en el aná-

lisis de correspondencias múltiples.
4. Buscar que el número de categorías en un análisis de

correspondencias múltiples sea más o menos igual en todas las
variables activas, ya que las variables con más categorías tienen
mayor influencia en este análisis.
El investigador se apoya en estos criterios para tomar las decisiones.
Como no todos son compatibles, se busca un compromiso entre ellos. Si
se están preparando los datos para un análisis de correspondencias múlti-
ples, es importante tener variables con números de categorías similares y
sobre todo evitar categorías de muy baja frecuencia. Un umbral mínimo de
2 % es aconsejable, a menos que el contexto del estudio exija la presencia de
categorías de menor frecuencia (Lebart et al., 2006, p. 201).
16 · Preliminares
En el caso de los admitidos, la edad se codificó en cuatro categorías: 16

años o menos, 17, 18 y 19 años o más. En la figura 1.4 tanto en el histo-
grama como en el diagrama de cajas, se observa que la mayor parte de los
admitidos son menores de 18 años. La idea para las clases de edad es dejar
los años con suficiente frecuencia y unir en los dos extremos. Sin embar-
go, se obtiene el mismo resultado haciendo la división mediante los cinco
números de Tukey (1977, p. 32), que dividen a los individuos en 4 clases
buscando que las frecuencias sean similares. Este último procedimiento se
muestra en el código de R que aparece a continuación.
División de la edad (admi$age) en 4 clases (admi$edad)

edad <- cut ( admi $ age , fivenum ( admi $ age ), include . lowest = T ,
labels =c(" a16m " ," a17 " ," a18 " ," a19M " ))
summary ( edad )
## a16m a17 a18 a19M
## 118 171 56 100
1.8. Ejercicios
1. Realice a mano y verifique con R los ejercicios 1, 2, 4, 5, 6, 7, 12 y
13, del capítulo 2 de Morrison (1990).
2. Instale R y a partir del manual de introducción conteste:
2.1. ¿En R hay diferencia entre mayúsculas y minúsculas?

2.2. ¿Con qué se separan las instrucciones de R?
2.3. ¿Cómo se escriben comentarios en R?
2.4. ¿Qué significa cuando aparece + luego de teclear Enter?
2.5. ¿Cómo se recuerdan comandos tecleados previamente en R?
2.6. ¿Qué es el workspace?
2.7. ¿Qué se almacena en .RData?, ¿qué en .Rhistory?
2.8. ¿Cómo se obtiene ayuda en R para una función específica?
2.9. ¿Cuáles son los símbolos de comparación en R: menor que, me-
nor o igual, mayor, mayor o igual, igual y diferente?
2.10. ¿Cuáles son los operadores lógicos: OR, AND y negación?
2.11. ¿Qué efecto tienen \n \t \b al imprimir una cadena de carac-
teres?
Preliminares · 17
2.12. ¿Cuáles son los principales objetos de R?

2.13. ¿Cómo se define un escalar en R?
2.14. ¿Qué es un factor y qué atributos tiene?
2.15. ¿Qué hace la función tapply?
3. Escriba para cada instrucción un comentario resumiendo lo que hace

cada función:
3.1. help.start() #
3.2. sink("record.lis") #
3.3. misdatos <-read.table('data.dat') #
3.4. L2 <- list(A=x, B=y) #
3.5. ts(1:47, frequency = 12, start = c(1959, 2)) #
3.6. exp1 <- expression(x /(y + exp(z))) #
3.7. x <- rpois(40, lambda=5) #
3.8. x[x % %2 == 0] #
3.9. x <- rnorm(50) #
3.10. mean(x) #
4. Suponga que usted es la consola de R. Responda al frente a cada uno

de los comandos:
4.1. 0/0
4.2. labs <- paste(c('X','Y'), 1:10, sep='');labs
4.3. c("x","y")[rep(c(1,2,2,1), times=4)]
4.4. ls()
4.5. apropos("eigen")
4.6. x <- 1; mode(x)
4.7. seq(1, 5, 0.5)
4.8. gl(3, 5)
4.9. expand.grid(a=c(60,80), p=c(100, 300),
sexo=c("Macho", "Hembra"))->trat
dim(trat);class(trat)
4.10. v <- c(10, 20, 30);diag(v)
Capítulo
dos
Descripción de
dos variables
Descripción de dos variables · 21
Antes de comenzar con la descripción multivariada de datos, es conveniente

repasar la de dos variables. Se consideran dos tipos de variables: continuas
y cualitativas, lo que genera tres tipos de descripciones, que se presentan a
continuación.
2.1. Descripción de parejas de variables

continuas
La descripción de dos variables continuas se logra con los diagramas de dis-
persión y se complementa con las covarianzas y los coeficientes de corre-
lación. Al tratarlas en conjunto se puede obtener una gráfica que ensambla
los diagramas de dispersión dos a dos. La función plotpairs{FactoClass}
presenta en una gráfica: las densidades kernel univariadas en la diagonal, las
densidades kernel bivariadas en la parte triangular superior y los diagramas
de dispersión en la parte triangular inferior.
Las varianzas y covarianzas se arreglan en una matriz simétrica, que tiene
en la diagonal las varianzas de las variables y por fuera de la diagonal, las
covarianzas. Las correlaciones conforman, también, una matriz simétrica,
con unos en la diagonal.
Los diagramas de dispersión de los resultados de los aspirantes admiti-
dos a las carreras de la Facultad de Ciencias, según las áreas –matemáticas,
ciencias, sociales, lenguaje e imagen– se muestran en la figura 2.1, junto con
la matriz de varianzas y covarianzas véase Varianzas y la de correlaciones.
Las dos correlaciones más altas son entre sociales y textual, y matemáticas
e imagen, lo que se nota en los diagramas de dispersión y densidades ker-
nel —ver por ejemplo (Everitt et al., 2011)—. Textual e imagen no están
correlacionadas.
La relación entre el puntaje total y los puntajes parciales se da por cons-
trucción porque el total es un resumen de los puntajes por áreas:
mate cien soci text imag

exam 0.753 0.653 0.593 0.519 0.458
xtable(cor(admi$exam,admi[,2:6]),digits=rep(3,6))
La componente de matemáticas es la más correlacionada con el puntaje

global del examen; la menos correlacionada es imagen.
22 · Descripción de dos variables
0.4 16 15 16 14
0.3 14 13 14
12
y
0.2 12
Y
12 11
0.1 10 10
10 9
0.0 8 8
10 14 18 10 14 18 10 14 18 10 14 18 10 14 18
mate X X X X
18 ●
0.4 15 16 14
16 ● ● ● ● ● ● ●
0.3 13 14
● ● ● ● ●
12
y
14 ● ● ● ● ● ● ● ● ●
0.2 12
Y
Y
● ● ● ● ● ● ● ●
● ● ● ● ● ●
12 ●
●
● ● ●
● ●
● ●
● ● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ●
● ●
●
●
●
● ● 11 10
●
●
● ● ●
● ●
● ● ●
● ●
● ●
● ●
● ● ●
● ●
● ●
● ●
●
● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ●
● ●
●
●
●
● 0.1 10
10 ● ● ●
● ●
● ●
● ● ● ● ● ●
● ● ● ● ●
●
● ●
●
0.0 9 8 8
10 12 14 16 10 12 14 16 10 12 14 16 10 12 14 16 10 12 14 16
X cien X X X
18 ●
16
●
0.5 16
16 ● ● ●
●
●
●
0.4 14
● ● ● ●
14 ● ● 14
● ● ● ● ● ● ● ●
0.3 12
y
14 ●
● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
12
Y
Y
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
12
● ●
● ● ● ●
● ● ●
● ● ● ● ● ●
● ● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● 12 ● ●
●
● ● ● ●
● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
0.2 10
●
●
●
●
●
●
● ●
● ● ● ●
● ● ●
● ● ● ● ●
● ● ● ● ● ●
● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
● ● ● ● ●
● ● ● ● ●
●
● ● ● ●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
0.1 10
10 ●
●
●
● ●
● ● ●
● ● ● ● ● ●
●
●
●
●
●
● ●
10 ●
● ● ● ● ●
●
● ●
●
●
●
●
●
●
●
●
●
●
0.0 8 8
9 11 13 15 9 11 13 15 9 11 13 15 9 11 13 15 9 11 13 15
X X soci X X
18 ● ● 15 ●
0.5
16
16 ● ●
● ●
● ● ● ●
●
●
●
● ● 0.4 14
●● ● ● ●
14 ● ● 13 ● ● ● ● ● ● ● ●
0.3
● ● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ●
12
y
14 ● ● ● ● ● ●● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●
Y
Y
●● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ●
● ●●● ● ● ● ●
12
●
●●● ● ● ● ●
● ●● ● ● ●
●●● ● ● ● ●
●
●
●
●
●
●
●
● ● 12
●●● ● ● ●
●●● ● ●
●●● ●
● ● ● ●
● ● ● ●
● ● ● ●
●
●
●
●
●
●
●
11
●●● ● ● ●
●● ● ● ●
●
●
●
●
●
●
●
●
●
●
● ●
0.2
●
●
●
●●
●
●● ● ● ● ● ● ●
●●●●
●●●●●●● ● ●
● ●
●● ● ● ● ● ● ●
● ●●● ● ● ● ●
●● ● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
●
●
●●● ● ● ●
●● ● ● ●
●● ● ● ●
●● ●● ●
● ● ● ●
● ● ● ●
● ● ● ●
● ● ● ●
●
●
●
●
●
●
●
●
● ●
●●● ● ● ●
●●● ● ● ●
●● ● ● ●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
0.1 10
10 ● ●
●
●● ● ●
●●● ● ● ● ● ●
●
●●
●
● 10 ●● ●● ●
●
● ● ●
●
● ● ● ●
● ●
● ●
●
9
●
●
●●
●
● ●●
●
● ●
● ●
0.0 8
8 10 12 14 16 8 10 12 14 16 8 10 12 14 16 8 10 12 14 16 8 10 12 14 16
X X X text X
18 ● ● 15 ●
16
●
0.4
16 ● ● ● ●
16 ● ● ● ● ●
14
● ●
●
● ●
● 13 ● ●
●
● ●
●
● ●
●
●
●
● ● 14 ● ●
●
●
● ●
● ● ● ● ●
●
0.3
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
y
14 ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
12
● ●
● ● ●
●
●
●
●
● ● ●
● ● ●
●
●
●
● ●
0.2
Y
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
12
●
●
●
●
● ●
● ● ● ●
● ● ● ●
● ● ● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● 12 ●
●
● ● ●
● ●
● ● ●
● ●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● 11 ●
● ● ● ● ●
● ● ● ●
● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
● ● ● ● ● ●
●
● ●
● ● ● ● ●
● ●
● ●
●
●
●
●
●
● ● ●
● ● ●
● ● ●
● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
● ● ● ●
● ● ●
● ●
● ● ● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
● ● ●
●
●
● ●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ● ● ● ●
● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
10 ●
●
●
● ● ●
● ● ●
● ●
●
●
●
● ● ●
●
● ●
●
● ●
●
●
●
●
●
●
●
● ●
●
● 0.1
10 ●
● ● ●
●
● ● ● ●
● ● ● ● ●
● ●
●
●
● ●
●
●
10 ●
● ● ●
● ● ●
● ●
●
●
● ● ● ● ● ●
9
●
● ● ● ●
● ● ●
●
●
●
● ● ●
●
●
0.0
● ● ● ● ● ● ● ● ●
8 ●
9 11 13 9 11 13 9 11 13 9 11 13 8 10 12 14
X X X X imag
plotpairs(admi[,2:6],col=gray.colors(10,0.8,0.4,2.2));
Matriz de varianzas y covarianzas

mate 1.28 0.39 0.24 0.27 0.24
cien 0.39 1.00 0.14 0.20 0.12
soci 0.24 0.14 0.75 0.32 0.09
text 0.27 0.20 0.32 0.98 0.05
imag 0.24 0.12 0.09 0.05 1.00
n<-nrow(admi);V<-(n-1)/n*var(admi[,2:6]);
xtable(V,digits=rep(2,6));
Matriz de correlaciones
mate 1.00 0.34 0.24 0.24 0.21
cien 0.34 1.00 0.16 0.20 0.12
soci 0.24 0.16 1.00 0.37 0.11
text 0.24 0.20 0.37 1.00 0.05
imag 0.21 0.12 0.11 0.05 1.00
R<-cor(admi[,2:6]);
xtable(R,digits=rep(2,6));
Figura 2.1. Diagramas de dispersión y densidades kernel de los puntajes

obtenidos en el examen de los admitidos a la Facultad de Ciencias. Abajo,
matrices de covarianzas y correlaciones
2.2. Descripción de una variable continua y

una cualitativa
Una variable cualitativa de K categorías establece una partición de los “indi-
viduos” en K grupos. Entonces esta descripción se realiza comparando las
distribuciones de la variable continua de los K grupos. Los diagramas de
cajas y bigotes son apropiados para esto.
Como ejemplo se comparan los resultados del examen de admisión se-
gún las carreras en la figura 2.2. Se observa que a las carreras de Geolo-
gía, Física y Matemáticas se admiten, en promedio estudiantes con mejores
resultados en el examen en comparación con las demás carreras. En esta
cohorte los admitidos de menores puntajes son los de Química, Farmacia
y Estadística. Individualmente los mejores puntajes están en Física, Mate-
máticas y Geologia y los inferiores en Física, Biología y Geología. La dis-
tribución más dispersa es la de los admitidos a Física en contraste con las de
Estadística y Farmacia.
1100
1000
900
800
700
600
500
Biol Esta Farm Fisi Geol Mate Quim

boxplot(admi$exam~admi$carr,las=1)
Figura 2.2. Distribuciones del puntaje del examen obtenido por los admi-
tidos según carreras
2.2.1. Razón de correlación

La razón de correlación sirve para medir la relación entre una variable
continua X y otra cualitativa Y con K categorías. La partición de los n indi-
viduos, inducida por Y , permite descomponer la varianza de X en varianza
entre y varianza intra.
La razón de correlación se define como el cociente entre varianza entre
y varianza total:
σ2
η XY
2
= entre (2.1)
σ2
La varianza entre es:
K
Õ n k
σentre
2
= (X k − X)2
n
k=1
1 Í
donde X k = Xi , es decir, el promedio de los individuos que pertene-
nk i ∈Ik
cen a la clase k, y X es el promedio de los n individuos, Ik es el conjunto de
individuos que pertenecen a la clase k y nk el número de ellos.
A continuación se calculan las razones de correlación entre las notas de
los exámenes y carrera, utilizando la función centroids{FactoClass}. Los
resultados se expresan en porcentaje:
xtable(centroids(admi[,2:7],
admi$carr)$cr*100,digits = rep(2,7));
mate cien soci text imag exam
15.86 4.31 3.22 2.34 4.42 11.87
Las razones de correlación son bajas, pero se destacan la de matemáticas

y la del puntaje global (exam) sobre las demás. Entonces, la componente de
matemáticas es la que más hace diferencia entre carreras.
2.2.2. Ordenamiento por valores test para describir

una variable cualitativa según varias variables
continuas
En Morineau (1984) se presentan los denominados valores test para buscar
las variables continuas que más caracterizan a un grupo de nk individuos,
asociados a una categoría k de una variable cualitativa. El interés es compa-
rar la media del grupo con la media general para cada una de las variables
continuas. El valor test se define como la diferencia de la media del grupo

k con respecto a la media global en términos de desviaciones estándar.
Para calcular el valor test se usa como distribución de referencia la de
la variable aleatoria X k , definida como la media de una muestra aleatoria
de tamaño nk tomada sin reemplazamiento de los n individuos de análisis.
La distribución de X k tiene como parámetros, la media de los n datos µ
n − nk σ 2 n − nk
y varianza σk2 = , donde es el factor de corrección por
n − 1 nk n−1
tamaño de población finita y σ 2 es la varianza de los n datos. Entonces, el
valor test es:
s
x̄ − µ (n − 1)nk x̄k − µ
tk = k = (2.2)
σk n − nk σ
Extracción aleatoria sin reemplazo

Una muestra de
nk tamaño nk
n
Xk
µ
Individuos que asumen

la categoria k
Urna con n datos nk
xk
Figura 2.3. Esquema de obtención del valor test: diferencia entre x k y µ, en

número de desviaciones estándar
Valores test más grandes que 2 indican que la clase k se caracteriza por
tener una media superior a la media global; los inferiores a -2, por tener
una media inferior a la global.
Como ejemplo, se calcula el valor test para el puntaje total del examen
en la Carrera de Estadística: n = 445, nesta = 66, x̄esta = 680.2, µ = 718.4,
σ 2 = 8039, entonces:
r
444 ∗ 66 680.2 − 718.4
testa = √ = −3.746
445 − 66 8039
La función cluster.carac{FactoClass} ordena las categorías según el va-

lor test y solo presenta a las que en valor absoluto son mayores que 2, pará-
metro que se puede cambiar al llamar la función.
En la tabla 2.1 se muestra la caracterización de las carreras según los re-
sultados por áreas y puntaje total obtenidos por sus admitidos en el examen.
Al pie de la tabla se muestra el código R para obtenerla.
Código para obtener la tabla 2.1

cluster . carac ( admi [ ,2:7] , admi $ carr , tipo .v=" co " ,
\ lstinline { dm =1) - > desCarrExamen ;
xtable ( list . to . data ( desCarrExamen ), digits =c (0 ,0 ,3 ,1 ,0 ,1));
Tabla 2.1. Caracterización de las carreras según los resultados por áreas y
global del examen de admisión
Categoría Carrera V.test Media Frecuencia Media

clase clase global
mate Biol -2.258 11.5 63 11.8
text Esta -2.598 11.1 66 11.4
soci -2.839 11.1 11.4
cien -3.576 11.2 11.6
exam -3.745 680.2 718.4
imag Farm -2.945 11.0 73 11.3
exam -3.399 685.7 718.4
mate -4.472 11.3 11.8
mate Fisi 3.374 12.2 82 11.8
exam 3.316 748.0 82 718.4
cien 2.482 11.8 82 11.6
exam Geol 2.467 749.6 45 718.4
mate 2.045 12.1 11.8
mate Mate 5.816 12.6 53 11.8
exam 3.909 763.5 718.4
imag 3.128 11.7 11.3
mate Quim -2.100 11.5 63 11.8
En la tabla 2.1 se puede observar que los admitidos a Biología obtie-

nen en promedio menores puntajes en matemáticas; los de Estadística, en
las áreas textual, de sociales y de ciencias; los de Farmacia, en imagen y
matemáticas y los de Química en matemáticas. Los admitidos a Física obtie-
nen mayores puntajes promedio en matemáticas y ciencias; los de Geología,
mayores en matemáticas, y los de Matemáticas, en matemáticas e imagen.
2.3. Descripción de dos variables

cualitativas
Para describir la asociación de dos variables cualitativas se construye una
tabla de contingencia (TC), que clasifica a los individuos por las categorías
de las dos variables simultáneamente.
Por ejemplo, la tabla 2.2 muestra la asociación entre edad y estrato de
los admitidos, donde se incluyen los totales fila y columna, y la tabla de
frecuencias relativas, con sus marginales.
La tabla de frecuencias relativas es la distribución conjunta de probabili-
dad (empírica) de edad y estrato. La marginal fila (sumas por filas) es la distri-
bución de probabilidad de la edad y la marginal columna, la distribución de
estrato. Estas distribuciones univariadas se denominan también distribuciones
marginales.

table ( admi $ edad , admi $ estr )-> tc ;
tabtc <- cbind (tc , totF = rowSums ( tc ));
tabtc <- rbind ( tabtc , totC = colSums ( tabtc ));
xtable ( cbind ( tabtc , round ( tabtc / 445 * 100 ,1)) , digits =c( rep (0 ,5) ,
rep (1 ,4)));
Tabla 2.2. Tabla de contingencia edad × estrato de los admitidos, tabla de

frecuencias relativas
Edad Estrato
Frecuencia Porcentaje
bajo medio alto totF bajo medio alto totF
a16m 44 47 27 118 9.9 10.6 6.1 26.5
a17 58 74 39 171 13.0 16.6 8.8 38.4
a18 22 26 8 56 4.9 5.8 1.8 12.6
a19M 55 38 7 100 12.4 8.5 1.6 22.5
totC 179 185 81 445 40.2 41.6 18.2 100.0
Al dividir una fila de la tabla de contingencias o de la tabla de frecuencias

por su suma (marginal), se obtiene la distribución condicional de la fila. Por
ejemplo, la distribución para el grupo de los admitidos de 17 años se obtie-
ne dividiendo la fila 2 por 171. Del mismo modo, al dividir una columna
por su suma se obtiene su condicional. Por ejemplo, dividiendo la prime-
ra columna por 179 se obtiene la distribución condicional de estrato bajo.
En la tabla 2.3 se presentan las distribuciones condicionales fila y columna,

denominadas también perfiles.
Tabla 2.3. Perfiles fila y columna de la tabla edad × estrato
Perfiles fila Perfiles columna

bajo medio alto
bajo medio alto Suma
a16m 24.6 25.4 33.3
a16m 37.3 39.8 22.9 100.0
a17 32.4 40.0 48.1
a17 33.9 43.3 22.8 100.0
a18 12.3 14.1 9.9
a18 39.3 46.4 14.3 100.0
a19M 30.7 20.5 8.6
a19M 55.0 38.0 7.0 100.0
Suma 100.0 100.0 100.0
Código para obtener la tabla 2.3 (editada)

prop . table ( tc ,1) - > pf ;
prop . table ( tc ,2) - > pc ;
xtable ( addmargins (pf , margin =2) * 100 , digits = rep (1 ,5));
xtable ( addmargins (pc , margin =1) * 100 , digits = rep (1 ,4))
a16m a17 a18 a19M
marg
alto
medio
bajo
0.0 0.2 0.4 0.6 0.8 1.0

bajo medio alto
marg
a19M
a18
a17
a16m
0.0 0.2 0.4 0.6 0.8 1.0

par(mfrow=c(2,1),mai=c(0.4,1,0.3,0.1));
plotct(t(tc),"row");plotct(tc,"row");
Figura 2.4. Perfiles fila y columna de la tc edad × estrato

La asociación entre categorías fila y columna se visualiza con los his-

togramas de perfiles fila y columna, puestos como barras del 100 % cuyas
franjas representan el porcentaje de cada categoría en el histograma de la
fila o columna.
Se observa, en la figura 2.4 que los admitidos de mayor edad tienen más
porcentaje de estrato bajo y los de 17 años y menos un poco más de estrato
alto. Por otro lado, los estudiantes de estrato bajo tienen mayor porcentaje
de 19 o más años de edad.
En tablas de datos es común interesarse por una variable cualitativa que
se desea describir por otras variables también cualitativas. Como ejemplo
podemos ver los perfiles de las carreras según las demás variables cualitativas
en la figura 2.5.
En esa misma figura se puede ver, por ejemplo: Farmacia es la carrera
donde se admitieron más mujeres, Química es la que tuvo más porcenta-
je de estrato bajo, a Farmacia y Estadística se admitió más porcentaje de
bogotanos, Química fue la de mayor porcentaje de admitidos de 16 años o
menos, Estadística tuvo mayor porcentaje de los que debieron nivelar lecto-
escritura, y en Farmacia y Biología hubo mayor porcentaje de los que tu-
vieron que nivelar matemáticas.
2.3.1. Dos medidas de asociación entre variables

cualitativas
En una tabla de contingencia, denotada N , con J categorías en fila y K
categorías en columna, n jk es el número de individuos que asumen simultá-
neamente las categorías j y k; n j · , el número de los que asumen la categoría
j (marginal fila); n ·k , el de los que asumen la categoría k (marginal columna),
y n, el total de la tabla (número de individuos).
La estadística χ 2 utilizada para contrastar la hipótesis de independencia
se puede usar como medida de asociación entre dos variables cualitativas y
se expresa como (Canavos, 1988, p. 370):
n j · n ·k 2
K
J Õ n jk −
n
Õ
χ2 = n j · n ·k (2.3)
j=1 k=1
n
Para probar la independencia en una tabla de contingencia, se utiliza

la distribución asintótica de χ 2 que es χ 2 con ( J − 1)(K − 1) grados de
libertad. La aproximación se considera buena si ninguna celda de la tabla
n j · n ·k
bajo el supuesto de independencia, de término general , es inferior a
n
5 (Agresti, 2002, p. 78). Aquí se utiliza como índice descriptivo.
Se calcula además su valor p, que es igual a P( χ 2 ≥ χc2 ), donde χc2 es el
valor calculado en la tabla de contingencia. Al valor p se le asocia el cuantil
de la normal estándar, denominado valor test:
t tal que P(Z ≥ t) = valor p, donde Z ∼ N (0, 1)
Código para obtener la figura 2.5 (está editada)

par ( mfrow = c (3 ,2) , mai = c (0.3 ,1 ,0.2 ,0.1) , las =1 , cex =0.7);
for ( i in 8:13){
tc <- unclass ( table ( admi $ carr , admi [ , i ]));
plotct ( tc , " row " );
title ( main = names ( admi )[ i ]);
}
F M gene bajo medio alto estr

marg marg
Quim Quim
Mate Mate
Geol Geol
Fisi Fisi
Farm Farm
Esta Esta
Biol Biol
0.0 0.4 0.8 0.0 0.4 0.8

Bogo Cund Otro orig a16m a17 a18 a19M edad
marg marg
Quim Quim
Mate Mate
Geol Geol
Fisi Fisi
Farm Farm
Esta Esta
Biol Biol
0.0 0.4 0.8 0.0 0.4 0.8

siLE noLE niLE siMa noMa niMa
marg marg
Quim Quim
Mate Mate
Geol Geol
Fisi Fisi
Farm Farm
Esta Esta
Biol Biol
0.0 0.4 0.8 0.0 0.4 0.8
Figura 2.5. Perfiles de las carreras según variables cualitativas

La estadística χ 2 depende del total de la tabla n. Por lo tanto, también se

utiliza el índice de asociación φ2 :
χ2
φ2 = (2.4)
n
Con la función chisq.carac{FactoClass} se pueden obtener los índices

de asociación entre una variable cualitativa (a caracterizar) y otras variables
cualitativas. Se muestra, como ejemplo, la asociación de las carreras con las
variables sociodemográficas de los admitidos: gene, estr, ori g y edad, en
la tabla 2.4. Solo entre carreras y origen de los admitidos no se muestra
asociación. En la sección siguiente se muestran las categorías responsables
de las relaciones entre carreras y las otras variables a través de sus categorías.
2.3.2. Ordenamiento por valores test para describir

una variable cualitativa según las categorías
de varias variables cualitativas
Para ordenar automáticamente las categorías más características en los per-
files de la variable cualitativa, que se está describiendo (categoría k), se re-
curre a calcular los valores test (Morineau, 1984).
La proporción de individuos que asumen una categoría j (de otra varia-
n jk
ble que caracteriza) dentro del grupo k: se compara con la proporción de
nk
nj
la categoría j en los n individuos: . Una manera de definir esa diferencia,
n
cuando es positiva, es calculando la probabilidad de obtener n jk individuos
o más, en una muestra aleatoria de tamaño nk sin reemplazamiento. El es-
quema de comparación se muestra en la figura 2.6.
Tabla 2.4. Estadísticas χ 2 entre carreras y variables sociodemográficas
variable χ2 dfr pval tval φ2

gene 44.1 6 0.000 5.264 0.099
estr 29.2 12 0.004 2.679 0.066
orig 9.7 12 0.644 -0.370 0.022
edad 33.6 18 0.014 2.189 0.075
xtable(chisq.carac(admi[,8:11],admi$carr,decr = FALSE),
digits=c(0,1,0,3,3,3))
Extracción aleatoria sin reemplazo

Una muestra de
tamaño k
nk
n
N bolas con la
N
nj característica j
Individuos de la clase
k nk
n kj
Urna con n bolas
n j bolas con la carac−
terística j n kj bolas con la
característica j
Figura 2.6. Esquema para obtener el valor p como índice de comparación

entre la proporción de la categoría j dentro de la clase k y su proporción
global
En la urna hay n “bolas” (que representan a los individuos) y entre es-

tas hay algunas (n j ) que tienen la característica j. De la urna se extrae una
muestra al azar y sin reemplazo de tamaño nk .
Sea la variable aleatoria N = “número de bolas con la característica j
al extraer nk bolas al azar y sin reemplazo”. La variable aleatoria N tiene
distribución hipergeométrica de parámetros n, n j , nk . La probabilidad que
se desea calcular, notada valor p, es:
nk j nj
 P(N > nk j ) si ,

 >
valor p =

nk n
 P(N 6 nk j ) en otro caso.


Si la probabilidad es muy baja –por ejemplo menor que 0.05–, la cate-

goría j caracteriza a la clase k por tener mayor o menor proporción de la
categoría dentro de la clase comparada con su proporción global. El valor p
no es práctico porque es decimal y puede tener muchos ceros a la izquier-
da. Por eso Morineau (1984) propone transformarlos en valores test, que
son cuantiles de la normal estándar. El valor test es el cuantil de la normal
estándar que corresponde al valor p:
valor p nk j nj
 P(Z > t) = 2 ) si

 >
valor test = t tal que

nk n (2.5)
 P(Z 6 t) = valor p

 2 ) en otro caso.
La división del valor p sobre 2 se introduce porque se consideran las dos

diferencias, es decir, el valor test está asociado a una prueba de hipótesis
bilateral o de dos colas. Cuando la proporción de la característica j dentro
del grupo k es menor que la global, el valor test es negativo.
La función cluster.carac{FactoClass} calcula los valores p y los valores
test asociados. En el objeto de salida, para cada una de las categorías de la
variable que se está caracterizando (clase k) se presentan las categorías de las
demás variables que la caracterizan (categorías j), ordenadas por los valores
test. cluster.carac muestra solamente las categorías que tienen valores test
superiores, en valor absoluto, al umbral v.lim = 2, parámetro que se puede
cambiar (ver ayuda de la función con el comando ?cluster.carac).
En la tabla 2.5 se muestra la salida que caracteriza las carreras según
las cuatro variables sociodemográficas y las dos variables que indican si los
admitidos tienen que nivelar o no. Esta tabla se puede considerar un resu-
men de la figura 2.5.
La tablas: de contingencia, que cruza niM a × carr; de frecuencias rela-
tivas; de perfiles fila y de perfiles columna se presentan en la tabla 2.6 y de
ellas se deriva el resumen de la tabla 2.5.

tcCarrNiMa <- unclass ( table ( admi $ niMa , admi $ carr ));
tabs <- plotct ( tcCarrNiMa , tables = TRUE );
xtable ( tabs $ ctm , digits = rep (0 ,9));
xtable ( tabs $ ctm * 100 / 445 , digits = rep (1 ,9));
xtable ( tabs $ perR , digits = rep (1 ,8));
xtable ( tabs $ perC , digits = rep (1 ,9))
Considérense, por ejemplo, algunos de los valores de la primera fila de

la tabla 2.5: el 87.3 % de la celda (1, 1) de los perfiles columna; el 70.8 %
corresponde al marginal de la fila siM a de la tabla de frecuencias relativas;
el 17.5 % de la celda (1, 1) de la tabla de perfiles fila y el 315 marginal siM a
de la tabla de contingencia.
Para mostrar la lectura y un cálculo, tomemos la primera fila de la tabla
2.5, corresponde a la categoría siMa, dentro del grupo de los admitidos a
Biología. El valor test 3.332, que corresponde a un valor p de 0.001, indica
que el porcentaje de 87.3 % (columna Cat/Cl) de los que tienen que nivelar
matemáticas dentro de Biología es característico, comparado con el 70.8 %
(penúltima columna) de todos los admitidos.
El 17.5 % de la columna Cl/Cat indica que de los 315 (última columna)
admitidos que tienen que nivelar matemáticas el 17.5 % están en los admi-
tidos a Biología. Como niMa, solo tiene dos categorías, el valor test para
los que no tienen que nivelar es -3.332, es decir, Biología se caracteriza

por tener menos proporción que el global de los que no tienen que nivelar
matemáticas. Sin embargo, este resultado complementario y no siempre se
utiliza en el análisis.
A continuación se ilustra el cálculo del valor p y del valor test para la
categoría siMa dentro de Biología.
La variable aleatoria N = número de admitidos que tienen que nivelar ma-
temáticas en la muestra de tamaño 63, tomada sin reemplazo de los 445 admi-
tidos a Ciencias, donde hay 315 que tienen que nivelar matemáticas, tiene dis-
Tabla 2.5. Caracterización de las carreras según algunas variables

cualitativas
Categoría Carrera V.test Valor p Cl/Cat Cat/Cl Global ncat
niMa.siMa Biol 3.332 0.001 17.5 87.3 70.8 315
niMa.noMa -3.332 0.001 6.2 12.7 29.2 130
niLE.siLE Esta 2.235 0.025 26.1 18.2 10.3 46
niMa.siMa 2.034 0.042 16.8 80.3 70.8 315
niMa.noMa -2.034 0.042 10.0 19.7 29.2 130
niLE.noLE -2.235 0.025 13.5 81.8 89.7 399
gene.F Farm 5.152 0.000 31.2 54.8 28.8 128
niMa.siMa 4.355 0.000 21.0 90.4 70.8 315
edad.a18 2.252 0.024 26.8 20.5 12.6 56
estr.alto -2.281 0.023 8.6 9.6 18.2 81
niMa.noMa -4.355 0.000 5.4 9.6 29.2 130
gene.M -5.152 0.000 10.4 45.2 71.2 317
niMa.noMa Fisi 3.475 0.001 28.5 45.1 29.2 130
gene.M 3.045 0.002 21.8 84.1 71.2 317
gene.F -3.045 0.002 10.2 15.9 28.8 128
niMa.siMa -3.475 0.001 14.3 54.9 70.8 315
estr.alto Geol 3.677 0.000 22.2 40.0 18.2 81
niMa.noMa 2.706 0.007 16.2 46.7 29.2 130
edad.a17 2.554 0.011 14.6 55.6 38.4 171
niMa.siMa -2.706 0.007 7.6 53.3 70.8 315
estr.medio -3.242 0.001 4.9 20.0 41.6 185
niMa.noMa Mate 4.467 0.000 23.1 56.6 29.2 130
edad.a19M 3.683 0.000 23.0 43.4 22.5 100
gene.M 3.218 0.001 14.8 88.7 71.2 317
edad.a17 -2.089 0.037 8.2 26.4 38.4 171
gene.F -3.218 0.001 4.7 11.3 28.8 128
niMa.siMa -4.467 0.000 7.3 43.4 70.8 315
edad.a16m Quim 2.320 0.020 20.3 38.1 26.5 118
edad.a17 -2.189 0.029 9.9 27.0 38.4 171
desCarrSocio<-cluster.carac(admi[,8:13],admi[,1])
xtable(list.to.data(desCarrSocio),digits=c(0,0,3,3,1,1,1,0))
Tabla 2.6. TC de nivela matemáticas × carreras y tablas de perfiles fila y

columna, incluyendo marginales
Tabla de contingencia
niMa Biol Esta Farm Fisi Geol Mate Quim marR
siMa 55 53 66 45 24 23 49 315
noMa 8 13 7 37 21 30 14 130
marC 63 66 73 82 45 53 63 445
Frecuencias relativas en porcentaje

siMa 12.4 11.9 14.8 10.1 5.4 5.2 11.0 70.8
noMa 1.8 2.9 1.6 8.3 4.7 6.7 3.1 29.2
marC 14.2 14.8 16.4 18.4 10.1 11.9 14.2 100.0
Perfiles fila
siMa 17.5 16.8 21.0 14.3 7.6 7.3 15.6 100
noMa 6.2 10.0 5.4 28.5 16.2 23.1 10.8 100
Perfiles columna
siMa 87.3 80.3 90.4 54.9 53.3 43.4 77.8
noMa 12.7 19.7 9.6 45.1 46.7 56.6 22.2
100 100 100 100 100 100 100
tribución hupergeométrica, con parámetros n = 445, nk = nbiol = 63,

n j = nsiM a = 315, es decir: N ∼ H (445, 315, 63).
El valor de los admitidos a Biología que tienen que nivelar matemáticas,
nk j = 55, se toma como una muestra específica. Entonces, hay que calcular
primero la probabilidad
P(N ≥ 55) con el modelo N ∼ H (445, 315, 63)
Esa probabilidad es el valor p y el cuantil de la normal estándar que le co-

rresponde es el valor test, calculado como se muestra en el código siguiente:
vp<-phyper(54, 315, 130,6
Código para calcular el valor p y el valor test, y obtener la figura 2.7

3 , lower . tail = FALSE ); vp ;
# [1] 0.000862394
qnorm ( vp /2, lower . tail = FALSE )
# [1] 3.331951
curve ( dnorm (x), xlim =c ( -5 ,5) , las =1) # densidad N (0 ,1)
abline ( v= seq ( -5 ,5) , h= seq (0 ,0.4 ,0.1) , col =" gray ") # grilla
abline ( v=c ( -3.332 ,3.332) , lty =2) # cuantiles
# valores de cuantiles y areas agregados con xfig
0.4
0.3
0.2
0.1
Area Area
0.00043 0.00043
0.0
−3.332 3.332
−4 −2 0 2 4
Figura 2.7. Ilustración de la obtención del valor test a partir de una proba-
bilidad (área de las dos colas bajo la curva normal estándar)
En la figura 2.7 se muestra la recodificación de la probabilidad obte-

nida al valor test como cuantil de la normal estándar. El área que repre-
senta la probabilidad se reparte en los extremos de la distribución es decir,
0.00086/2 = 0.00043, lo que permite establecer un umbral de 2 para el
valor test.
2.4. Ejercicios
1. Deduzca la razón de correlación (2.1).
2. Deduzca el valor test (2.2).
3. Use (2.2) para verificar el valor test de imag para Mate en la tabla 2.1.
4. Obtenga todos los valores de la fila gene en la tabla 2.4.
5. Deduzca la ecuación (2.5).
6. Obtenga todos los valores de la fila estr.alto para Geol en la tabla 2.5.
2.5. Taller: caracterización de la función de

razas de perros
En un estudio de 27 razas de perros, se registran seis variables que miden las
cualidades físicas o psíquicas de la raza y una variable que indica la función
para la que se suele emplear la raza:
Variables Categorías
Tamaño Pequeño Medio Grande
Peso Liviano Medio Pesado
Velocidad Baja Media Alta
Inteligencia Pequeña Media Grande
Afectividad Pequeña Grande
Agresividad Pequeña Grande
Función Compañía Caza Utilidad
Las razas de función utilidad incluyen: salvamento, defensa, perro laza-

rillo, perro de policía, etc.
El objetivo del ejercicio es describir las características físicas y psíquicas
de las razas más relacionadas con cada una de las categorías de la función.
Los datos se encuentran en el paquete FactoClass como DogBreeds. Para
ver la asociación entre cada una de las variables físicas y psíquicas con la uti-
lidad, use la función chisq.carac{FactoClass} y para ordenar las categorías
según su caracterización, use cluster.carac{FactoClass}
Preguntas
Complete
1. Las tres variables que más caracterizan a la función para la cual se

utilizan las razas son:
2. La estadística χ 2 asociada a la tabla de contingencia peso × f uncion

es:
3. Para encontrar el valor p se utiliza la distribución:

con grados de libertad.
4. El valor test se puede obtener con el comando de R:
Conteste falso o verdadero a las afirmaciones siguientes:
5. De las razas utilizadas para compañía el 71.4 % es de afectividad

alta.
6. Todas las razas utilizadas para compañía son de afectividad alta.
7. Todas las razas de afectiividad alta se utilizan para compañía.
8. Hay catorce razas utilizadas para compañía.
9. Hay catorce razas de afectividad alta.

10. En las razas utilizadas para compañía hay catorce de afectividad

alta.
11. Todas las razas pesadas son de utilidad.
12. Todas las razas de utilidad son de tamaño grande.
13. La velocidad no caracteriza a las razas de caza.
14. Hay cinco razas de utilidad.

Capítulo
tres
Análisis en
componentes
principales
Análisis en componentes principales · 41
El análisis en componentes principales (ACP) se utiliza para describir tablas

que tienen en las filas las unidades estadísticas, generalmente denominadas,
“individuos”, y en las columnas las variables de tipo continuo que se han
medido sobre los individuos. Los objetivos del ACP son:
1. Comparar los individuos entre si. Las gráficas que se obtienen per-
miten observar la forma de la “nube de individuos”, lo que a su vez
permite detectar patrones en ellos.
2. Describir las relaciones entre las variables.
3. Reducir la dimensión de la representación. A mayor relación entre las

variables mayor es la capacidad de síntesis del ACP y unos pocos ejes
factoriales podrán resumir las variables originales.
A continuación se desarrolla el ACP paso a paso utilizando un ejemplo

muy pequeño, lo que permite observar datos y gráficos de manera completa,
entender los pasos lógicos y las claves para la su lectura y aprender a usar
las ayudas numéricas para interpretarlas.
En el ejemplo de aplicación de la sección 3.6 se utilizan funciones es-
pecíficas de R para llevar a cabo un ACP que sirve de guía para los trabajos
propios de los lectores.
3.1. Ejemplo “Café”

En Duarte et al. (1996) se presenta un experimento en el que se preparan
tazas de café para detectar la influencia de la contaminación del grano con
maíz y cebada. La tabla de datos está incluida en cafe{FactoClass} y tiene
doce filas y diesiséis columnas.
El experimento considera tres factores: agregado (sin o excelso, maíz,
cebada), porcentaje del agregado (20 % y 40 %) y grado de tostación (clara y
oscura). Con el café molido de cada uno de los diez tratamientos se preparan
tazas de café para medir propiedades químicas, físicas y sensoriales.
En este ejemplo se utilizan solamente las variables físicas —color, da: den-
sidad aparente, ea: extracto acuoso (contenido de sólidos solubles)— y las
diez primeras filas, que corresponden a los tratamientos del experimento.
Los valores obtenidos para los diez tratamientos se muestran en la figura
3.1. Los identificadores de los ocho tratamientos que corresponden a los
cafés contaminados con maíz y cebada se construyen así: la primera letra
indica el grado de tostación (C = claro, O = oscuro); los dos números, el
porcentaje de contaminación (20,40) y la última letra el contaminante
42 · Análisis en componentes principales
(M = maíz, C = cebada). Por ejemplo, C20M quiere decir tostación clara,

con 20 % de agregado de maíz. Los dos cafés excelsos se identifican como
ExCl y ExOs.
Código cargar los datos y construir la gráfica 3D con los cafés e imprimir la
matriz Y (figura 3.1).
library ( FactoClass ); data ( cafe ); Y <- cafe [1:10 ,1:3];
par ( las =1); # grafica ;
Y3D <- scatterplot3d (Y , main ="Y" , type ="h " , color =" black " , box = FALSE ,
las =1);
Y3D $ points3d (Y , pch =1);
addgrids3d (Y , grid = c(" xy " ," xz " ," yz " ));
cord2d <- Y3D $ xyz . convert (Y) # convertir cordenadas 3D a 2D;
# poner etiquetas ;
text ( cord2d , labels = rownames (Y), cex =0.8 , col =" black " , pos =3);
xtable (Y , digits =c (0 ,0 ,1 ,0)) # para tabular de LaTeX ;
La matriz Y contiene los datos “activos” del ejemplo. Las 10 filas (n = 10)
de Y se representan como puntos en R3 (p = 3), imagen que se denomina
nube de individuos (figura 3.1).
Las columnas de Y representan a las variables. Cada una se puede ver
como un vector en R10 . Esta geometría es abstracta, pero tiene las mismas
propiedades de la geometría en 3D (R3 ). Los tres vectores (color, DA y EA)
constituyen la nube de variables.
3.2. Nube de individuos Nn

En la nube de los n individuos en Rp los ejes son las variables y las coordena-
das de cada punto son los valores de las variables que asume el individuo de
la fila de Y. En la figura 3.1, se muestra en 3D la nube de los diez individuos
del ejemplo “Café”.
3.2.1. Centro de gravedad

Sobre la nube de individuos se define el centro de gravedad, notado g, que
generaliza el concepto de media como una medida de localización multiva-
n
pi = 1.
Í
riada. Cada individuo se dota de un peso pi , tal que
i=1
C40M
O40M
O40C C40C
C20M
45
g
DA
500
O20M 480
40 O20C
460
C20C 440
EA
35
420
ExCl 400
30 ExOs 380
360
25 340
150 200 250 300 350 400
Color
Matriz Y
Cafe Color DA EA
ExCl 298 385.1 25
C40M 361 481.3 41
C40C 321 422.6 40
C20M 335 444.3 33
C20C 314 368.7 32
ExOs 186 346.6 28
O40M 278 422.6 43
O40C 238 403.0 42
O20M 226 368.7 36
O20C 210 368.7 35
Figura 3.1. Representación de la tabla de datos del ejemplo Café en 3D.

Se muestra el centro de gravedad g.
1
Cuando los individuos tienen el mismo peso , el centro de gravedad es
n
la suma de los n vectores individuo, notados yi , multiplicada por el escalar
1/n:
n n
Õ 1Õ
g= pi yi = yi (3.1)
n
i=1 i=1
El centro de gravedad constituye un individuo artificial denominado típico

porque es el punto de referencia para comparar a los demás.
Código para calcular y adicionar el centro de gravedad a la figura 3.1

g <- colMeans (Y) # centro de gravedad ;
Y3D $ points3d ( t(g), pch =19 , col =" darkgreen " , type = "h" );
text ( Y3D $ xyz . convert (t(g )) , labels ="g" , pos =3 , col =" black " ,
cex =1.3);
3.2.2. Centrado de la nube de individuos

El centrado de los individuos permite trasladar el cero de la representación
al centro de gravedad. En la gráfica centrada se pierden las coordenadas del
centro de gravedad, por lo tanto, es necesario registrar esos valores, que son
los promedios de las variables.
La coordenada de un individuo centrado yCi , se obtiene restándole las
coordenadas del centro de gravedad g:
yC i = yi − g (3.2)
La matriz de datos centrados YC se obtiene mediante:
YC = Y − 1 n g 0 (3.3)
donde 1n es el vector de n unos.

Al representar YC en Rp el origen se traslada al centro de gravedad de la
nube Nn , hecho que se muestra en el esquema de la figura 3.2.
En la figura 3.2, se muestra la representación en 3D de la nube de puntos
centrados del ejemplo “Café”. La representación centrada tiene la misma
forma que la original, pero las coordenadas de los cafés han cambiado.
Las coordenadas en cada eje representan la diferencia de un café con
respecto al café típico, por ejemplo, el café excelso con tostación clara (ExCl)
tiene 21.30 unidades de color más que el café típico, 16.06 unidades menos
de densidad aparente y 10.05 unidades menos de extracto acuoso.
y1
y1 −g
y2 −g
y2
g
y3 −g
y3
Figura 3.2. Centrado de los individuos en ACP: para representar los puntos
yi − g, el cero del sistema de coordenadas se traslada a g
Los valores para el café típico son 276.70, 401.16 y 35.50, res-
pectivamente. Esas son las coordenadas del centro de gravedad en la
representación sin centrar. Esta información hay que guardarla porque al
centrar los datos se pierde.
Centrar los datos, graficarlos en 3D e imprimir la matriz Yc (figura 3.3)

par ( las =1);
unos <- rep (1 , n ); # vector de n unos
Yc <-Y - unos %* %t(g ); Yc ;
# grafica de datos centrados
Yc3D <- catterplot3d (Yc , main =" Yc " , type ="h" , color =" black " ,
box = FALSE , las =1);
Yc3D $ points3d (Yc , pch =1);
addgrids3d (Yc , grid =c(" xy " , " xz " , " yz " ));
text ( Yc3D $ xyz . convert ( Yc ), labels = rownames ( Yc ), cex =0.8 ,
col = " black " , pos =3);
Yc3D $ points3d (t(c (0 ,0 ,0)) , pch =19 , col =" black " , type = "h" );
text ( Yc3D $ xyz . convert (t(c (0 ,0 ,0))) , labels ="0" , pos =3 ,
col =" black " , cex =1.3);
Yc
C40M
O40M
O40C C40C
10 C20M
0
5 O20M
O20C
DA
100
C20C 80
0
60
EA
ExCl 40
−5 ExOs
20
0
−10 −20
−40
−15 −60
−100 −50 0 50 100
Color
Cafe Color DA EA
ExCl 21.3 -16.1 -10.5
C40M 84.3 80.1 5.5
C40C 44.3 21.4 4.5
C20M 58.3 43.1 -2.5
C20C 37.3 -32.5 -3.5
ExOs -90.7 -54.6 -7.5
O40M 1.3 21.4 7.5
O40C -38.7 1.8 6.5
O20M -50.7 -32.5 0.5
O20C -66.7 -32.5 -0.5
Figura 3.3. Representación de la tabla de datos centrados del ejemplo Café

en 3D. Visualmente esta figura es igual a la figura 3.1, pero cambian las
coordenadas sobre los ejes, cuyos valores están en las tablas. Las dos gráficas
están representando también las distancias entre los cafés, que aparecen en
la tabla 3.1
3.2.3. Distancia entre individuos

El parecido entre individuos en la tabla de datos se traslada a la representa-
ción geométrica como una distancia (figura 3.4).
La distancia euclidiana al cuadrado entre dos individuos es:
p
Õ
d 2 (i, l) = (yi j − yl j )2 (3.4)
j=1
yC1
d(yC1 ,yC2 )
yC2
d(yC1 ,yC3 )
g
d(yC2 ,yC3 )
yC3
Figura 3.4. Distancias entre individuos
Las distancias son iguales si se calculan a partir de la matriz de los datos

originales o de los centrados.
En la tabla 3.1 aparecen las distancias entre los diez cafés.
Una distancia de 0 indicaría que los dos cafés tienen los mismos valores
para las variables.
En la figura 3.3, la pareja de cafés más alejados son ExOs y C40M, la dis-
tancia entre ellos es 221, la mayor en la tabla. Los más próximos son O20C
y O20M, con una distancia de 16.
Tabla 3.1. Distancias entre cafés

ExCl C40M C40C C20M C20C ExOs O40M O40C O20M
C40M 116
C40C 46 71
C20M 70 46 27
C20C 24 122 55 78
ExOs 118 221 155 178 130
O40M 46 102 43 62 66 120
O40C 65 146 85 106 84 78 45
O20M 75 176 109 133 88 46 75 37
O20C 90 188 123 146 104 33 87 45 16
round(as.dist(dist(Y)),0)
3.2.4. Inercia de la nube de individuos Nn
La noción física de momento de inercia alrededor del centro de gravedad se utiliza

como medida de dispersión de la nube de puntos y se denomina inercia.
La inercia de la nube de individuos es:
n
Õ
I nerci a(Nn ) = pi d 2 (i, g) (3.5)
i=1
En el caso de pesos iguales para todos los individuos pi = 1/n, la inercia,

calculada a partir de los datos centrados, es:
n p p n p
1 ÕÕ 2 Õ1Õ Õ
I nerci a(Nn ) = yC i j = yC2i j = σ j2 (3.6)
n n
i=1 j=1 j=1 i=1 j=1
Al centrar los datos, la información que queda en la nube de puntos es su

forma, la cual se logra describir con el ACP que descompone la inercia en
nuevos ejes de coordenadas. La fórmula 3.6 permite ver que la inercia es la
suma de las varianzas de las variables, por lo que estas influyen en el análisis
en proporción a su varianza.
Las varianzas dependen de las unidades de medida de las variables. Por
lo tanto, al cambiar la escala cambia su varianza. La influencia de esas uni-
dades de medida se elimina con la operación de reducido, que consiste en
dividir cada columna de la matriz de datos centrados por la desviación es-
tándar de la variable correspondiente.
3.2.5. Reducción de la nube de puntos

1 0
La matriz de varianzas y covarianzas V asociada a la tabla Y es: V =Y YC .
n C
En la diagonal de V se tienen las varianzas, de modo que la suma de varian-
zas es igual a tr aza(V).
La matriz normalizada X, matriz de datos Y centrada y reducida, tiene
término general:
yi j − ȳ j
xi j =
σj
donde ȳ j y σ j son respectivamente la media y la desviación estándar de la
variable j. En términos matriciales X se obtiene mediante:
X = YC D−1
σ (3.7)
donde Dσ = di ag(σj ).
El valor que un individuo asume para una variable es la diferencia con
respecto al promedio, pero medida en el número de desviaciones estándar.
Al reducir los datos, la información de las varianzas de las variables se
pierde en las gráficas, pero los programas que realizan ACP los reportan en
sus salidas. En el ejemplo “Café”: σcolor = 55.7, σDA = 39.5 y σEA = 5.8.
Es claro que los datos iniciales se pueden recuperar a partir de los datos
centrados y reducidos (estandarizados), si disponemos de los valores de las
medias y varianzas (o desviaciones estándar).
El análisis en componentes principales que se realiza casi todas las ve-
ces se denomina normado y se hace con la matriz X, que contiene los datos
estandarizados, es decir, centrados y reducidos.
En la figura 3.5 se muestra la gráfica 3D para el ejemplo “Café”, junto con
los valores de X, y en la tabla 3.2 aparecen las distancias entre cafés. Nótese
que se conserva un orden similar al de los datos sin reducir. Por ejemplo, los
cafés más cercanos siguen siendo O20C y O20M, con una distancia de 0.3; y
los más alejados, ExOs y CM40, con una distancia de 4.9.
La matriz de correlaciones de las variables iniciales, registradas en la tabla
Y, es la matriz de varianzas y covarianzas de X:
1 0
VX = XX
n
Para el ejemplo, la matriz de correlaciones se puede ver en la figura 3.12,
abajo a la izquierda.
C40M
O40M
O40C
C40C
1.5
1.0
0 C20M
0.5 O20M
O20C
0.0
C20C
DA
EA
2.5
−0.5 2.0
1.5
1.0
−1.0 ExOs 0.5
ExCl
0.0
−1.5 −0.5
−1.0
−2.0 −1.5
−2.0 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5 2.0
Color
Coordenadas de cafés estandarizados

Café Color DA EA
ExCl 0.38 −0.41 −1.82
C40M 1.51 2.03 0.95
C40C 0.79 0.54 0.78
C20M 1.05 1.09 −0.43
C20C 0.67 −0.82 −0.61
ExOs −1.63 −1.38 −1.30
O40M 0.02 0.54 1.30
O40C −0.69 0.05 1.12
O20M −0.91 −0.82 0.09
O20C −1.20 −0.82 −0.09
Figura 3.5. Nube de individuos asociada a los datos estandarizados del

ejemplo “Café”. Las coordenadas sobre los ejes representan el número de
desviaciones estándar que el café se desvía de la media de la respectiva va-
riable
Código para obtener X a partir de los datos centrados, hacer la gráfica 3D e

imprimir la matriz (figura 3.5)
par ( las =1) # etiquetas de los dos ejes sean horizontales ;
V <-t ( Yc ) %* % as . matrix ( Yc )/n; V # = var (Y)*(n -1) /n;
Dsigma <- diag ( sqrt ( diag (V ))); round ( diag ( Dsigma ) ,1);
X <- as . matrix ( Yc ) %* % solve ( Dsigma ); colnames (X) <- colnames (Y );
X3D <- scatterplot3d (X , main ="X" , type ="h" , box = FALSE );
X3D $ points3d (Yc , pch =1);
addgrids3d (X , grid =c(" xy " ," xz " ," yz " ));
text ( X3D $ xyz . convert (X), labels = rownames (X), cex =0.8 , pos =3);
X3D $ points3d (t(c (0 ,0 ,0)) , pch =19 , col =" black " , type ="h" );
text ( X3D $ xyz . convert (t(c (0 ,0 ,0))) , labels ="0" , pos =3 , col =" black "
, cex =0.8);
xtable (X , digits = rep (1 ,4)) # tabla para LaTeX ;
Cuando los datos están estandarizados, la inercia de la nube de puntos es

igual al número de variables, ya que cada una de ellas contribuye con 1 a la
inercia total. Esto implica que la inercia, en el ACP normado deja de tener
significado estadístico porque no depende de los valores de la tabla que se
está analizando, sino del número de variables que contenga. En el ejemplo
la inercia es 3.
Tabla 3.2. Distancias entre cafés cuando los datos están estandarizados
(centrados y reducidos)
ExCl C40M C40C C20M C20C ExOs O40M O40C O20M

C40M 3.7
C40C 2.6 1.6
C20M 2.0 1.6 1.3
C20C 1.2 3.2 1.8 1.9
ExOs 2.2 4.9 3.5 3.6 2.3
O40M 3.1 2.0 0.9 2.0 2.3 3.4
O40C 3.0 2.8 1.5 2.4 2.2 2.8 0.8
O20M 2.2 3.6 2.2 2.6 1.6 1.6 1.9 1.3
O20C 2.3 3.9 2.4 2.8 1.8 1.3 2.2 1.5 0.3
X<-scale(Y); round(as.dist(dist(X)),1)
3.2.6. Búsqueda de nuevos ejes: cambio de base

El objetivo geométrico de los métodos en ejes principales es buscar un nuevo
sistema de ejes, de tal manera que la mayoría de la inercia se concentre en
los primeros ejes. Es decir, se trata de descomponer la inercia de la nube de

puntos en ejes ortogonales ordenados, de modo que en el primer eje esté
la mayor inercia posible; en el segundo, la mayor inercia residual posible,
etc. Se busca primero el eje de máxima inercia proyectada. Si se denota u
al vector unitario que da la dirección del eje, la coordenada de un vector
individuo xi sobre el eje es el producto punto (figura 3.6):
< xi , u >= xi0u
1 0 2
y la contribución a la inercia del individuo i sobre el eje u es
(x u) .
n i
La inercia total de la nube de individuos, proyectada sobre el eje u es
entonces:
n
Õ 1 0 2 1 1
(xi u) = (Xu)0Xu = u0 X 0Xu (3.8)
n n n
i=1
xi
x’u
i
Figura 3.6. Proyección sobre la recta generada por u. Se busca la dirección

de la recta que tenga la mayor suma de los cuadrados de las proyecciones
sobre ella
Encontrar el eje de mayor inercia proyectada equivale a encontrar la di-

rección u que maximice (3.8) sujeto a la restricción u0u = 1. Una manera
de resolver este problema es introduciendo un multiplicador de Lagrange
λ . Entonces se debe maximizar:
1
f (u) = u0 X 0Xu − λ (u0u − 1) (3.9)
n
Los puntos críticos, en este caso, los puntos máximos de la función, son la
solución de:
1
f 0(u) = 2 X 0Xu − 2λ u = 0
n
Es decir:
1 0
X Xu = λ u (3.10)
n
Las soluciones de (3.10) son los vectores propios unitarios asociados a los
1
valores propios de X 0X. ¿Cuál de los p valores propios escoger? Premulti-
n
plicando (3.10) por u0 se obtiene la cantidad que se quiere maximizar (3.8):
1
u0 X 0Xu = λ u0u = λ
n
y entonces las soluciones son los dos vectores propios unitarios asociados
1
al valor propio mayor de X 0X. El primer valor propio se denota λ 1 y el
n
vector propio unitario asociado que se escoja se nombra u1 . El vector −u1
también es solución y las coordenadas sobre la recta generada por este vector
son de signo contrario a las que se obtienen sobre u1 .
Las coordenadas de los individuos sobre el eje generado por u1 , deno-
minado primer eje principal, se denotan por F1 y son: F1 = Xu1
Para obtener el mejor plano de proyección de la nube de puntos se bus-
ca un segundo eje generado por un vector unitario u ortogonal a u1 y que
1
maximice la inercia (3.8). El problema ahora es maximizar u0 X 0Xu su-
n
jeto a las restricciones u0u = 1 y u0u1 = 0. Entonces se introducen dos
multiplicadores de Lagrange y la función a maximizar es:
1
f (u) = u0 X 0Xu − λ (u0u − 1) − µ(u0u1 )
n
que tiene como primera derivada:
1
f 0(u) = 2 X 0Xu − 2λ u − µu1 (3.11)
n
Los puntos críticos se obtienen igualando (3.11) a 0. Entonces el segundo

multiplicador µ debe ser 0, lo que se puede ver premultiplicando (3.11)
por u10 . Así se obtiene de nuevo la ecuación (3.10) y la solución es ahora el
vector propio, notado u2 , asociado al segundo valor propio más grande λ 2 .
Encontrar un subespacio 3D para proyectar la nube de puntos es, por el
mismo procedimiento, introducir un tercer eje ortogonal a los dos primeros,
que es el tercer vector propio u3 asociado al tercer valor propio más grande
1
λ 3 de X 0X.
n
1
El rango r de X 0X es el número de vectores columna linealmente in-
n
dependientes de X y da el número de valores propios diferentes de cero,
generalmente r = p, si n > p, más filas que columnas. Los p vectores pro-
pios {u1, · · · , us, · · · , up } constituyen una base ortonormal para el espacio
de los “individuos”, con las propiedades que permiten obtener las mejores
proyecciones de la nube de puntos. Es decir, el mejor eje para proyectar los
puntos es el eje 1, generado por u1 , y las coordenadas sobre él se constitu-
yen en los valores del mejor índice de ordenamiento que se puede lograr.
El mejor plano de proyección es el generado por los ejes 1 y 2.
Las n coordenadas de los individuos sobre un eje factorial s, Fs , constitu-
yen los valores de una variable nueva denominada componente principal. Su
varianza es:
n
1Õ 1 1
(Fs (i))2 = Fs0Fs = us0 X 0Xus = λ s
n n n
i=1
La obtención de valores y vectores propios es un problema básico de ál-

gebra lineal, pero para su cálculo es necesario utilizar métodos numéricos.
Los programas de cálculo matemáticos y estadísticos incluyen funciones pa-
ra obtener los valores y vectores propios de una matriz. En R se calculan con
la función eigen.
En el ACP del ejemplo “Café”, los valores propios son (tomados de la
tabla 3.3): λ 1 = 2.067, λ 2 = 0.822, y λ 3 = 0.111; y los vectores
propios: u1 = (0.58 0.67 0.46)0, u2 = (−0.57 − 0.07 0.82)0 y
u3 = (0.58 − 0.74 0.35)0; o sus opuestos, ya que hay dos soluciones u1 y
−u1 , etc.
El primer plano factorial recoge 2.067 + 0.822 = 2.889 de inercia, que
es el 2.889 ∗ 100/3 = 96.3 %. Es decir que, casi nada se pierde al leer el
primer plano factorial, en lugar de la representación en 3D, pero en cambio
la lectura se hace mucho más fácil.
Tabla 3.3. Obtención de los valores y vectores propios del ACP del ejemplo
“Cafe”
des <- eigen (V ); des # calculo de valores y vectores propios
lambda <- des $ values
U <- des $ vectors # matriz con vectores propios en columnas
rownames (U) <- rownames (V)
colnames (U) <-c(" Eje1 " ," Eje2 " ," Eje3 " ); round (U ,3)
lambda ; U
# # [1] 2.0670307 0.8216466 0.1113227
## Eje1 Eje2 Eje3
# # Color 0.5794934 -0.57140813 0.5811025
# # DA 0.6728898 -0.06680772 -0.7367197
# # EA 0.4597898 0.81794222 0.3457801
En el ejemplo “Café”, la primera componente principal es una variable

nueva, que resume las tres propiedades físicas y cuya expresión es:
F1 = 0.58Xcolor + 0.67XDA + 0.46XEA
! ! !
Ycolor − Y color YDA − Y DA YEA − Y EA
F1 = 0.58 + 0.67 + 0.46
σcolor σDA σEA

Color − 276.7 DA − 401.2 EA − 35.5
F1 = 0.58 + 0.67 + 0.46
55.7 39.5 5.8
F1 = 0.0104Color + 0.0170DA + 0.0795EA − 12.5
Para el café excelso claro (ExCl 298 385.1 25) el valor es:
F1 (ExCl) = 0.0104 ∗ 298 + 0.0170 ∗ 385.1 + 0.0795 ∗ 25 − 12.5 = −0.87
F1 es un índice que permite ordenar las diez preparaciones de cafés. En la

figura 3.7 se puede ver el orden de los cafés de izquierda a derecha. En R
se puede obtener como se muestra a continuación:
F <- X %* % U
round ( sort (F [ ,1]) ,2)
# ExOs O20C O20M ExCl C20C O40C O40M C20M C40C C40M
# -2.47 -1.29 -1.04 -0.89 -0.44 0.15 0.98 1.14 1.18 2.68
# La diferencia entre -0.89 y -0.87 del cafe ExCl
# se debe a errores de redondeo .
Sentido de los ejes. Cada eje factorial se puede generar por uno de los dos
vectores propios normados que definen su dirección us o −us . El significado
del sentido de los ejes se busca a partir de las variables, ya que el signo de
las coordenadas depende del vector propio seleccionado. Esto implica que
para un mismo análisis se pueden tener planos rotados, según el paquete y
el procedimiento utilizado y que el analista puede cambiar el signo de todas
las coordenadas sobre un eje cuando le convenga.
3.2.7. Gráficas y ayudas para su interpretación

El primer plano factorial se construye buscando las coordenadas de los in-
dividuos sobre los ejes 1 y 2. El vector de todas las coordenadas sobre un
eje s se nota Fs y es: Fs = Xus . Si se arreglan los vectores propios como co-
lumnas en una matriz U, la tabla de las coordenadas sobre los nuevos ejes
es F = XU.
El primer plano factorial del ACP normado del ejemplo “Café” se mues-
tra en la figura 3.7, donde se incluyen los valores de las coordenadas y ayu-
das a la interpretación. La lectura del plano se hace teniendo en cuenta los
vectores propios: al lado positivo del primer eje se sitúan los cafés con ma-
yores valores en las tres variables; al lado positivo del segundo eje, los de
mayor valor en EA y al lado negativo los de mayor valor en Color.
Código para obtener el primer plano factorial y la tabla que se muestra en

la figura 3.7
F <- X %* % U ; round (F ,2) # coordenadas sobre los nuevos ejes
plot ( F [ ,1:2] , las =1 , asp =1) # plano 12
text ( F [ ,1:2] , label = rownames (F), col =" black " , pos =2) # etiquetas
abline ( h =0 , v =0 , col =" darkgrey " ) # ejes
rowSums ( F ^2) - > d2 ; d2 # distancias
1/ n * F ^2 %* %diag (1 / lambda )* 100 - > cont # contribuciones
F ^2 / d2 * 100 - > cos2 # cosenos cuadrados
# tabla de ayudas para la interpretacion
Ayu <- cbind ( dis2 =d2 , F1 =F [ ,1] , F2 =F [ ,2] , cont1 = cont [ ,1] , cont2 =
cont [ ,2] , cos21 = cos2 [ ,1] , cos22 = cos2 [ ,2] ,
cosp = rowSums ( cos2 [ ,1:2]))
round ( Ayu ,2) # ayudas en consola
xtable ( Ayu , digits = rep (2 ,9)) # salida para LaTeX
3.2.7.1. Distancia al origen

La distancia de un punto al origen en el espacio completo es un buen com-
plemento en la lectura de los ejes factoriales y está dada por la norma del
vector-individuo en Rp . En las salidas de algunos programas se presenta la
distancia al cuadrado: d 2 (i, g) = d 2 (i, 0) = kxi k 2
Eje 2 O40C
1.0 O40M
O20M
O20C
0.5
C40C
0.0
ExOs C40M
−0.5
−1.0 C20C
C20M
−1.5 Eje 1
ExCl
−3 −2 −1 0 1 2 3
Coordenadas y ayudas a la interpretación
Coordenadas Contribuciones Cosenos2

Café d2 F1 F2 F1 F2 F1 F2 Plano
ExCl 3.61 -0.89 -1.68 3.80 34.19 21.80 77.89 99.69
C40M 7.31 2.68 -0.22 34.72 0.60 98.20 0.67 98.87
C40C 1.53 1.18 0.15 6.78 0.26 91.45 1.39 92.84
C20M 2.47 1.14 -1.02 6.31 12.77 52.75 42.41 95.16
C20C 1.49 -0.44 -0.82 0.95 8.23 13.20 45.42 58.62
ExOs 6.24 -2.47 -0.04 29.49 0.02 97.70 0.02 97.73
O40M 1.98 0.98 1.01 4.60 12.44 48.09 51.72 99.81
O40C 1.75 0.15 1.31 0.10 20.98 1.21 98.65 99.86
O20M 1.51 -1.04 0.65 5.24 5.07 71.67 27.58 99.25
O20C 2.12 -1.29 0.67 8.00 5.43 78.22 21.10 99.32
Figura 3.7. Primer plano factorial del ACP normado del ejemplo “Café”. En
la columna d 2 se observan las distancias al origen en el espacio completo R3 ,
figura 3.5. El más cercano es C20C y el más alejado C40M. Las coordenadas
son las usadas para la gráfica. El café que más contribuye a la varianza del
primer eje es C40M. En el plano están bien representados los diez cafés; en
el primer eje el O40C está mal representado
3.2.7.2. Calidad de la representación o coseno cuadrado

Un plano factorial es una aproximación de la nube de puntos y como tal
tendrá puntos bien y mal representados.
La calidad de la proyección o representación sobre un eje se mide con
el coseno cuadrado, que se define para un punto como el cuadrado de la
relación entre la norma de la proyección y la norma en el espacio completo
(distancia del punto al origen).
El coseno cuadrado de la proyección de un punto sobre un plano es la

suma de los cosenos cuadrados del punto sobre los ejes que conforman el
plano.
La suma de los cosenos cuadrados de las proyecciones de un punto sobre
todos los ejes factoriales es 1.
Fs2 (i) Õ
Coss2 (i) = ; Coss2 (i) = 1
kxi k 2 s
Por ejemplo el coseno cuadrado del café C40M sobre el primer eje es:
2.682
Cos12 (C40M) = = 0.98
7.31
xi
d(i,0)
Fs
0 Fs(i)
Fs(i)
Figura 3.8. Calidad de la proyección sobre un eje s: cociente al cuadrado

entre Fs (i) y d(i, 0). Cuando se acerca a uno, la longitud de la proyección se
aproxima a la distancia original; si se acerca a cero, la proyección conserva
muy poco de la distancia original
3.2.7.3. Contribución absoluta

La varianza o inercia proyectada sobre un eje s es:
n
Õ
I nerci as (Nn ) = pi Fs2 (i) = λ s
i=1
Si los pesos de los individuos son iguales pi = 1n .

Cada sumando es la contribución de un individuo a la inercia proyectada
(varianza) sobre el eje s.
Para conocer los individuos que más influyen sobre la dirección de un eje
factorial se utiliza el cociente de la contribución a la inercia del individuo
sobre la inercia total del eje (valor propio), que se denomina contribución
absoluta C as (i):
pi Fs2 (i)
C as (i) =
λs
La suma de las contribuciones de todos los individuos es: C as (i) = 1
Í
i
Por ejemplo, la contribución del café C40M a la varianza del primer eje
1 2.682
es: C a1 (C40M) = ∗ = 0.347 = 34.7 %. En la figura 3.7, abajo,
10 2.067
se encuentran los valores de las ayudas a la interpretación para el ejemplo
“Café”.
3.2.8. Individuos ilustrativos o suplementarios

En el espacio de los individuos se pueden proyectar individuos nuevos para
relacionarlos con los que participaron en el análisis. Cuando en un ACP se
encuentran individuos atípicos se puede repetir el análisis sin ellos y luego
proyectarlos como ilustrativos. De esta manera no influyen en la conforma-
ción de los ejes, pero se observa su posición con respecto a los individuos
activos. El cálculo de las coordenadas se hace realizando las mismas trans-
formaciones que para los individuos activos y proyectándolas sobre la recta
generada por el vector propio us . Es decir Fs (i + ) = x0i + us (el signo + para
indicar que es un individuo suplementario).
En el ejemplo “Café”, se prepararon tazas con dos cafés comerciales y
se les hicieron las mismas mediciones de las tazas originadas en el diseño
experimental. La posición de los dos cafés comerciales permite ver su re-
lación con los del diseño experimental (figura 3.9): el comercial 2 se situó
muy cerca del café excelso claro y el comercial 1, entre los cafés excelsos y
los que tienen menos agregados de granos. Con esto se pueden describir los
cafés comerciales como de buena calidad. Su proyección se hace realizando
sobre sus vectores las mismas transformaciones que para los cafés activos:
centrado y reducido utilizando la media y varianza de los cafés activos y su
proyección.
3.2.9. Variables cualitativas ilustrativas

Una variable cualitativa de K categorías establece una partición del conjunto
de individuos en K clases o grupos. Los centros de gravedad de las clases
se pueden proyectar como ilustrativos, sobre los ejes factoriales obtenidos,
utilizando las mismas transformaciones y la misma fórmula de proyección.
Sin embargo, esas proyecciones son equivalentes a los centros de gravedad

de las coordenadas factoriales de cada uno de los grupos.
En el ejemplo “Café” vamos a proyectar cada categoría de la variable
tipo de contaminación: excelso (sin contaminación), con cebada y con maíz
(figura 3.9).
3.2.9.1. Valores test para categorías de las variables cualitativas

suplementarias
Para los centros de gravedad de las categorías se puede calcular la distancia
al origen y los cosenos cuadrados, pero las contribuciones absolutas son cero
porque no participan en la obtención de los ejes factoriales.
Adicionalmente se utiliza el valor test, que se definió en la sección 2.2.2,
pues se trata aquí de la descripción de una variable continua (el componente
principal s) y una variable cualitativa. La media de un componente principal
Fs es cero porque es centrado y su varianza es el valor propio λ s . Entonces
el valor test ts (k) para una categoría k, asumida por nk individuos, se obtiene
de la fórmula (2.2): s
(n − 1)nk
ts (k) = Fs (k) (3.12)
(n − nk )λ s
3.3. La nube de variables Np

La nube de variables está constituida por p puntos en Rn . Las coordena-
das de cada punto son las columnas de la matriz Y. Las estadísticas de re-
sumen –medias, varianzas, covarianzas, correlaciones– tienen significado
geométrico en el espacio de las variables. Las transformaciones de la matriz
Y presentadas en el espacio de los individuos –operaciones de centrado y
reducido– tienen otro significado en este espacio.
3.3.1. Significado de la media y del centrado en Rn

Sea Y j el vector columna asociado de la variable j –es decir, la columna
j de la matriz Y– y sean YC j y Xj las columnas j de las matrices YC y X,
respectivamente.
Código para calcular las coordenadas factoriales de los dos cafés comerciales
y su proyección sobre el primer plano factorial (3.9)
comer <- as . matrix ( cafe [11:12 ,1:3]); comer
comc <- comer - rep (1 ,2) %* %t(g ); comc # centrado
comcr <- comc %* %solve ( Dsigma ) # reducido
colnames ( comcr ) <- colnames ( comer ); comcr
Fsup <- comcr %* %U; Fsup
# primer plano factorial
plot ( F [ ,1:2] , las =1 , asp =1)
text ( F [ ,1:2] , label = rownames (F), col =" black " , pos =1)
abline ( h =0 , v =0 , col =" darkgrey ")
points ( Fsup , col =" black " , pch =20) # cafes comerciales
text ( Fsup , labels =c(" Com1 " ," Com2 "), col =" darkgreen " , pos =2)
Código para calcular las coordenadas de las categorías de contaminación y

proyectarlas sobre el primer plano factorial (3.9)
conta <- factor (c(" exce " ," maiz " ," ceba " ," maiz " ," ceba " ," exce " ,
" maiz " ," ceba " ," maiz " ," ceba " ))
centroids (F , conta )$ centroids -> Fconta ; Fconta
points ( Fconta , col =" brown " , pch =20)
text ( Fconta , col =" brown " , labels = rownames ( Fconta ), pos =2)
Eje 2 O40C
1.0 O40M
O20C
0.5 O20M ceba
maiz C40C
0.0
ExOs C40M
−0.5
Com1
exce
−1.0 C20C C20M
−1.5 ExCl Eje 1

Com2
−3 −2 −1 0 1 2 3
Figura 3.9. Primer plano factorial del ACP del ejemplo “Café”, que muestra
dos cafés comerciales y las categorías del tipo de contaminante. Los cafés
comerciales se ponen en el marco de referencia del experimento y su po-
sición permite decir que son de buena calidad (están cerca de los cafés no
contaminados). La posiciones de los centros de gravedad –excelso, cebada y
maiz–, muestran que el maíz afecta más la calidad del café
Utilizando en este espacio el producto interno definido mediante la ma-

1
triz In , la norma del vector de n unos 1n es 1 y las medidas estadísticas
n
adquieren significado geométrico:
n
1Õ 1
k1n k 2 = h1n , 1n i 1 In = 1= n=1
n n n
i=1
3.3.1.1. Significado de la media de una variable j

En la ecuación (3.13) se puede observar que la media Ȳ j es la coordenada
de la proyección de la variable sobre la primera bisectriz, es decir, la recta
generada por el vector 1n (figura 3.10).
n
1Õ 1
Ȳ j = yi j = Y 0 j 1n = Y j , 1n 1 In

(3.13)
n n n
i=1
Se puede definir un vector que repite el valor de la media n veces: Ȳ j = Ȳ j 1n .
3.3.1.2. Significado del centrado de una variable

El centrado de un vector Yj se logra mediante: YC j =Y j - Ȳ j . Entonces una
variable centrada es la proyección de la variable sobre el subespacio ortogo-
nal a la primera bisectriz, lo que implica que en el proceso de centrado se
pierde una dimensión (figura 3.10).
3.3.2. Significado de las varianzas y covarianzas

En (3.14) se observa que la varianza de una variable j igual a la norma al
cuadrado del vector variable centrado y, por lo tanto, la desviación estándar
de j es su norma: σ j = kYC j k 1 In .
n
n
1Õ
var(Y j ) = (yi j − Ȳ j )2 = YC j , YC j 1 In

(3.14)
n n
i=1
La covarianza entre dos variables Y j y Yk es el producto punto entre los

dos vectores que representan a las variables centradas:
n
1Õ
cov(Y j , Yk ) = (yi j − Ȳ j )(yik − Ȳk ) = YC j , YCk 1 In

(3.15)
n n
i=1
Individuo 2 Primera bisectriz
Y2
media de Y1
media
de Y2
Y1
YC2
Individuo 1
YC1
Figura 3.10. Significado geométrico de las medias y del centrado de las

variables: el valor de la media de una variable es la coordenada de su pro-
yección sobre la primera bisectriz. El vector centrado de la variable está
contenido en el subespacio Rn−1 ortogonal a la primera bisectriz. En está
gráfica en R2 ese subespacio es la recta que pasa por (-1,1).
3.3.3. Significado del reducido de una variable en Rn

1
Una columna j de X (fórmula 3.7) se obtiene mediante Xj = YC . Redu-
σj j
cir una variable es, entonces, multiplicarla por el inverso de su norma, y el
vector variable reducido queda con norma 1.
La varianza de una variable centrada y reducida es:

0 1 1 0
< Xj, Xj > 1 In = Xj In X j = Xj Xj = 1
n n n
y entonces, la representación de las variables estandarizadas se puede ver

como flechas que terminan en el cascarón hiperesférico de radio 1 y centro
en el origen.
3.3.4. Significado de la correlación entre dos

variables
En (3.16) se ve que la correlación entre dos variables j y k es igual al coseno
entre los dos vectores de las variables centradas y es también el coseno entre
los dos vectores variables centradas y reducidas, puesto que kXj k 1 In = 1.
n
cov(Y j , Yk ) < YCj , YCk > 1 In

cor(Y j , Yk ) = = n
=< Xj, Xk > 1 In (3.16)
σ j σk kYCj k 1 In kYCk k 1 In n
n n
Entonces el espacio de las variables de un ACP normado es una represen-

tación de la matriz de correlaciones, porque la norma de todas las variables
es uno y el coseno entre dos vectores variables es igual a la correlación entre
estas.
Si dos vectores variables tienen ángulo pequeño, su correlación es alta;
dos vectores variables ortogonales indican que las variables no están corre-
lacionadas.
3.3.5. Inercia en el espacio de las variables

En el ACP centrado las variables se representan como flechas de longitud
igual a la desviación estándar y con cosenos de los ángulos entre variables
iguales a los coeficientes de correlación entre ellas.
La inercia en este espacio es:
p
Õ p
Õ
I nerci a(Np ) = d (YCj, 0) =
2
V ar(Y j ) (3.17)
j=1 j=1
La contribución de una variable a la inercia es su varianza. En el caso del

ACP normado cada variable contribuye con 1 a la inercia y la inercia total es
igual al número de variables.
3.3.6. Búsqueda de los nuevos ejes

La proyección de una variable X j sobre un eje v en Rn es:

1 1
X 0
j In v = X 0 j v
n n
Xj
v
X’k v
X’v
j
Xk
Figura 3.11. Proyección de variables sobre el eje generado por v. La direc-

ción de v es la que maximiza la suma de cuadrados de las proyecciones de
los vectores variables sobre v
La inercia de las p variables proyectadas sobre el eje v es:

p 2
Õ 1 1 0 1 1
0
X jv = 2
v XX 0v = v 0 XX 0v (3.18)
n n n n
j=1
El eje de mayor inercia proyectada

se encuentra maximizando (3.18)
1
sujeto a la restricción v 0 In v = 1:
n

1 01 1 0
f (v) = v XX v − µ v v − 1
0
n n n
Derivando con respecto al vector v e igualando a 0:
2 2µ
f 0(v) = 2
XX 0v − v=0
n n
Se obtiene:
1
XX 0v = µv (3.19)
n
La ecuación (3.19) corresponde a la expresión de valores y vectores pro-
pios de la matriz 1n XX 0 y, por lo tanto, la solución está dada por uno de los
dos vectores v asociados al valor propio más grande µ de la matriz 1n XX 0,
que se notan v1 y µ1 , respectivamente. Sin embargo, los valores propios
de 1n XX 0 que son mayores que cero, son iguales a los de 1n X 0X, es decir,
µ1 = λ 1 .
Se buscan los ejes sucesivos ortogonales entre sí y corresponden a los

vectores propios, 1n In unitarios, asociados a los valores propios, ordenados
de mayor a menor, de la matriz 1n XX 0.
3.3.7. Círculo de correlaciones y ayudas a la

interpretación
Un plano factorial de las variables estandarizadas se denomina círculo de co-
rrelaciones (figura 3.12) ya que es la proyección de la hiperesfera de correla-
ciones, flechas que parten del origen y tienen longitud 1. La longitud de la
proyección, sin error, de un vector variable es 1. La calidad de la represen-
tación en el plano se observa al dibujar un círculo de radio uno en el plano
factorial.
0
El vector de coordenadas sobre un eje s, Gs , se obtiene mediante 1n Xj vs
y coincide con la correlación entre la variable j y el eje s. Los valores de la
variable sintética representada por el eje s están en el vector Fs , que contiene
las coordenadas de los individuos sobre el eje factorial s. La contribución
de cada variable a un eje s sirve para seleccionar las variables que dan más
significado al eje. En la figura 3.12 se muestran la esfera, el círculo, la matriz
de correlaciones, las coordenadas y las ayudas para la interpretación de las
variables en el ejemplo “Café”.
El primer eje es un “factor tamaño” porque está correlacionado positiva-
mente con las tres variables. Los cafés con valores altos de sus coordenadas
sobre el eje tienen valores altos en las tres variables. La correlación negativa
de la N ota de apreciación de los catadores con el primer eje significa que
los mejores cafés están al lado negativo del primer eje, es decir, que valores
mayores de las tres variables dañan la calidad apreciada del café.
El segundo eje muestra correlación positiva con EA y negativa con Co-
lor, los cafés con coordenadas positivas tienen mayores valores de extracto
acuoso y los de coordenadas negativas, mayores valores de color.
3.4. Relación entre los espacios de

individuos y variables
Las propiedades que se presentan a continuación son fáciles de demostrar.
También se pueden ver, por ejemplo, en Lebart et al. (2006).
1. La matriz 1n XX 0 tiene p valores propios, que son iguales a los valores

propios de 1n X 0X y los restantes n − p valores propios son 0.
Esfera de correlaciones
1.0
0.5
EA
Color
DA
0.0
G3
G2
1.0
0.5
−0.5
0.0
−0.5
−1.0
−1.0
−1.0 −0.5 0.0 0.5 1.0
G1
Correlaciones
Color DA EA
Color 1.00 0.79 0.19
DA 0.79 1.00 0.57
EA 0.19 0.57 1.00
Círculo de correlaciones
EA
Nota DA
Color
Coordenadas y ayudas a la interpretación

Coordenadas Contribución Cosenos2
Variable G1 G2 G1 G2 G1 G2 Plano
Color 0.83 −0.52 33.58 32.65 69.41 26.83 96.24
DA 0.97 −0.06 45.28 0.45 93.59 0.37 93.96
EA 0.66 0.74 21.14 66.90 43.70 54.97 98.67
Figura 3.12. Esfera y círculo de correlaciones del ejemplo “Café”, mostran-

do la variable Nota como ilustrativa. El círculo es una imagen de la matriz de
correlaciones y permite la interpretación de los ejes factoriales de los cafés
Código para obtener la esfera y el círculo de correlaciones √(figura 3.12),

calculando las coordenadas con la relación de transición Gs = λ s us
G <-U %* %diag ( sqrt ( lambda )); G # G <- cor (Y ,F)
colnames ( G ) <-c(" G1 " ," G2 " ," G3 " );
G3D <- scatterplot3d (G , main ="G" , xlim = c ( -1 ,1) , ylim =c ( -1 ,1) ,
zlim = c ( -1 ,1))
coord <- G3D $ xyz . convert (G)
text ( coord , labels = rownames (G), cex =0.8 , col =" black " , pos =4)
G3D $ plane (0 ,0 ,0 , col =" darkgrey ")
G3D $ points3d ( t(c (0 ,0 ,0)) , pch =19 , col =" black ")
cero <- G3D $ xyz . convert (0 , 0, 0)
for ( eje in 1:3) {
arrows ( cero $x , cero $y , coord $x[ eje ], coord $y[ eje ], lwd = 2,
length = 0.1)
}
# dev . print ( device = xfig , file =" cafeEspera . fig ")# grafica en xfig
s. corcircle (G , clabel =2);
# proyeccion de nota como variable ilustrativa
Nota <- cafe [1:10 ,16]; Nota ;
Fnota <- cor ( Nota ,F ); Fnota ;
arrows (0 ,0 , Fnota [1] , Fnota [2] , col =" black " , angle =10 , lty =2);
text ( Fnota , " Nota " , col =" black " , pos =1 , cex =2 , font =3);
# dev . print ( device = xfig , file =" cafeCirculo ")
# grabar circulo en xfig
2. El vector coordenadas de los n individuos sobre el eje s Fs , es un

vector propio de 1n XX 0.
3. La varianza de Fs es λ s , y por lo tanto, el vector propio vs se puede

calcular mediante: vs = √1λ Fs .
s
4. Gs , vector de coordenadas de las p variables sobre el eje s, es un vector

propio de 1n X 0X.
5. La varianza de Gs es λ s , y por lo tanto, se puede obtener mediante:

√
Gs = λ s us .
6. En el ACP normado, las coordenadas de Gs son las correlaciones entre

las variables y el eje s: cor(Y j , Fs ).
3.4.1. Variables continuas como ilustrativas

Sobre el círculo de correlaciones de un ACP normado se pueden proyectar
variables que no participaron en el análisis. Por ejemplo, cuando se tiene un
puntaje global como suma o promedio de varios puntajes, conviene proyec-

tar como ilustrativo el puntaje global sobre el ACP de los otros puntajes.
En el ejemplo “Café” se proyecta la nota de impresión global dada por
un panel de catadores para explorar su relación con las tres variables físicas
en conjunto. La correlación con el primer eje es alta y en sentido opuesto
(-0.79), lo que significa que valores altos en estas tres propiedades físicas
indican detrimento de la calidad apreciada de las tazas de café. Esto explica
la ubicación de los cafés excelso del lado negativo del eje 1 (figura 3.9).
3.5. acp con los paquetes ade4 y FactoClass

El ACP se puede llevar a cabo en casi todos los programas de estadística,
tanto comerciales como libres. En R existen varias funciones para realizarlo.
En este texto se utilizan funciones de los paquetes ade4 y FactoClass. En
la tabla 3.4 se presentan las principales funciones para realizar un ACP en el
orden que suele utilizarse en un análisis; algunas son de las librerías básicas
del R. A continuación se incluye el código para llevar a cabo el ACP normado
del ejemplo “Café”. El lector puede ver los resultados en la consola de R y
comparar con los presentados en este capítulo.
Código para realizar el ACP normado de las variables físicas del ejemplo
“Café”
library ( FactoClass ); # carga de paquetes
data ( cafe ); # hacer los datos disponibles
# ACP normado con variables fisicas y reteniendo dos ejes
acp <- dudi . pca ( cafe [1:10 ,1:3] , scannf = FALSE );
acp $ cent # medias de las variables :
round ( acp $ norm ,2); # desviacion estandar de las variables
inertia ( acp ); # valores propios y porcentajes
barplot ( acp $ eig ); # histograma de valores propios
round ( acp $c1 ,3); # vectores propios
Círculo de correlaciones
s . corcircle ( acp $ co );
# proyeccion de la variable Impresion como ilustrativa
( cor ( cafe [1:10 ,16] , acp $ li )-> coimpre );
s . arrow ( coimpre , label =" Impresion " , add . plot = TRUE , boxes = FALSE )
# coordenadas de las variables = correlaciones con los ejes
round ( acp $co ,3);
# ayudas para la interpretacion de las variables
inertia ( acp ,, TRUE );
Tabla 3.4. Funciones para realizar un ACP con ade4 y FactoClass
Función Librería Descripción

dudi.pca ade4 ACP, por defecto normado.
inertia.dudi ade4 Ayudas para la interpretación, por defecto solo
valores propios.
s.corcircle ade4 Círculos de correlaciones.
plotcc FactoClass Círculos de correlaciones con ggplot2.
s.arrow ade4 Planos factoriales de las variables, en un ACP no
normado.
s.label ade4 Planos factoriales de los individuos.
plot.dudi FactoClass Planos factoriales de los individuos, usando el pa-
rámetro Tcol=FALSE.
suprow ade4 Coordenadas de individuos suplementarios.
points graphics Proyectar puntos en un gráfico.
text graphics Poner etiquetas asociadas a los puntos en un grá-
fico.
cor(acp$li,Xsup) stats Correlaciones entre variables suplementarias y
ejes (coordenadas en un ACP normado. Si ACP es
el objeto de salida del ACP y Xsup es la tabla de
variables suplementarias.
arrows graphics Proyectar variables ilustrativas sobre un círculo de
correlaciones.
supqual FactoClass Coordenadas y ayudas a la interpretación de va-
riables cualitativas ilustrativas.
s.class ade4 Planos factoriales de los individuos destacando las
clases de una partición definida por una variable
cualitativa.
Primer plano factorial de los cafés

plot ( acp , Tcol = FALSE , gg = TRUE );
round ( acp $ li ,2); # coordenadas de los cafes
inertia ( acp , TRUE ); # ayudas para la interpretacion de los cafes
Proyectar los cafés comerciales y la variable contaminante como ilustrativa

suprow ( acp , cafe [11:12 ,1:3]) $ lisup -> lcom ;
plot ( acp , Tcol = FALSE ); points ( lcom , col =" darkgreen " );
text ( lcom , rownames ( lcom ), col =" darkgreen " , pos =2);
# proyeccion variables conta ( contaminacion ) como ilustrativa
conta <- factor (c(" exce " ," maiz " ," ceba " ," maiz " ," ceba " ," exce " ,
" maiz " ," ceba " ," maiz " ," ceba " ));
supqual ( acp , conta )-> supconta ;
points ( supconta $ coor , col =" red " , pch =20);
text ( supconta $ coor , rownames ( supconta $ coor ), col =" red " , pos =2);
round ( supconta $tv ,2); # valores test de categorias de conta
Código para destacar las clases de la variable contaminante en el primer

plano factorial
plot ( acp , Tcol = FALSE )
s . class ( acp $li , conta , col =c(" orange " ," darkgreen " ," red "),
add . plot = TRUE , cellipse = 0, clabel =0.5)
3.6. Ejemplo de aplicación de ACP:

resultados del examen de admisión a
las carreras de la Facultad de Ciencias
Se presenta un ejemplo sencillo para mostrar el procedimiento del ACP, la
interpretación de sus resultados, y el uso de paquetes de R para llevarlo a
cabo.
Para el primer semestre de 2013 fueron admitidos 445 estudiantes a
las carreras de la Facultad de Ciencias. El examen de admisión tuvo cinco
componentes temáticos: matemático, científico, social, textual e imagen.
3.6.1. Objetivos del análisis

Se realiza un ACP con el objeto de: 1) validar el puntaje total que es el resu-
men de los cinco puntajes, 2) explorar relaciones entre los resultados y las
carreras a las que fueron admitidos los estudiantes, y 3) explorar relaciones
entre algunas variables sociodemográficas y los resultados del examen.
3.6.2. Resultados de análisis

Para cumplir con esos objetivos se realiza un ACP normado utilizando co-
mo variables activas los puntajes obtenidos por los admitidos en los cinco
componentes del examen y el puntaje total como variable ilustrativa.
Como variables cualitativas suplementarias se proyectan las carreras y
las características sociodemográficas presentes en los datos.
3.6.2.1. Número de ejes a analizar

El número de ejes a retener para el análisis es la primera decisión en un
ACP. Se toma con varios criterios orientadores: el primero es la forma del
“histograma de valores propios”; el segundo, los ejes que corresponden a
valores propios mayores que 1, en el caso del ACP normado, y finalmente,

la selección de un eje adicional si se considera que suministra información
importante que no se ha visto en los anteriores.
En la figura 3.13 se muestra el histograma de valores propios con los
valores numéricos en la parte inferior. Tres valores propios se destacan, pero
solo dos son mayores que 1. Seguramente dos son suficientes, pero se debe
verificar si el tercer eje permite alguna descripción adicional al primer plano
factorial. El primer plano retiene el 57.5 % de la inercia y los tres primeros
ejes, el 74.9 %.
Código para realizar ACP normado de las notas del examen y obtener la
figura 3.13
library ( FactoClass );
data ( admi ); names ( admi );
Y <- admi [ ,2:6]; names (Y );
acp <- dudi . pca (Y , scannf = FALSE , nf =3);
barplot ( acp $ eig ); # histograma de valores propios
# dev . print ( device = xfig , file =" acpExaAdmi . fig ");
valp <-t ( inertia ( acp )$ tot . inertia ); # valores propios
xtable ( valp , digits = rep (3 ,6));
0.0 0.5 1.0 1.5
1 2 3 4 5
Valor propio 1.852 1.025 0.870 0.638 0.616
Inercia acumulada 1.852 2.877 3.746 4.384 5.000
Proporción acum. 0.370 0.575 0.749 0.877 1.000
Figura 3.13. Valores propios del ACP de los resultados del examen de los
admitidos: histograma y valores. El primer valor propio se destaca sobre los
demás y retiene el 37.0 % de la inercia. El segundo valor propio es también
mayor que 1 y el primer plano retiene el 57.5 % de la inercia. La forma del
histograma sugiere retener uno o tres ejes para el análisis
3.6.2.2. Círculo de correlaciones

En la figura 3.14 se observa un primer eje de tamaño, que muestra alta
correlación con el puntaje total y con los mejores puntajes de coordenadas
negativas (lado izquierdo del eje).
El factor tamaño se presenta cuando todas las correlaciones entre las va-
riables activas son positivas y se observan porque tienen coordenadas con el
eje del mismo lado. El primer eje se muestra como otra manera de obtener
un puntaje global ya que su correlación con el resultado del examen es de
-0.985. Para tener la coordenada en el mismo sentido basta cambiarle de
signo a todas las coordenadas sobre el primer eje.
El segundo eje contrapone los resultados en los componentes de imagen,
matemático y científico versus social y textual. El tercer eje es inferior a
uno, pero su valor es cercano al segundo y destaca la oposición entre los
resultados en las pruebas de imagen (positivo) y científica (negativo).
3.6.2.3. Primer plano factorial del ACP de los admitidos

Los admitidos son anónimos en este ACP, pero las variables cualitativas per-
miten observar grupos de ellos, según las categorías que asuman.
La figura 3.15 muestra el primer plano factorial de los individuos con
las categorías de las variables cualitativas como ilustrativas. La estructura
del plano está dada por los resultados del examen, de modo que cualquier
ordenamiento de las categorías es indicio de alguna relación con esos resul-
tados. En la tabla 3.5 se encuentran las ayudas para la interpretación de este
plano y del tercer eje factorial. Obsérvese que las categorías de la variable
estrato están ordenadas en el primer eje –bajo, medio y alto– lo cual indica
que los admitidos de estratos más altos tienden a obtener mejores resultados
en el examen. En cambio, la edad no está ordenada, y son los de diecisiete
años quienes tienden a obtener mejores resultados.
En cuanto a género, los hombres obtienen en promedio mejores resulta-
dos que las mujeres. Según la variable origen de los admitidos, los de Bogotá
en promedio obtienen los mejores resultados; y los de otros lugares los peo-
res.
Las carreras con mejores resultados son Matemáticas, Física y Geo-
logía, en oposición a Estadística, Farmacia y Química. Los admitidos a
Matemáticas en promedio tienen mejores resultados en las pruebas de ima-
gen, matemática y científica.
Código para obtener el círculo de correlaciones de la figura 3.14

s. corcircle ( acp $ co );
# exam como ilustrativa
Gexam <- cor ( admi $ exam , acp $ li );
rownames ( Gexam ) <-" exam "; Gexam ;
s. arrow ( Gexam , add . plot = TRUE , boxes = FALSE );
# dev . print ( device = xfig ,
file = " acpExaAdmiCirculo . fig " );
# coordenadas
xtable ( acp $ co , digits = rep (3 ,4));
xtable ( Gexam , digits = rep (3 ,4));
imag
cien
mate
exam
soci
text
Coordenadas de las variables

Comp1 Comp2 Comp3
mate -0.706 0.259 0.204
cien -0.612 0.242 0.602
soci -0.645 -0.420 -0.351
text -0.648 -0.496 -0.105
imag -0.378 0.691 -0.576
exam -0.985 0.159 0.023
Figura 3.14. Círculo de correlaciones del ACP normado de los componen-

tes del examen de los admitidos, con el puntaje total como ilustrativo. Se
muestran las coordenadas de las variables sobre los ejes factoriales, que son
también las correlaciones variable-componente principal
Son pocos los admitidos que tienen que nivelar lectoescritura (siLE), y
por eso se ubican más lejos, al lado derecho arriba, donde se sitúan los de
peores resultados en el examen de admisión.
Los que no tienen que nivelar de matemáticas están al lado izquierdo
arriba, que son los admitidos con mejores resultados en el examen.
En el tercer eje (ver valores test en la tabla 3.5) se observa que en pro-
medio los que tienen edades de dieciséis años o menos, por un lado, y los
que vienen de otra región, por otro, tienen resultados inferiores en la com-
ponente de imagen.
Para obtener la figura 3.15

Ysupcat <- admi [,c (1 ,8:13)];
sup <- supqual ( acp , Ysupcat );
plot ( acp , Tcol = FALSE , ucal =100 , cex . row =0.2 ,
xlim = c ( -1 ,1.5) , ylim =c ( -0.5 ,0.5));
points ( sup $ coor , col =" black " );
text ( sup $ coor , labels = rownames ( sup $ coor ),
col = " black " , pos =1 , font =2);
file =" acpExaAdmiCatSup . fig " );
0.6 siLE
Factor 2: 1.0249 (20.5%)
0.4 Mate
0.2 noMa Fisi M a19M bajo

Bogo a17 Esta
0.0 medio a18 Otro
Geol noLE
−0.2
alto Biol a16m
Quim F
siMa
Cund
−0.4 Farm
−0.6
−1.0 −0.5 0.0 0.5 1.0 1.5
Factor 1: 1.8517 (37%)
Figura 3.15. Primer plano factorial de los admitidos mostrando las va-
riables cualitativas ilustrativas. Los puntos sin etiqueta corresponden a los
admitidos
Tabla 3.5. Pesos, distancias2 y coordenadas de las categorías suplementarias
Categoría Peso dis 2 Coordenadas

Eje1 Eje2 Eje3
Biol 0.142 0.117 -0.036 -0.152 -0.080
Esta 0.148 0.403 0.601 0.082 -0.109
Farm 0.164 0.346 0.427 -0.315 0.068
Fisi 0.184 0.214 -0.416 0.114 0.108
Geol 0.101 0.244 -0.483 -0.010 -0.071
Mate 0.119 0.751 -0.573 0.496 -0.014
Quim 0.142 0.106 0.280 -0.127 0.036
F 0.288 0.229 0.410 -0.211 0.117
M 0.712 0.037 -0.166 0.085 -0.047
bajo 0.402 0.267 0.506 0.088 0.035
medio 0.416 0.021 -0.099 -0.030 -0.068
alto 0.182 0.878 -0.891 -0.125 0.078
Bogo 0.699 0.040 -0.182 0.053 -0.062
Cund 0.085 0.080 0.039 -0.246 -0.025
Otro 0.216 0.382 0.573 -0.075 0.210
a16m 0.265 0.052 0.057 -0.079 0.195
a17 0.384 0.079 -0.220 0.044 -0.118
a18 0.126 0.162 0.372 -0.117 -0.068
a19M 0.225 0.059 0.102 0.084 0.011
siLE 0.103 3.636 1.698 0.654 0.388
noLE 0.897 0.048 -0.196 -0.075 -0.045
siMa 0.708 0.309 0.460 -0.116 -0.119
noMa 0.292 1.814 -1.115 0.281 0.287
xtable(cbind(wcat=sup$wcat,d2=sup$dis2),digits = rep(3,6))
Tabla 3.6. Contribuciones y cosenos2 de las categorías suplementarias

Categoría Valores test Cosenos cuadrados
Eje1 Eje2 Eje3 Eje1 Eje2 Eje3
Biol -0.228 -1.287 -0.730 0.011 0.198 0.054
Esta 3.885 0.711 -1.024 0.897 0.017 0.029
Farm 2.928 -2.908 0.684 0.526 0.287 0.013
Fisi -3.064 1.127 1.160 0.812 0.061 0.055
Geol -2.507 -0.071 -0.540 0.956 0.000 0.021
Mate -3.261 3.799 -0.114 0.437 0.328 0.000
Quim 1.763 -1.071 0.331 0.745 0.152 0.012
F 4.036 -2.793 1.675 0.733 0.194 0.059
M -4.036 2.793 -1.675 0.733 0.194 0.059
bajo 6.430 1.496 0.642 0.961 0.029 0.005
medio -1.300 -0.530 -1.292 0.468 0.043 0.217
alto -6.512 -1.225 0.834 0.905 0.018 0.007
Bogo -4.286 1.685 -2.129 0.828 0.071 0.096
Cund 0.186 -1.567 -0.174 0.019 0.755 0.008
Otro 4.654 -0.814 2.493 0.860 0.015 0.116
a16m 0.526 -0.989 2.649 0.062 0.121 0.738
a17 -2.697 0.717 -2.115 0.616 0.024 0.178
a18 2.188 -0.921 -0.585 0.855 0.084 0.029
a19M 0.847 0.942 0.128 0.176 0.120 0.002
siLE 8.927 4.624 2.973 0.793 0.118 0.041
noLE -8.927 -4.624 -2.973 0.793 0.118 0.041
siMa 11.093 -3.763 -4.171 0.685 0.044 0.046
noMa -11.093 3.763 4.171 0.685 0.044 0.046
xtable(cbind(sup$t,sup$cos2),digits = rep(3,7))
3.6.3. Conclusiones del análisis

El primer eje del ACP realizado es un indicador que resume el rendimiento
de los estudiantes admitidos a la Facultad de Ciencias en el primer semes-
tre del 2013. El componente de matemáticas es el que más pesa en dicho
indicador y el de imagen, el que menos. La correlación entre el indicador y
la nota global del examen, suministrada por la Universidad, es de 0.985.
Por lo tanto, los ordenamientos obtenidos con el primer componente del
ACP normado y la nota global son similares (figura 3.14).
Según las carreras, los admitidos a Matemáticas, Geología y Física son
en promedio los de mejores resultados, mientras que los admitidos a Esta-
dística, Farmacia y Química tienen en promedio resultados más bajos.
Los admitidos a Matemáticas tienen mejor promedio en la componente
de imagen (figura 3.15, tablas 3.5 y 3.6).
Los estudiantes de estratos altos, diecisiete años, hombres y de origen
bogotano son los que tienen en promedio mejores resultados en los com-
ponentes del examen, comparados con las otras categorías de sus respectivas
variables: estrato, edad, género y origen.
3.7. Ejercicios
Algunos de los ejercicios están propuestos para los estudiantes que toman
regularmente el curso de la Carrera de Estadística. Un lector diferente pue-
de omitir, si lo desea, los ejercicios de demostraciones y utilizar, para llevar
a cabo el ACP, programas de computador diferentes a los propuestos.
1. Para buscar un subespacio H de dimensión 1 que maximice la suma
de cuadrados de las distancias entre las proyecciones sobre H de todas
las parejas de puntos (i, l) –cada punto está dotado de una masa pi –
demuestre que:
nÕÕ o nÕ o
M ax(H ) dH2
(i, l) = M ax(H ) 2
dH (i, g)
i l i
donde g es el vector centro de gravedad de todos los puntos (Lebart

et al., 2006, pág. 64).
2. Muestre que el multiplicador de Lagrange µ en la fórmula 3.11 es 0.

1 0
3. Muestre que el rango máximo de la matriz X X es p, cuando p < n.
n
4. Muestre que dos vectores propios us y ut , s , t, son ortogonales.
5. Muestre que las coordenadas sobre el eje factorial s (vector Fs ) están

centradas.
6. Muestre que la varianza de una componente principal es igual al valor

propio asociado λ s .
7. Escriba la matriz de varianzas y covarianzas de las componentes prin-

cipales F1 , F2 y F3 , obtenidas con el ACP normado del ejemplo “Café”
y describa sus propiedades.
1
8. Muestre que la norma del vector 1n en Rn con la métrica M = In es
n
igual a 1.
9. Muestre que la media de la variable Y j es la coordenada de la proyec-

ción del vector Y j sobre la primera bisectriz, es decir, el subespacio
generado por el vector 1n .
10. Muestre que en el espacio de las variables Rn , centrar una variable

Y j es proyectarla sobre el subespacio ortogonal a la primera bisectriz,
1
con la métrica In .
n
11. Muestre que la operación de reducido en Rn consiste en multiplicar
1
el vector variable centrado Y jC por .
σj
12. Describa el lugar geométrico de las variables centradas y reducidas en

Rn−1 .
13. Demuestre que los valores propios mayores que cero, de los espacios
de individuos y variables son iguales.
14. Demuestre que el vector Fs de todas las coordenadas de los n indivi-

1
duos sobre el eje s es un vector propio de la matriz XX 0.
n
√
15. Muestre que Gs ( j) = λ s us .
16. Muestre que la coordenada de una variable sobre un eje factorial, en

el ACP normado, es igual al coeficiente de correlación entre la variable
y el primer componente principal.
p √
17. Demuestre que X = λ s vs u 0 s .
Í
s=1
18. Sea X∗ la mejor aproximación de X en el subespacio de dimensión S.

S
λs
Í
Demuestre que la calidad de la aproximación τS es: τS = s=1

p
λs
Í
s=1
19. Demuestre las relaciones de transición entre los dos espacios de re-
presentación: individuos y variables.
20. Muestre claramente el significado geométrico de las estadísticas (me-

dia, covarianza, desviación estándar, coeficiente de correlación) en el
espacio de las variables de un ACP.
21. Muestre que en el espacio de las variables en el ACP normado la dis-

tancia entre dos variables está entre 0 y 2.
22. Obtenga la expresión del valor test de una categoría (3.12) a partir de
la fórmula 2.2 de la página 25.
23. Para el ACP normado del ejemplo “Café” dibuje las cuatro versiones
posibles del primer plano factorial cambiando el sentido de los ejes
F1 y F2 .
24. Calcule la distancia al cuadrado del café excelso claro al centro de la

representación en R3 .
25. Calcule las contribuciones a la inercia en R3 de cada uno de los diez

cafés, en valor y porcentaje.
26. Calcule la contribución a la inercia del primer eje y el coseno cuadrado

sobre el primer eje del café excelso claro (ver tabla de la figura 3.7).
27. En R cree un factor con el porcentaje de agregado de granos con los

niveles 0, 20 y 40 y proyéctelo sobre el primer plano factorial de los
cafés.
28. Obtenga el valor test de cero agregado de granos a partir de (3.12).
29. Realice el ACP normado de las variables físicas de los cafés utilizando
el paquete ade4. Incluya la proyección de la variable Nota de impresión
global como cuantitativa ilustrativa, los cafés comerciales como indivi-
duos ilustrativos y el tipo de contaminación como variable cualitativa
ilustrativa.
30. Realice el ACP normado del punto anterior utilizando el programa

DtmVic, disponible en http://www.dtmvic.com/.
3.8. Talleres
Se recomienda el taller ACP gráfico para entender bien el significado geo-
métrico del ACP. El taller “Whisky” es un ejemplo sencillo para consolidar
el aprendizaje del ACP. En el taller “Lactantes” se proponen una serie de
preguntas sencillas de resolver empleando R.
3.8.1. Análisis en componentes principales gráfico

Sea la matriz de datos (nótese que está transpuesta):
1 2 3 4 5 6 7 8 9 10
Y1 9 7 8 3 1 3 4 7 2 6
Y2 9 13 6 1 5 11 4 3 8 10
Realice geométricamente sobre papel cuadriculado el ACP de Y (sin di-

vidir por n = 10) ejecutando los pasos siguientes:
1. Diagrama de dispersión de Y.
2. Calcule el centro de gravedad y la matriz de datos centrados X.
3. Grafique la nube de puntos centrados.
4. Obtenga gráficamente los nuevos ejes F1 y F2 , sobre la nube de indi-

viduos del numeral anterior. F1 corresponde a la recta que pasa por
el origen y está en la dirección más alargada de la nube de puntos; F2
es la recta que pasa por el origen y es perpendicular a F1 .
5. Escriba la matriz con las nuevas coordenadas leyéndolas en la gráfica.

Son las proyecciones de los puntos sobre F1 y F2 y se leen con una
regla o escuadra (no realice cálculos).
6. Dibuje el plano factorial de los individuos. Es el plano con F1 como

eje horizontal y F2 como vertical.
7. Obtenga las coordenadas de un vector u1 unitario (de norma 1) que

esté sobre la recta F1 en la gráfica del numeral 4. Se obtiene toman-
do cualquier vector sobre la recta, encontrando su norma, y entonces
u1 es ese vector multiplicado por 1/norma. Obtenga visualmente u2
unitario que esté sobre la recta F2 a partir de u1 (no realice cálculos).
8. Calcule la suma de cuadrados de las coordenadas sobre F1 y sobre F2

(obtenidas en el numeral 5). Se notan λ 1 y λ 2 , respectivamente.
9. Obtenga los dos vectores de coordenadas de las variables sobre los dos
primeros ejes factoriales, los cuales se notan G1 y G2 , respectivamente,
y se calculan así:
p p
G1 = λ 1 u1 ; G2 = λ 2 u2
La primera coordenada de cada uno de los vectores G1 y G2 corres-

ponde a la variable X1 y la segunda, a la variable X2 .
10. Dibuje el primer plano factorial de las variables, con G1 como eje ho-
rizontal y G2 como eje vertical.
3.8.2. ACP de “Whisky”

Objetivo
El objetivo es estudiar la relación calidad-precio de 35 marcas de whisky
utilizando las variables precio (francos franceses), proporción de malta ( %),
vejez (añejamiento en años) y apreciación (nota promedio de un panel de
catadores redondeada a entera). Se dispone además de una variable nominal
categoría, que clasifica las marcas según su contenido de malta (1 = Bajo, 2
= Estándar, 3 = Puro malta) (Fine, 1996).
Preguntas
Realice primero un ACP no normado y luego un ACP normado y responda
a las preguntas.
1. En el ACP no normado, analice la contribución de las variables a la

inercia. ¿Realmente se puede considerar un análisis de las cuatro va-
riables?
2. Analice la matriz de varianzas y covarianzas con la ayuda del primer

plano factorial de las variables. Haga un resumen (interpretación del
primer plano factorial de las variables).
3. Realice el ACP normado y justifique por qué es el que conviene para

los objetivos de este taller.
4. ¿Cuántos ejes retiene para el análisis? ¿Por qué?
5. ¿Cuál es la variable que más contribuye al primer eje? ¿Cuál es la que

menos? (indique los porcentajes).
6. Según el círculo de correlaciones, ¿cuáles son las variables más corre-

lacionadas? ¿Cuánto es el valor de la correlación? ¿Sí corresponden a
lo que se observa en la matriz de correlaciones?
7. ¿Cuál es la variable mejor representada en el primer plano factorial?

¿Cuál la peor? (Escriba los porcentajes).
8. ¿Qué representa el primer eje? ¿Qué nombre le asignaría? ¿Qué re-

presenta el segundo eje?
9. ¿Cuál es el individuo mejor representado en el primer plano factorial?

Ubique sobre el gráfico de individuos al peor representado sobre el
primer plano factorial (indique los porcentajes).
10. Supongamos que usted tiene una gráfica de individuos, donde no se

muestran los antiguos ejes de las variables. ¿Cómo dibuja los ejes de
apreciación y de precio? (Responda concretamente, es decir, con nú-
meros).
11. ¿Qué características tienen las marcas de whisky según sus ubicaciones
en el plano (a la derecha, a la izquierda, arriba, abajo)?
12. ¿Qué significa el círculo del primer plano factorial de variables? ¿Có-
mo lo dibujaría en una gráfica impresa donde no está? (Suponga que
las escalas de los dos ejes son iguales).
13. A partir de la posición en el plano deduzca las características de las

tres categorías de whisky (bajo, estándar y pura malta).
14. Supongamos que usted desea comprar una botella de whisky con bue-
na apreciación y que no sea tan cara. Dé dos números de marcas que
compraría. ¿Por qué? ¿Cuáles son las características de las dos marcas?
15. Seleccione dos marcas que definitivamente no compraría. ¿Por qué?

¿Qué características tienen?
16. Realice un resumen práctico del análisis suponiendo que lo va a en-

tregar a una compañía que contrató el estudio. Debe dar respuesta al
objetivo y apoyarse en las tablas y gráficas que crea necesarias.
3.8.3. ACP “Lactantes”

De Dalgaard (2008) se tomó el ejemplo kfm-Breast-feeding data, cuyos datos
están en el objeto kfm{ISwR} y son una tabla de 50 filas (bebés de aproxima-
damente 2 meses) y 6 columnas (Dalgaard, 2020).
Las variables continuas son: leche = leche materna consumida por el

niño: dl/24 horas; peso = peso del niño, kg; tetero = alimentación suple-
mentaria, ml/24 horas; peso.madre, kg; talla.madre, cm. Se dispone de la
variable categórica sexo (masculino, femenino). Se plantea realizar un ACP
que responda a los objetivos siguientes:
1. Descripción de los bebés según su peso, consumo de leche materna y
tetero, y su relación con el peso y talla de las madres.
2. ¿Está relacionada la alimentación suplementaria (tetero) con las demás
variables?
3. ¿Hay diferencias entre niños y niñas?
Conteste a las siguientes preguntas:
1. ¿Por qué con el ACP se cumplen los objetivos planteados?
2. ¿Realiza un ACP normado o no normado? ¿Por qué?
3. Describa el bebé promedio según las cinco variables.
5. ¿Qué variables se puede decir que están más altamente correlaciona-
das con el primer factor? ¿Puede darle algún significado a este primer
factor?
6. ¿Puede identificar subconjuntos de variables altamente correlacionas
entre sí? ¿Existe algún subconjunto de variables que se pueda decir
que no está correlacionado con otro subconjunto de variables?
7. ¿Qué características tienen los lactantes según su posición en el primer
plano factorial?
8. ¿Los análisis anteriores sugieren que pueden constituirse grupos de
bebés? ¿Podría sugerir algunos?
9. ¿Se puede decir que hay diferencia entre niños y niñas en este análisis?
¿Cuáles son son esas diferencias?
10. Escriba un resumen práctico del análisis que satisfaga los objetivos
planteados.
Las preguntas que siguen son sobre lectura y algunos cálculos en
el ejemplo “Lactantes”. Responda a los ¿por qué? mencionando la
manera cómo dedujo la respuesta: ayuda que utilizó, la gráfica que
leyó, etc.
11. La inercia de las nubes de puntos asociadas al ACP es:
12. Primer valor propio:
13. Primer vector propio:
14. Porcentajes de la inercia en: primer eje , segundo eje

y primer plano factorial
15. Correlación entre tetero y primer factor:
16. Variable que más contribuye al primer eje:

¿Por qué?
17. ¿Las dos variables menos correlacionadas con tetero son:

¿Por qué?
18. Variable mejor representada en el primer plano factorial:

¿Por qué?
19. Coordenadas del bebé promedio sobre el primer plano factorial:
20. Los dos bebés que más tetero consumen son:
21. Para el bebé situado en el extremo superior del primer plano factorial
escriba las coordenadas sobre los dos primeros ejes factoriales:
22. Calcule la contribución del bebé anterior a la inercia del segundo eje
factorialy la calidad de representación sobre el mismo eje.
23. Escriba las coordenadas de los antiguos ejes unitarios de las variables
leche y tetero sobre el primer plano factorial.
24. Dibuje los antiguos ejes de leche y tetero sobre el primer plano factorial,
indicando los lados positivos y negativos.
Capítulo
cuatro
Análisis en
componentes
principales
generalizado
Análisis en componentes principales generalizado · 89
Cada uno de los métodos en ejes principales se puede ver como un ACP de
una matriz X que contiene los datos a analizar transformados de acuerdo al
respectivo método. En cada caso se definien las matrices de métrica y pesos
en los dos espacios: de filas y de columnas.
Un producto interno está determinado por una matriz cuadrada, simé-
trica, definida positiva. En la geometría euclidiana canónica en Rp , la matriz
que define el producto interno es la identidad de dimensión p, notada Ip . En
este texto se utilizan los términos matriz de métrica, o simplemente métrica,
para referirse en cada caso a una matriz que define un producto interno.
Sea M una matriz que define un producto interno en un espacio vectorial
en los reales, E. A partir de esta matriz se dota al espacio de una geometría
euclidiana. Sean x y y dos vectores en E, entonces:
M-producto punto: < x, y > M = x0My = y 0Mx

√
M-norma: kxkM = < x, x > M
M-distancia: dM (x, y) = kx − ykM
Vector M-unitario: kukM = 1 =⇒ u0Mu = 1
M-proyección sobre u: < x, u > M = x0Mu

< x, y > M
M-coseno: CosM (x, y) =
kxkM kykM
M-ortogonalidad: < x, y > M = x0My = 0
En los métodos en ejes principales de este texto la métrica se generaliza a

matrices diagonales. Se nota M a la matriz diagonal de métrica en el espacio
de las filas y de pesos en el de las columnas, y N a la matriz diagonal de
pesos de las filas y de métrica en el espacio de las columnas. La matriz X
está centrada con los pesos dados en N, es decir, g = X 0N1n = 0, siendo
1n un vector columna de n unos. Con la definición de la tripleta (X, M, N)
el análisis en ejes principales queda completamente determinado y se nota
ACP(X, M, N).
El ACP normado del capítulo anterior se puede expresar como los ACP
generalizados siguientes:
ACP(Yc , di ag( σ12 ), 1n In ). La matriz a analizar es la de datos centrados,

j
la métrica di ag( σ12 ) es la matriz diagonal de las inversas de las varian-
j
zas y 1n In es la matriz de pesos, donde In es la matriz identidad de
dimensión n.
90 · Análisis en componentes principales generalizado

ACP X, Ip , 1n In si X es la matriz de datos estandarizados.
ACP(Z, Ip , In ), donde Z= √1 X.
n
4.1. Análisis en Rp : espacio de las filas

En el espacio de las filas los p ejes están asociados a las columnas, los pesos
están definidos en la matriz N y la matriz de métrica es M. Los pesos in-
tervienen en los cálculos del centro de gravedad y de la inercia, y M en los
cálculos de distancias, ángulos y proyecciones.
4.1.1. Coordenadas y pesos de filas

En Rp las filas de X se representan como puntos xi = [xi1 xi2 · · · xip ]0, cuyo
conjunto se denomina nube de puntos fila y se denota Nn . A cada punto fila
se le asocia el peso pi , que es el término pi = nii de la matriz N. La suma de
n
pi = 1.
Í
los pesos es 1:
i=1
4.1.2. Distancias entre filas

Con una métrica diagonal M, la distancia entre dos filas i y l es:
p
Õ
d (i, l) =
2
m j (xi j − xl j )2 (4.1)
j=1
donde m j = m j j .
4.1.3. Inercia de la nube Nn

La inercia total es la suma ponderada de las distancias al cuadrado de los
puntos-fila al centro de gravedad de la nube:
n
Õ n
Õ p
Õ Õ
I nerci a = pi d (i, 0) =
2
pi m j xi2j = pi m j xi2j (4.2)
i=1 i=1 j=1 i, j
Cada punto-fila contribuye a la inercia con el producto de su peso por el

cuadrado de la distancia al centro de gravedad, el cual coincide con el origen
de la representación.
4.1.4. Descomposición de la inercia en ejes

principales
Lo que busca el ACP generalizado es encontrar un sistema de ejes u,
M−ortonormales (u0 s Mus = 1 y u0 s Mut = 0, s , t) de M-inercia máxima.
Sea F = XMu el vector de las coordenadas sobre el eje definido por
n
pi F 2 = u0MX 0NXMu.
Í
u. Entonces la inercia proyectada sobre el eje es
i=1
Maximizar esta cantidad es encontrar la dirección de mayor inercia proyec-
tada.
La solución es un vector propio u1 , M-normado correspondiente al ma-
yor valor propio λ 1 de la matriz X 0NXM. Nótese que la inercia (4.2) es
también igual a la traza de la matriz de inercia X 0NXM.
Se procede luego a encontrar la segunda dirección M-ortogonal a la pri-
mera, que maximiza la inercia proyectada sobre ese eje; luego una tercera,
M-ortogonal a las dos primeras, y así sucesivamente. Se encuentra entonces
un nuevo sistema de ejes us , que son vectores propios M-unitarios, asocia-
dos a los valores propios de la matriz X 0NXM y ordenados de mayor a
menor.
Proyectar sobre el subespacio de dimensión S (S < p) con la inercia
máxima proyectada sobre él, es seleccionar como ejes los generados por los
S primeros vectores propios. La inercia proyectada sobre el subespacio de
dimensión S es la suma de las inercias proyectadas sobre los ejes ortogonales
que lo conforman.
4.1.5. Coordenadas sobre un eje factorial s

Un eje factorial es la recta generada por us , uno de los dos vectores propios
M unitarios asociados al valor propio λ s . Las coordenadas del vector de
proyecciones de todas las filas sobre el eje s son Fs = XMus .
Para un individuo i la coordenada de la proyección es:
p
Õ
Fs (i) = m j xi j us ( j)
j=1
n
pi Fs (i)2 = us0 MX 0NXMus = λ s
Í
La inercia proyectada sobre el eje s es:
i=1
4.2. Análisis en Rn : espacio de las columnas

En la nube de los p puntos columna en Rn , los ejes están asociados a las filas,
las distancias están definidas por la matriz de métrica N y los pesos están en
la matriz M.
4.2.1. Coordenadas y pesos

Las coordenadas de un punto j son los n valores de la columna
X j = [X1 j X2 j · · · Xn j ]0
Su peso es m j y todos los puntos conforman la nube de p columnas, Np .
4.2.2. Distancias entre columnas

Con una métrica diagonal N, la distancia entre dos columnas j y k es:
n
Õ
d 2 ( j, k) = pi (xi j − xik )2 (4.3)
i=1
4.2.3. Inercia de la nube Np

La inercia total es la suma ponderada de las distancias al cuadrado de los
puntos-columna al origen:
p
Õ p
Õ n
Õ Õ
I nerci a(Np ) = m j d (j, 0) =
2
mj pi xi2j = m j pi xi2j (4.4)
j=1 j=1 i=1 i, j
Nótese que las inercias de las nubes de los espacios de filas y de columnas
son iguales.
4.2.4. Descomposición de la inercia en ejes

principales
p
mkG 2j sea máxima, donde Gj es la
Í
Se busca la dirección v sobre la cual la
k=1
proyección de la columna j sobre la dirección v. El vector de todas las pro-
yecciones sobre v es X 0Nv y la cantidad a maximizar es v 0NXMX 0Nv sujeta
a la restricción v 0Nv = 1. Sin embargo, no es necesario realizar la diagona-

lización de la matriz XMX 0N ya que los valores propios de los dos espacios
son iguales y sus vectores propios y los ejes factoriales están relacionados.
4.3. Dualidad entre los espacios de filas y

columnas
Los ejes y planos factoriales de los espacios de filas y columnas provienen
de espacios vectoriales diferentes pero relacionados. Suponiendo que el nú-
mero de filas n es superior al número de columnas p, el rango máximo de
las matrices de inercia de los dos espacios es p. En el espacio de las filas la
matriz de inercia es de orden p y en el espacio de las columnas es de or-
den n. En los cálculos se buscan los valores y vectores propios de la matriz
de inercia X 0NXM. Para un eje s las proyecciones se encuentran mediante
XMus . No se calculan los valores y vectores propios de la matriz XMX 0N,
sino que se utilizan algunas de las relaciones entre dos espacios para obte-
nerlos. Las demostraciones son sencillas y se pueden ver, por ejemplo, en
Lebart et al. (1995).
Notando un valor propio de la matriz XMX 0N como µ s , las relaciones
entre los dos espacios son:
Los valores propios diferentes de cero son iguales en los dos espacios:
µs = λ s .
El vector de coordenadas Fs sobre us es un vector propio asociado a

µs .
La N-norma al cuadrado del vector Fs es λ s

1
El vector vs es igual a √ Fs .
λs
√
El vector de coordenadas Gs es igual a λ s us .
4.3.1. Fórmula de reconstitución de los datos

La representación de las nubes de puntos sobre todos los ejes factoriales es
un cambio de base. Entonces es posible expresar la matriz X en función de
las coordenadas sobre los ejes factoriales. Escofier y Pagès (1992) obtienen
el término general de X de la siguiente manera:
Un vector fila x0i de X en función de la base generada por los vectores

propios us es: x0i = Fs (i)us .
Í
s
Una componente xi j sobre la base canónica es: xi j =

Í
Fs (i)us ( j).
s
1
Como us = √ Gs entonces:
λs
Õ Fs (i)Gs ( j)
xi j = √ (4.5)
s λs
En forma matricial la fórmula de reconstitución es una suma de ma-

trices de rango 1:
Õ 1 Õp
X= √ FsGs0 = λ s vs u 0 s (4.6)
s λ s s
Retener los primeros S ejes equivale a tener una aproximación de la matriz

X, denotada por Lebart et al. (2006) X̃:
S S p
Õ 1 Õ
X̃ = √ FsGs0 = λ s vs u 0 s (4.7)
s=1
λ s s=1
Y la calidad de la aproximación, denotada τ, es:

S
λs
Í
s=1
τ= p
(4.8)
λs
Í
s=1
Un diagrama de barras (barplot) de los valores propios es una guía para se-
leccionar el número de ejes a retener, S, complementado con los valores
sucesivos de τ, que informan de la calidad de la representación a medida
que se incrementa S.
4.3.2. Fórmulas del ACP generalizado

Un método específico, en ejes principales, queda completamente determi-
nado definiendo las matrices: X, que se obtiene de los datos mediante la
transformación adecuada; M, métrica en el espacio de las filas y pesos en el
espacio de las columnas, y N, pesos en el espacio de las filas y métrica en
el espacio de las columnas. Entonces las fórmulas del método específico se

obtienen reemplazando en las fórmulas ACP(X, M, N) (tabla 4.1).
4.3.3. Diagrama de dualidad

Los espacios vectoriales de filas (E = Rp ) y columnas (F = Rn ) están conec-
tados mediante transformaciones lineales definidas por las matrices X, M y
N, composiciones de estas y las inversas M−1 y N−1 .
Se denomina diagrama de dualidad al esquema que muestra los espa-
cios vectoriales y las transformaciones lineales que permiten pasar de un
espacio a otro. La figura 4.1 muestra el diagrama de dualidad asociado al
ACP(X, M, N), que tiene además utilidad pnemotécnica.
Algunos ejemplos de transformaciones lineales son:
Para encontrar el vector de las proyecciones de todas las filas sobre

un eje us : el espacio de origen es E = Rp y el de llegada es F = Rn ,
pasando por E ∗ la transformación es: Fs = XMus .
La matriz V, transformación lineal de E ∗ a E, es equivalente a la trans-

formación X 0NX pasando por los espacios F y F ∗ .
La matriz de inercia en E se obtiene con la transformación compuesta

de las cuatro transformaciones lineales que permiten dar la vuelta al
diagrama X 0NXM.
En el artículo de Tenenhaus y Young (1985, p. 105) se puede estudiar

el diagrama de dualidad con más detalle, y en Holmes (2008) se encuentra
un buen resumen.
4.4. Ayudas para la interpretación de las

gráficas
Los elementos que aparecen en los planos factoriales tienen errores de pro-
yección y es importante tener indicadores que eviten lecturas erróneas. La
inercia de la nube de puntos que se está analizando se descompone en ejes
factoriales. Entonces es útil disponer de indicadores que ayuden a detectar
los elementos que más contribuyen, a la inercia de espacios y subespacios,
en particular a las varianzas de los ejes. La inercia sobre un eje, un plano
o sub-espacios de mayor dimensión se puede descomponer en la contri-
bución de elementos o en subconjuntos de una partición de sus elementos.
Tabla 4.1. Fórmulas del ACP(X, M, N)
Espacio Rp Rn
Nube Nn Np
Coordenadas Filas de X: x 0 i Columnas de X: X j
Pesos Diagonal de N: pi Diagonal de M: m j
Métrica M N
p n
d 2 (i, l) = m j (xi j − xl j )2 d 2 ( j, k) = pi (xi j − xik )2
Í Í
Distancias al cuadrado
j=1 i=1
Inercia T r aza(X 0 NXM) T r aza(XMX 0 N)
Valor propio λs λs
Vector propio us vs
Fórmula valor-vector propio X 0 NXMus = λ s us XMX 0 Nvs = λ s vs
Coordenadas factoriales Fs (i) = xi0 Mus Gs ( j) = Xj0 Nvs

√ √
Gs = X 0 Nvs = λ s us Fs = XMus = λ s vs
1 1
Fórmulas de transición Gs = √ X 0 NFs Fs = √ XMGs
λs λs
1 Í p 1 Í n
Fs (i) = √ xi j m j Gs ( j) Gs ( j) = √ xi j pi Fs (i)
λ s j=1 λ s i=1
Í Fs (i)Gs ( j) Í √ Í√
Fórmula de reconstitución xi j = √ = λ s us (i)vs ( j); X = λ s vs u 0 s
s λs s s
Fuente: Escofier y Pagès (1992, Cap. 4)

M
E = Rp E ∗ = Rp∗
V = X′ NX
X′ X
W = XMX′
F =R
∗ n∗
F = Rn
N
Figura 4.1. Diagrama de dualidad del ACP(X, M, N). E es el espacio de las

filas y F el de las columnas
Los indicadores para ayudar a la interpretación se pueden definir mediante

cocientes de inercias (Escofier y Pagès, 1992).
Para simplificar las fórmulas, en esta sección, no se incluyen las matrices
de las métricas involucradas en las distancias e inercias, M y N para los
espacios de las filas y las columnas, respectivamente.
La inercia de la nube de filas Nn en el espacio completo es:
n
Õ n
Õ Õ
I(Nn ) = pi d 2 (i, g) = pi ||xi || 2 = λs (4.9)
i=1 i=1 s
La contribución de una fila i a la inercia total de una nube de puntos es

pi ||xi || 2 . Por lo tanto, la proporción de inercia con la que contribuye una
fila i a la inercia de la nube de puntos es:
pi ||xi || 2 pi ||xi || 2
= Í (4.10)
I(Nn ) λs
s
La inercia de la nube de puntos, proyectada sobre un eje s es:

n
Õ
Is (Nn ) = pi Fs2 (i) = λ s (4.11)
i=1
Y un sumando es la contribución de una fila i a la inercia proyectada

sobre un eje s: pi Fs2 (i).
4.4.1. Calidad de la representación, coseno cuadrado

o contribución relativa
Para una fila i, la contribución relativa sobre un eje s es la relación entre
las contribuciones de i a la inercia: proyectada sobre el eje y en el espacio
completo:
pi Fs2 (i) Fs2 (i)
Crs (i) = = = Coss2 (i) (4.12)
pi ||xi || 2 ||xi || 2
Este indicador, como coseno cuadrado, tiene una interpretación geomé-
trica: es el cuadrado del cociente entre la longitud del vector proyectado
sobre el eje s y su longitud en el espacio completo. Un valor de 1 indica que
el punto está sobre el eje s y un valor de 0, que es perpendicular. El analis-
ta de datos debe abstenerse de interpretar los puntos que tienen calidad de
representación cercana a cero. Por la ortogonalidad de los ejes factoriales,
el coseno cuadrado sobre un plano es la suma de los cosenos cuadrados de
los ejes factoriales que lo generan. Esto se generaliza a un subespacio de di-
mensión S. Para las columnas, la calidad de la representación se define de
la misma forma.
4.4.2. Contribución absoluta

La contribución absoluta de una fila i a la inercia de un eje s, expresada en
proporción, es:
pi Fs2 (i)
C as (i) = (4.13)
λs
Estas contribuciones ayudan a interpretar el eje, lo que se traduce muchas
veces en darle un significado dentro del contexto del análisis. También per-
mite detectar uno o unos pocos elementos responsables de casi toda la iner-
cia del eje, es decir, puntos influyentes.
Para las columnas la contribución absoluta se define de la misma forma.
4.4.3. Calidad de la representación sobre un

subespacio
La inercia proyectada sobre un eje s es igual al valor propio λ s y la de un
subespacio S es la suma de los valores propios que lo generan.
Las calidades de la representación de la nube de puntos en un subespacio
se definen como el cociente de inercia de la nube de puntos: en el subespacio
y en el espacio completo.
S
λs
Í
s=1
(4.14)
λs
Í
s
Entonces las calidades de representación de las nubes proyectadas son:

λs
Sobre un eje s, Í .
λs
s
λs + λt
Sobre un plano conformado por los ejes s y t, Í .
λs
s
λ1 + λ2
En particular, sobre el primer plano factorial: .
λs
Í
s
La presentación ordenada de las calidades de representación sobre: pri-

mer eje, primer plano, subespacio 3D (ejes 1, 2 y 3), y así sucesivamente
hasta el espacio completo, es una de las ayudas para decidir el número de
ejes a retener en el análisis.
4.5. Elementos suplementarios o ilustrativos

Sobre los subespacios factoriales se pueden proyectar elementos que no par-
ticiparon en el análisis, ya sean filas o columnas. También es posible proyec-
tar filas artificiales –por ejemplo, las filas promedio de grupos construidos a
partir de variables cualitativas–. Las fórmulas de proyección son las mismas
de los elementos activos. Es válido calcular la calidad de la representación
de los elementos suplementarios. La contribución a la formación de los ejes
es obviamente nula.
4.6. Imagen euclidiana de matrices de

varianzas-covarianzas y correlaciones
Es posible que se desee obtener una imagen geométrica de matrices de
varianzas-covarianzas o de correlaciones, cuando no se dispone de los datos
originales con los cuales se calcularon. Este problema se puede denominar
ACP a partir de las matrices de covarianzas o de correlaciones.
M
E=R p
E ∗ = Rp∗
V
Figura 4.2. Diagrama cuando solo se conoce la matriz de varianzas o de
correlaciones. Parte superior del diagrama de dualidad de la figura 4.1
En tales casos no se dispone de los datos de los “individuos” y el diagra-

ma de dualidad no se puede completar. Solo se tiene la parte del diagrama
que se muestra en la figura 4.2. Para una matriz de covarianzas o de corre-
laciones de orden p la métrica M es Ip .
En el espacio E se encuentran los vectores propios unitarios de V, us ,
asociados a los valores propios λ s :
Valores propios: λ 1 ≥ · · · ≥ λ s ≥ · · · ≥ λ p .
Vectores propios: u1, · · · us , · · · , up .
Coordenadas de las variables: G1, · · · Gs , · · · Gp . De las fórmulas de la

tabla 4.1: p
Gs = λ s us (4.15)
Si la matriz V es la de correlaciones, los planos factoriales que se

obtienen se denominan círculos de correlaciones. Se pueden obtener y dibu-
jar con los siguientes comandos de R. Un ejemplo se muestra en el taller 4.9.
Código para obtener las coordenadas y el círculo de correlaciones
V # matriz de correlaciones
eigV <- eigen ( V )
Lambda <- diag ( eigV $ values )
U <- eigV $ vectors
G <-U %* %sqrt ( Lambda )
library ( ade4 )
s . corcircle ( G )
4.7. Análisis en coordenadas principales

Se denomina análisis en coordenadas principales a la obtención de imágenes
euclidianas de matrices de distancias entre individuos. Primero se obtiene
la matriz de productos internos W, a partir de la matriz de distancias D. La

matriz W aparece en el diagrama de la figura 4.3, donde N es la matriz de
pesos de los individuos, N = di ag(pi ). Las distancia entre dos individuos i
y l se nota dil . Una celda i, l de W se obtiene mediante (Escofier y Pagès,
1992, p. 84):
1
wil = (di2· + dl2· − dil2 − d ··2 ) (4.16)
2
donde:
Õn Õn
di · =
2
pi dil y d ·· =
2 2
pi pl dil2
l=1 i,l=1
W
F ∗ = Rn∗ F = Rn
N
Figura 4.3. Diagrama cuando solo se conoce la matriz de productos internos
W. Parte inferior del diagrama de dualidad de la figura 4.1
En el espacio F se encuentran los vectores propios N unitarios, vs de la

matriz WN, asociados a sus valores propios λ s . Sea r el rango de WN:
Valores propios: λ 1 ≥ · · · ≥ λ s ≥ · · · ≥ λ r .
Vectores propios: v1, · · · , vs , · · · , vr .
Coordenadas de los individuos: F1, · · · Fs , · · · Fr . De las fórmulas de

la tabla 4.1: p
Fs = λ s vs (4.17)
El análisis en coordenadas principales se encuentra implementado, entre

otros, en el ade4 en la función dudi.pco. En el taller 4.9.2 se puede ver un
ejemplo de aplicación.
Para disimilitudes no euclidianas también se puede obtener este tipo de
gráficas, metodología que se conoce con el nombre de escalamiento multidi-
mensional.
4.8. Ejercicios
1. Escriba el diagrama de dualidad y las principales fórmulas del
ACP (Yc , I2, I10 ) del taller ACP geométrico sección 3.8.1 (página 81).
Encuentre analíticamente los valores y vectores de la matriz de inercia

del taller.
2. Muestre que las distancias entre individuos en el

ACP(Yc , di ag( σ12 ), 1n In ) son iguales a las del ACP(X, Ip , 1n In ).
j
3. Demuestre que el primer eje factorial del ACP generalizado es el ge-

nerado por uno de los dos vectores propios M-unitarios asociados al
mayor valor propio de la matriz X 0NXM.
4. Muestre que las coordenadas factoriales de las filas sobre un eje son
N-centradas.
5. Para el ACP generalizado demuestre que:
a) Los valores propios diferentes de cero son iguales en los dos es-
pacios: µ s = λ s .
b) El vector de coordenadas Fs sobre us es un vector propio asocia-
do a µ s .
c) La N-norma al cuadrado del vector Fs es λ s .
1
d) El vector vs es igual a √ Fs .
λs
√
e) El vector de coordenadas Gs es igual a λ s us .
6. Dibuje el diagrama de dualidad para el ACP canónico: ACP(X, Ip , 1n In ).
7. Utilizando el diagrama de dualidad muestre que la matriz a diagonali-

zar en Rp se encuentra con la composición de las aplicaciones lineales
sobre un vector de E, de modo que le da la vuelta al diagrama hasta
llegar a E de nuevo.
8. Utilice el diagrama de dualidad para mostrar las fórmulas que permi-

ten obtener las coordenadas de las variables a partir de una matriz de
covarianzas o correlaciones.
9. Demuestre que, en el análisis en coordenadas principales,

n n
1 2 Õ Õ
wil = (di · + dl2· − dil2 − d ··2 ) donde: di2· = pl dil2 y d ··2 = pi pl dil2
2
l=1 i,l=1
4.9. Talleres
En esta sección se realizan dos talleres: en el primero se busca obtener el
círculo de correlaciones cuando no se conocen los datos que dieron origen
a una matriz de correlaciones; en el segundo, obtener la imagen geométrica
de una matriz de distancias euclidianas, cuando no se tienen las variables de
donde se calcularon.
4.9.1. Imagen euclidiana de matrices de

varianzas-covarianzas y de correlaciones
En el artículo de Correa, De Rosa y Lesino (2006) se realiza un análisis del
clima en la ciudad de Mendoza (Argentina). El artículo no presenta los da-
tos originales pero tiene dos matrices de correlaciones. El ejercicio de este
taller consiste en construir los círculos de correlaciones a partir de las ma-
trices y comparar con los resultados del artículo. Para el caso de la matriz de
correlaciones que corresponde a un día de primavera por la mañana (tabla
4.2), responda las siguientes preguntas:
1. Objetivo de análisis.
2. Descripción de las variables.
3. ¿Cuáles son las unidades estadísticas (“individuos”) en el análisis?
4. ¿Se pueden obtener coordenadas y ayudas para la interpretación de

los “individuos” cuando solo se tienen las matrices de correlaciones?
¿Por qué?
5. ¿Cuántos ejes selecciona para analizar? ¿Por qué?
6. ¿Qué significado le puede dar cada uno de los ejes que va a analizar?
7. Grafique y analice los planos factoriales que estime conveniente.
8. Resuma el análisis respondiendo a los objetivos.

Tabla 4.2. Matriz de correlaciones entre variables de clima en la ciudad de

Mendoza
temp vevi alti fvc emis anca orie nubo

vevi 0.113
alti 0.411 0.040
fvc 0.174 0.291 0.102
emis 0.067 0.009 0.406 -0.118
anca 0.134 0.009 -0.293 0.165 -0.361
orie 0.101 0.018 -0.018 -0.200 -0.104 0.029
nubo 0.836 0.123 0.157 0.176 -0.007 0.176 0.103
iner -0.164 -0.050 -0.443 0.119 -0.966 0.290 0.035 -0.053
Fuente: Correa et al. (2006).
4.9.2. Análisis en coordenadas principales

En Hidalgo et al. (2007) se construye una distancia cultural entre algunos
países latinoaméricanos. En la tabla 4.3 se presentan las distancias, que co-
rresponden a la raíz cuadrada de las presentadas en el artículo.
Tabla 4.3. Distancias culturales entre países de Latinoamérica

ARG BOL BRA COL CRI ECU SLV GTM MEX
BOL 1.534
BRA 1.314 1.351
COL 0.903 1.559 1.325
CRI 1.527 1.108 1.205 1.665
ECU 1.554 1.694 1.554 1.524 1.426
SLV 1.221 1.748 0.928 1.202 1.833 1.586
GTM 0.909 1.586 1.268 1.149 1.693 1.345 1.199
MEX 1.692 1.549 1.412 1.357 1.249 1.358 1.516 1.900
VEN 1.103 1.204 1.477 1.117 1.798 1.615 1.154 1.318 1.597
Nota: el encabezado de las columnas corresponde al código de tres letras de la
norma ISO 3166-1: CRI Costa Rica, SLV El Salvador, GTM Gatemala.
Realice el análisis en coordenadas principales (ACO) sobre la matriz de

distancias, utilizando las funciones dudi.pco e inertia.dudi de ade4 y res-
ponda a las siguientes preguntas:
1. ¿Cuál es la dimensión del espacio de representación?
2. ¿Cuántos ejes selecciona para el análisis? ¿Por qué?
3. ¿Se pueden obtener ayudas para la interpretación de las variables?

4. ¿Algunos países tienen una calidad de representación en el primer

plano factorial inferior al 10 %? ¿Cuáles?
5. ¿Qué países tienen una contribución al primer eje por encima del
promedio?
6. Analice los planos factoriales. Puede utilizar plot.dudi{FactoClass}

para graficar los planos factoriales que requiera.
7. A partir de los planos factoriales establezca una partición de los países.

Describa comparativamente los grupos de países formados.
8. Compare los resultados con los del artículo.
9. Haga un resumen práctico del análisis.

Capítulo
cinco
Análisis de
correspondencias
simples
Análisis de correspondencias simples · 109
El análisis de correspondencias simples (ACS) se utiliza para describir tablas

de contingencia (TC) mediante la representación geométrica de las tablas de
condicionales fila y columna (perfiles) derivadas de aquellas. El objetivo del
ACS es describir las asociaciones entre las variables fila y columna, a través
de sus perfiles:
1. Comparar los perfiles fila.
2. Comparar los perfiles columna.
3. Estudiar las correspondencias entre perfiles fila y columna.
El ACS se puede ver técnicamente como dos ACP o como un ACP. La pri-
mera visión conviene para la interpretación de los resultados y la segunda,
para los cálculos. En este capítulo se muestran las dos visiones, pero con-
viene complementar con la lectura del capítulo correspondiente en Lebart,
Morineau y Piron (1995) o Lebart, Piron y Morineau (2006).
5.1. Pequeño ejemplo y notación

Se utiliza como ejemplo, la tabla de contingencia (TC) que clasifica a los 445
estudiantes admitidos a las carreras de la Facultad de Ciencias 2013-I, según
la carrera y el estrato socioeconómico (tabla 5.1). La tabla se obtiene a partir
de los datos admi{FactoClass}.
5.1.1. Tabla de contingencia

Siguiendo la misma notación de Lebart et al. (1995), K es la tabla de con-
tingencia; ki j , su término general; ki · , la suma de su fila i; k · j , la suma de su
columna j, y k = k ·· , su total. Por ejemplo: k11 = 23 admitidos a Biología
que son de estrato bajo; k1· = 63 admitidos a Biología; k ·1 = 179 de los
admitidos son de estrato bajo; el total de la tabla es k = 445.
5.1.2. Tabla de frecuencias relativas

ki j
La tabla de frecuencias relativas se nota F de término general fi j = .
k
El término general de su marginal fila se nota fi · y el de su marginal
columna f· j .
110 · Análisis de correspondencias simples
En la tabla 5.1 está la tabla F y sus sumas, que representan la distribución

de probabilidad conjunta y las distribuciones marginales, respectivamente,
expresadas en porcentaje.
Los 23 admitidos a Biología que son de estrato bajo representan el
f11 = 5.2 % de los admitidos; el f1· = 14.2 % entran a Biología y el
f·1 = 40.24 % de los admitidos son de estrato bajo.
Código para obtener F, Dn , Dp y las tabla 5.1

library ( FactoClass );
data ( admi );
K <- unclass ( table ( admi $ carr , admi $ estr ));
F <-K / sum ( K ) * 100; # o F <- prop . table (K)* 100 , en porcentaje
Dn <- diag ( rowSums (F ));
Dp <- diag ( colSums (F ));
tabs <- plotct (K , tables = TRUE ); # tabla con plotct { FactoClass }
xtable ( tabs $ ctm , digits = rep (0 ,5));
xtable ( tabs $ ctm * 100 / sum (K), digits = rep (1 ,5));
Tabla 5.1. Tablas de contingencia y de frecuencias relativas de los admitidos

a Ciencias, según carreras y estratos
Tabla de contingencia K
Ebajo Emedio Ealto Suma

Biología 23 26 14 63
Estadística 29 29 8 66
Farmacia 30 36 7 73
Física 27 36 19 82
Geología 18 9 18 45
Matemáticas 21 25 7 53
Química 31 24 8 63
Suma 179 185 81 445
Tabla de frecuencias relativas F
Ebajo Emedio Ealto Suma

Biología 5.2 5.8 3.1 14.2
Estadística 6.5 6.5 1.8 14.8
Farmacia 6.7 8.1 1.6 16.4
Física 6.1 8.1 4.3 18.4
Geología 4.0 2.0 4.0 10.1
Matemáticas 4.7 5.6 1.6 11.9
Química 7.0 5.4 1.8 14.2
Suma 40.2 41.6 18.2 100.0
La marginal fila representa la distribución de frecuencias relativas de los

admitidos según carreras y la marginal columna es la distribución de los
admitidos según estratos.
Con estas marginales se definen las matrices diagonales: Dn = di ag(fi · ) y
Dp = di ag(f· j ).
5.1.3. Tabla de perfiles fila

Para cada carrera se tiene una distribución de frecuencias relativas entre los
tres estratos, que se denomina distribución condicional o perfil fila. Se obtiene
al dividir cada celda de la respectiva fila por la suma de la fila, en la TC o
en la tabla de frecuencias relativas F. La marginal columna de la tabla F se
constituye en la distribución promedio de los perfiles fila y es la distribución
de todos los 445 admitidos en los tres estratos, sin importar la carrera. Un
perfil fila i se nota:
fi j

; j = 1, · · · , p
fi ·
El conjunto de los perfiles fila se notan y calculan mediante D−1 n F. En

R: solve(Dn) %* %F (tabla 5.2). En tablas pequeñas, como la de este ejemplo,
los perfiles se pueden mostrar gráficamente como barras que representan
el 100 %, con colores o achurados, que muestran el porcentaje de cada
categoría en el perfil (ver figura en la tabla 5.2).
Código para obtener tablas y gráficas de perfiles (tablas 5.2 y 5.3)

plotct (K ," row " ); # plotct es una funcion de FactoClass
tabs <- plotct (K ," col " , tables = TRUE );
# para exportar la grafica a xfig , para su edicion
# dev . print ( device = xfig , file =" perfilEstratos . fig ")
# tablas de perfiles en formato tabular para LaTeX
xtable ( cbind ( tabs $ perR , suma = rowSums ( tabs $ perR )) ,
digits = rep (1 ,5));
xtable ( rbind ( tabs $ perC , suma = colSums ( tabs $ perC )) ,
Tabla 5.2. Perfiles fila de la tabla carreras × estratos

Ebajo Emedio Ealto suma
Biología 36.5 41.3 22.2 100.0
Estadística 43.9 43.9 12.1 100.0
Farmacia 41.1 49.3 9.6 100.0
Física 32.9 43.9 23.2 100.0
Geología 40.0 20.0 40.0 100.0
Matemáticas 39.6 47.2 13.2 100.0
Química 49.2 38.1 12.7 100.0
Marginal C 40.2 41.6 18.2 100.0
bajo medio alto

marg
Quim
Mate
Geol
Fisi
Farm
Esta
Biol
0.0 0.2 0.4 0.6 0.8 1.0
Se puede observar que el perfil de Geología es el que más difiere de los de-
más porque tiene más porcentaje de estrato alto, en detrimento del porcen-
taje de estrato medio. Física y Biología también tienen más porcentaje de
estrato alto, que el promedio. El perfil de Química es el que más porcentaje
de estrato bajo tiene, seguido por Estadística.
5.1.4. Tabla de perfiles columna

Cada estrato tiene su distribución según las siete carreras (condicionales o
perfiles columna). La distribución marginal fila es la distribución de todos
los admitidos, en las siete carreras, sin importar el estrato.
Un perfil columna j se nota:
fi j

; i = 1, · · · , n
f· j
El conjunto de los perfiles columna se calcula mediante FD−1

p . En R:
F %* %solve(Dp) (tabla 5.3).
Tabla 5.3. Perfiles columna de la tabla carreras × estratos

Ebajo Emedio Ealto Marginal F
Biología 12.8 14.1 17.3 14.2
Estadística 16.2 15.7 9.9 14.8
Farmacia 16.8 19.5 8.6 16.4
Física 15.1 19.5 23.5 18.4
Geología 10.1 4.9 22.2 10.1
Matemáticas 11.7 13.5 8.6 11.9
Química 17.3 13.0 9.9 14.2
suma 100.0 100.0 100.0 100.0
1.0
Quim
0.8 Mate
Geol
0.6
Fisi
0.4 Farm
0.2 Esta
Biol
0.0
bajo
medio
alto
marg
El perfil de estrato alto se diferencia más del promedio, tiene mayor por-
centaje de estudiantes admitidos a Geología y Física y menos de Farmacia,
Estadística y Matemáticas (tabla 5.3).
5.1.5. El modelo de independencia

Si se supone que no hay asociación –es decir, que hay independencia esta-
dística entre las variables fila y columna– el modelo es ai j = fi · f· j , término
general de la tabla de independencia A (tabla 5.4).
Las distribuciones condicionales fila (columna) de la tabla A son todas
iguales a la marginal de las columnas (filas) de la tabla F. Las desviaciones
del modelo de independencia son F-A (ver tabla 5.4).
Tabla 5.4. Frecuencias relativas, independencia y diferencia
F observada A independencia
bajo medio alto bajo medio alto
Biol 5.2 5.8 3.1 5.7 5.9 2.6
Esta 6.5 6.5 1.8 6.0 6.2 2.7
Farm 6.7 8.1 1.6 6.6 6.8 3.0
Fisi 6.1 8.1 4.3 7.4 7.7 3.4
Geol 4.0 2.0 4.0 4.1 4.2 1.8
Mate 4.7 5.6 1.6 4.8 5.0 2.2
Quim 7.0 5.4 1.8 5.7 5.9 2.6
F − A diferencia
bajo medio alto
Biol -0.5 -0.0 0.6
Esta 0.6 0.4 -0.9
Farm 0.1 1.3 -1.4
Fisi -1.3 0.4 0.9
Geol -0.0 -2.2 2.2
Mate -0.1 0.7 -0.6
Quim 1.3 -0.5 -0.8
5.2. El ACS como dos ACP

En el ACS se describen simultáneamente los perfiles fila y columna. Para
cada tabla de perfiles se realiza un ACP(X, M, N), pero los dos ACP están
relacionados, lo que permite representaciones simultáneas de los planos
factoriales.
5.2.1. ACP de los perfiles fila

La tabla que se analiza es la de perfiles fila, así que el histograma que repre-
senta a un perfil se ve como un punto en Rp . La diferencia entre dos histo-
gramas se traduce en una distancia entre los puntos que los representan.
Los pesos de los puntos fila son la distribución marginal y la suma de las
filas de F, que forman la matriz diagonal Dn = di ag( fi · ).
Las distancias entre distribuciones condicionales se definen a partir del
producto punto dado por la matriz D−1 p , donde Dp = di ag(f· j ).
Las imágenes, para comparar a los perfiles fila, son los planos factoriales
derivados del ACP(D−1 n F, Dp , Dn ).
−1
La matriz D−1n F no está centrada, pero el valor propio más grande de la

matriz a diagonalizar (F0D−1 −1
n FDp , tabla 4.1) es 1 y el vector propio aso-
ciado es el centro de gravedad de la nube. De modo que lo que se hace, en
lugar de centrar, es eliminar este valor propio y su vector propio. Partir del
segundo vector propio de esta matriz es equivalente a centrar y así se logra
una simplificación de las formulas del ACS. A continuación se describen los
elementos del ACS, con más detalle.
5.2.1.1. Coordenadas, pesos
Las coordenadas de los perfiles fila son: xi ; i = 1, 2, · · · , n. Con:
fi j
xi ( j) = ; j = 1, 2, · · · , p
fi ·
En el ejemplo están en la tabla 5.2. Cuando i = 3 se tiene el perfil de Far-

macia con coordenadas x3 = [0.411, 0.493, 0.096]0.
Este es el punto que en R3 representa la distribución de los admitidos a
Farmacia según los 3 estratos.
Los pesos están en la diagonal de Dn , que reune las marginales fila de
F (tabla 5.1). Para Farmacia es: 0.164, así que el 16.4 % de los admitidos a
Ciencias son de esta carrera.
Una categoría fila i define un grupo de individuos, que tiene un peso
fi · , definido por la proporción con respecto al total de los individuos. Las
coordenadas del perfil representan la proporción del grupo de individuos i
que hay en cada categoría columna.
5.2.1.2. Centro de gravedad
El centro de gravedad se calcula con los pesos de los n perfiles:
n
Õ
gp = fi · xi
i=1
La coordenada j, notada gp ( j), del centro de gravedad es:
n n
Õ fi j Õ
gp ( j) = fi · = fi j = f· j
fi ·
i=1 i=1
Es decir, el centro de gravedad es la marginal columna de la tabla F. En el

ejemplo es gp = [0.402, 0.416, 0.182]0, que corresponde a la distribución
de los 445 admitidos entre los 3 estratos y es el valor típico para comparar
los perfiles de las 7 carreras.
Por ejemplo, en Farmacia hay un poco más de estratos bajo y medio y
menos de alto, con respecto al promedio.
El centro de gravedad se sitúa en el origen de la representación. Para
simplificar las fórmulas, el ACP se hace sin centrar y luego se eliminan el
primer valor propio (que da 1) y el primer vector propio que es el centro de
gravedad, esta operación la podemos llamar centrado a posteriori.
5.2.1.3. Distancia entre perfiles fila
En este análisis la matriz de producto interno que genera la métrica es D−1 p ,

1
cuyo elemento diagonal es .
f· j
Dada esta matriz la distancia al cuadrado entre dos perfiles fila, i y l, es:
p p 2
1 fi j fl j

Õ 1 Õ
d (i, l) =
2
(xi j − xl j ) =
2
− (5.1)
f· j f· j fi · fl ·
j=1 j=1
La distancia (5.1), denominada distancia ji cuadrado o de Benzècri, ampli-

fica más las diferencias al cuadrado entre coordenadas cuando se deben a
columnas de baja frecuencia marginal. La distancia ji cuadrado le confiere
al ACS dos propiedades: la equivalencia distribucional (sección 5.3.1) y las
relaciones cuasi-baricéntricas (sección 5.3.2).
5.2.1.4. Inercia de la nube de perfiles fila
La inercia de la nube Nn , de los n puntos en Rp es:
n n p p
n Õ
2 Õ 2
1 fi j fi j − fi · f· j
Õ Õ Õ
I nerci a(Nn ) = fi · d (i, gp ) =
2
fi · − f· j =
f· j fi · fi · f· j
i=1 i=1 j=1 i=1 j=1
(5.2)
La inercia (5.2) es el coeficiente φ2
(2.4), una medida de asociación entre
las dos variables cualitativas. En las tablas de contingencia se suele probar
independencia entre las dos variables cualitativas.
La hipótesis nula que se plantea es (Canavos, 1988, p.372):
H0 : fi j = fi · f· j ; i = 1, 2, · · · , n; j = 1, 2, · · · , p
Bajo H0 la estadística:
p
n Õ 2
Õ ki j − k fi · f· j
χ =
2
= k I nerci a(Nn )
k fi · f· j
i=1 j=1
tiende a una distribución χ 2 con (n − 1)(p − 1) grados de libertad. En el

ejemplo, a partir de F − A y A (tabla 5.4) se puede calcular la inercia.
En R: sum((F-A)^2/A), su valor es 0.0656, de modo que la χ 2 calculada
es χc2 = 445 × 0.0656 = 29.19.
El valor p se encuentra con la distribución χ 2 de parámetro 12 grados
de libertad: (7 − 1)(3 − 1). En R, este valor p se obtiene con el comando:
pchisq(29.19,12,lower.tail =FALSE), cuyo resultado es 0.0037. Entonces,
la decisión estadística es rechazar H0 .
Recordemos que la media y la varianza de la distribución χ 2 son los
grados de libertad y 2 veces los grados de libertad, respectivamente. Enton-
ces la distribución χ122 se puede aproximar a una normal con media 12 y
varianza 24 (σ = 4.9), µ + 3σ = 26.7, otra forma de ver que χc2 se encuen-

tra en la zona de rechazo porque 29.19 > 26.7. El lector puede verificar lo
afirmado en este párrafo con el código de R, que se muestra a continuación.
Código para comparar las dos distribuciones y realizar la prueba de

independencia para K
curve ( dchisq (x ,12) , xlim = c (0 ,30) , las =1)
curve ( dnorm (x ,12 ,4.9) , col = " blue " , add = TRUE )
abline ( v = c (26.7 ,29.19) , col = " orange " )
chisq . test ( K ) # prueba de independencia
5.2.1.5. Búsqueda de los nuevos ejes en el espacio de las filas

La matriz de inercia X 0DXM es (5.3) y su término general es 5.4.
F0D−1 −1 −1 0 −1
n Dn Dn FDp = F Dn FDp
−1
(5.3)
n
Õ fi j fi j0
(5.4)
fi · f· j0
i=1
Para mostrar que (5.3) tiene el valor propio 1 asociado al centro de gra-
vedad g p = [ f·1 · · · f· j · · · f·p ]0 se debe cumplir:
F0D−1
n FDp gp = gp
−1
Lo que se puede ver con el término general:
p Õ
n
Õ fi j fi j0
f· j 0 = f· j
fi · f· j0
j =1 i=1
0
Como g p es un vector propio, D−1 p ortogonal a los demás vectores pro-

pios, se puede retirar y las coordenadas de los perfiles fila sobre los ejes
factoriales no cambian. Quitar el vector propio g p de la nueva base equivale
a centrar la nube de puntos. Con esto se pierde una dimensión y la nube
queda soportada en el subespacio de dimensión min(n, p) − 1.
En el ejemplo la nube de perfiles fila está soportada en R2 , así que en el
primer plano factorial se comparan los perfiles sin perder información.
El valor propio 1 no entra en el análisis, pero corresponde a la norma al
cuadrado de g p , y los demás valores propios son menores que 1, demostra-
ción que se puede ver en Lebart, Piron y Morineau (2006, p. 149).
5.2.1.6. Ejes y subespacios vectoriales

La nube de perfiles fila se observa mediante las proyecciones sobre ejes y
planos factoriales. Algunos utilizan representaciones en 3D (R3 ). En el ejem-
plo toda la información está en el primer plano factorial (figura 5.1).
5.2.2. ACP de los perfiles-columna

Los histogramas de las distribuciones condicionales columna se representan
como puntos en Rn . A cada punto j se le asigna el peso f· j .
El análisis de los perfiles columna es el ACP(D−1 p F , Dn , Dp ). Este análi-
0 −1
sis es simétrico al de perfiles fila, y es un buen ejercicio para el lector, verificar

cada una de las secciones cambiando los subíndices.
Código para ejecutar ACS y obtener la figura 5.1

acs <- dudi . coa (K , scannf = FALSE )
plot ( acs , Tcol = FALSE , xlim =c ( -0.7 ,0.3) , cframe =1)
# si se desea grabar la grafica en formato xfig para editarla
# dev . print ( device = xfig , file =" cienciasACScarreras12 . fig ")
Factor 2: 0.0094 (14.3%)

0.2 Quim
0.1 Geol
Esta
0.0
Farm
Biol Mate
−0.1
Fisi Factor 1: 0.0562 (85.7%)

−0.2
−0.6 −0.4 −0.2 0.0 0.2
Figura 5.1. Primer plano factorial de los perfiles de carreras según estratos.
Geología tiene el perfil más diferente del promedio y de las demás carreras;
Biología se parece más al perfil promedio, Matemáticas, Estadística y Far-
macia tienen perfiles parecidos. El primer eje retiene el 85.7 % de la inercia
En la figura 5.2 se muestra el primer plano factorial de los estratos, que

son las categorías columna en el ejemplo.
5.2.3. Representación simultánea

Los dos ACP están relacionados debido a que los perfiles fila y columna se
derivan de la misma matriz F, y la inversa de la matriz de pesos en un es-
pacio es la métrica en el otro.
Las relaciones de transición entre los dos espacios (sección 5.3.2) permi-
ten la representación simultánea de los mapas factoriales. La deducción de
las relaciones de transición es más fácil cuando se ve el ACS como un ACP,
como se muestra en la sección siguiente.
En cada ACP del ACS los mapas factoriales y sus ayudas a la interpretación
son análogos a los de los individuos en el ACP clásico.
Factor 2: 0.0094 (14.3%)

0.2
bajo
0.1
0.0
alto
−0.1 medio
Factor 1: 0.0562 (85.7%)

−0.2
−0.6 −0.4 −0.2 0.0 0.2

plot(acs,Trow=FALSE,col.col="black");
Figura 5.2. Primer plano factorial de los perfiles de estratos según carreras.
El primer eje opone el estrato alto con el medio y el segundo eje, sobre todo,
el bajo con el medio. El estrato alto es el que más se diferencia del promedio
5.3. El ACS como un ACP(X,M,N)

El ACS de la tabla F también se obtiene mediante el ACP de la tabla X, cu-
yo término general está dado por (5.5), usando N = Dn = di ag( fi · ) co-
mo pesos de las filas y matriz de métrica en el espacio de las columnas y
M = Dp = di ag( f· j ) como pesos de las columnas y matriz de métrica en el
espacio de las filas.
fi j − fi · f· j
xi j = (5.5)
fi · f· j
Todas las fórmulas del ACS se pueden derivar de las fórmulas correspon-
dientes al ACP generalizado (tabla 4.1). La M-distancia al cuadrado entre
dos filas i y l y la D-distancia al cuadrado entre las columnas j y k de X son:
p 2 n 2
1 fi j fl j 1 fi j fik
Õ Õ
d (i, l) =
2
− ; d ( j, k) =
2
− (5.6)
f· j fi · fl · fi · f· j f·k
j=1 i=1
La expresiones de (5.6) son las mismas distancias ji-cuadrado entre los per-
files fila (5.1 ) y columna, derivados de sus respectivos ACP. Estas distancias
tienen dos propiedades muy importantes para la interpretación de las sali-
das del ACS: equivalencia distribucional y relaciones cuasibaricéntricas.
5.3.1. Equivalencia distribucional

El ACS no se modifica si se unen dos puntos que tienen el mismo perfil. El
peso del punto colapsado es la suma de los pesos de los puntos que se unen.
Esto permite unir filas o columnas con perfiles parecidos, para simplificar
las tablas originales. Por ejemplo, las carreras de Estadística, Matemáticas y
Farmacia se pueden colapsar en un punto, y las carreras Biología y Física
en otro (figura 5.3).
Esta propiedad hace que el ACS sea robusto ante la “arbitrariedad” en la
conformación de las categorías de una variable en un estudio. En
Lebart et al. (2006, p. 145) se puede ver una demostración formal de esta
propiedad.
5.3.2. Relaciones cuasibaricéntricas

Nótese, por ejemplo, que los estudiantes 25 y 125 tienen distancia cero,
es decir que, asumen las mismas categorías para las 4 variables, lo que se
puede verificar en la tabla 6.1. Lo mismo sucede para las parejas 75 y 275,
250 y 325, 350 y 375. En el ACS la relación de transición que expresa la
coordenada de un perfil fila i en función de las coordenadas de los perfiles
columna es:
p
1 Õ fi j
Fs (i) = √ Gs ( j) (5.7)
λs fi ·
j=1
fi j fi j
En (5.7) un sumando j es Gs ( j), donde es la coordenada j del perfil
fi · fi ·
de la fila i, es decir la altura de la barra j del histograma.
p
fi j
fi· = 1, la sumatoria de (5.7) es un promedio ponderado de las
Í
Como
j=1
coordenadas de las columnas, es decir, un centro de gravedad o baricentro.
1
La multiplicación por √ . dilata, es decir, aleja la coordenada del perfil
λs
fila del baricentro, razón por la que se denomina relación o fórmula cuasiba-
ricéntrica a ecuación (5.7).
Las proyecciones de los perfiles cambian porque las ponderaciones son
diferentes, están dadas por las proporciones de cada perfil.
De forma simétrica la sumatoria de la fórmula (5.8) para una columna
j es el promedio de las coordenadas de todos los puntos fila sobre un eje s,
ponderado por los valores del perfil j:
n
1 Õ fi j
Gs ( j) = √ Fs (i) (5.8)
λ s i=1 f· j
En el primer plano, por ejemplo, el punto promedio se ubica dentro

1
del polígono que une a los puntos columna, pero por las dilataciones √ ,
λs
donde s = 1, 2; el punto puede ubicarse afuera.
Las dilataciones de las fórmulas cuasibaricéntricas son las que hacen po-
sible la representación simultánea de los dos espacios sobre los ejes y planos
factoriales. Además, permiten la interpretación de las posiciones de puntos
fila y columna como una doble atracción o jalonamiento. Por ejemplo, un
punto fila se ubica más cerca de los puntos de las columnas que más contri-
buyen a su perfil.
La dilatación hace que la asociación más destacada sea también la más
alejada. Por ejemplo, en la figura 5.3 Geología es atraída por el estrato alto
y viceversa. Geología está más alejada del origen que el estrato alto: el por-
centaje de estrato alto en el perfil de Geología es de 40 % (marginal 18.2 %),
mientras que el porcentaje de Geología en el estrato alto es de 22.2 %, (mar-
ginal 10.1 %) (tabla 5.2).
Para entender mejor las relaciones cuasibaricéntricas, calculemos la
coordenada del perfil de Geología sobre el primer eje (-0.6):
El perfil de Geología es [0.4 0.2 0.4] (tabla 5.2). Las coordenadas de

los estratos sobre el primer eje son [0.0458 0.1695 -0.4884] (tabla
de la figura 5.3).
El primer valor propio es 0.0562 (figura 5.3).
La fórmula (5.7) queda
1
√ ∗ (0.4 ∗ 0.0458 + 0.2 ∗ 0.1695 − 0.4 ∗ 0.4884)
0.0562
= 4.2182 ∗ (0.0118 + 0.0339 − 0.1954) = 4.2182 ∗ (−0.1497) = −0.6315
El promedio ponderado por el perfil de Geología es -0.1497. Se aleja del

centro debido a la la dilatación por 4.2182. Nótese que la coordenada de
estrato alto es la que más suma por dos efectos: la ponderación (0.4) y su ale-
jadamiento del origen (-0.4884). La diferencia de la coordenada calculada
-0.6315 con el valor -0.6037 del programa (figura 5.3) se debe a los errores
de redondeo.
Cálculo en R con más cifras significativas
1 / sqrt ( acs $ eig [1]) * sum ( c (0.4 ,0.2 ,0.4) * acs $ co [ ,1])
[1] -0.603727
Factor 2: 0.0094 (14.3%) Quim

0.2
bajo
0.1 Geol
Esta
0.0
Farm
alto Mate
Biol
−0.1 medio
Fisi Factor 1: 0.0562 (85.7%)

−0.2
−0.6 −0.4 −0.2 0.0 0.2

plot(acs,xlim=c(-0.7,0.3),cframe=1,col.col="black");
Coordenadas y ayudas para la interpretación

Carrera Coordenadas Contribuciones Cosenos2 Contribución
Eje 1 Eje 2 Eje1 Eje 2 Eje1 Eje 2 Inercia en R2
Biología -0.0922 -0.0620 2.1 5.8 68.9 31.1 2.7
Estadística 0.1494 0.0528 5.9 4.4 88.9 11.1 5.7
Farmacia 0.2345 -0.0196 16.1 0.7 99.3 0.7 13.8
Física -0.0998 -0.1347 3.3 35.6 35.4 64.6 7.9
Geología -0.6037 0.0922 65.6 9.2 97.7 2.3 57.5
Matemáticas 0.1417 -0.0352 4.3 1.6 94.2 5.8 3.9
Química 0.1059 0.1685 2.8 42.8 28.3 71.7 8.6
Estrato
bajo2 0.0458 0.1167 1.5 58.3 13.3 86.7 9.6
medio3 0.1695 -0.0916 21.3 37.2 77.4 22.6 23.5
alto4 -0.4884 -0.0485 77.2 4.6 99.0 1.0 66.8
Figura 5.3. Primer plano factorial del ACS carreras × estratos y ayudas para
la interpretación. La posición de Geología se debe a que tiene, con relación
al promedio, mayor porcentaje de estrato alto; Química tiene mayor de es-
trato bajo; y Farmacia, mayor de estrato medio. Biología es la carrera con
perfil más parecido al promedio
5.3.3. Ayudas para la interpretación

Las ayudas para la interpretación de los individuos están disponibles para
el ACS. Los perfiles fila son análogos a individuos en el primer ACP y los
perfiles columnas a individuos en el segundo ACP.
5.3.3.1. Contribución absoluta

La contribución de un perfil a la varianza del eje (inercia proyectada), de-
pende del peso y de la coordenada al cuadrado:
fi · (Fs (i))2
C as (i) = (5.9)
λs
En el ejemplo (figura 5.3), en la nube de carreras, la dirección del primer

eje se debe sobre todo a Geología y Farmacia (81.7 % de contribución) y la
del segundo eje, a Química y Física (78.4 % de contribución).
5.3.3.2. Coseno cuadrado, calidad de la representación o

contribución relativa
Es el cociente de los cuadrados para cada punto perfil de la longitud pro-
yectada sobre un eje s y la del vector perfil en Rp :
Fs2 (i)
Coss2 (i) = (5.10)
d 2 (i, g)
Es decir, en la coordenada al cuadrado de cada punto sobre la longitud

al cuadrado en el espacio completo, que es la norma al cuadrado del vector
centrado, o la distancia al cuadrado entre el punto y el centro de gravedad.
El nombre de contribución relativa se da porque el coseno cuadrado es tam-
bién un cociente de contribuciones a la inercia. Multiplicando numerador
y denominador de (5.10) por fi · :
fi · Fs2 (i)
Coss2 (i) =
fi · d 2 (i, g)
que es la contribución a la inercia de la categoría i en el eje s sobre la su

contribución en el espacio completo Rp .
La fórmulas para las columnas se obtienen de forma simétrica, es decir

cambiando símbolos y subíndices.
5.4. Ejemplo de aplicación de acs

Resultados de los exámenes de Estado de la educación básica en Co-
lombia según departamentos. Con los resultados del examen de Estado
realizado por el Icfes en Colombia durante 2008 se construyó una TC a par-
tir de la clasificación de los colegios según los resultados de sus estudiantes.
La tabla se encuentra en Pardo, Bécue-Bertaut y Ortiz (2013) y está dis-
ponible en icfes08{FactoClass}. La tabla tiene 29 departamentos e incluye
una fila que agrupa los departamentos de menos de 100 mil habitantes P01:
SAP, AMA,VID,VAU,GUA. Los departamentos se estructuran en 4 grupos se-
gún su población, en millones de habitantes: P5: más de 2, P4: entre 1 y 2,
P3: entre 0.5 y 1 y P2: menor de 0.5.
La TC tiene doce columnas, que es la clasificación combinada de las jor-
nadas del colegio: completa, mañana y tarde, y sus categorías de rendimien-
to: inferior, medio, bajo y alto.

El objetivo principal del análisis es comparar los perfiles departamentales
según la calidad educativa de los colegios. También se desea explorar la
influencia de la jornada sobre el ordenamiento de los departamentos y la
influencia de su tamaño, en términos de población, en ese ordenamiento.
5.4.2. Perfiles de los departamentos

El ACS ordena a los departamentos según sus perfiles, construidos con las
variables jornada y rendimiento, de los colegios. Esos perfiles se muestran en
la figura 5.4. La longitud de cada barra del histograma de la fila, es propor-
cional a la frecuencia relativa de la categoría jornada × rendimiento y está
diferenciada de las demás por su escala de cuatro grises, que se repite en
cada jornada. La escala de grises permite diferenciar también las categorías
asociadas.
Nótese que Chocó se diferencia bastante de los demás departamentos:
tiene las barras de rendimiento inferior de mayor longitud en las tres jornadas.
Esto se evidencia en el ACS de la tabla, pues muestra al Choco alejado de

los demás departamentos. Entonces se toma al Chocó como ilustrativo para
poder ver mejor las diferencias de los demás departamentos.
5.4.3. Resultados del ACS
Número de ejes a analizar
La inercia total asociada al ACS es 0.265. Los tres primeros ejes retienen el
84.2 % (0.151, 59.9 %; 0.049, 18.7 %, y 0.023, 8.6 %). Los dos primeros re-
tienen una inercia superior a la inercia promedio (0.024 = 0.265/11) (figura
5.5, arriba). Los dos primeros ejes proveen una buena síntesis para ana-
lizar las asociaciones entre departamentos y jornadas × rendimiento.
Sin embargo, se incluyen las coordenadas y ayudas para la interpretación
del tercer eje con el objeto afinar un poco el análisis.
Primer plano factorial y tercer eje
El primer eje ordena las categorías de rendimiento de menor (izquierda) a

mayor (derecha), y por lo tanto, Bogotá es el departamento de mejor ren-
dimiento y Magdalena, el de peor rendimiento aparte de Chocó, que ya se
había detectado con un perfil atípico por su rendimiento muy bajo.
El segundo eje muestra arriba las categorías inferior, baja y media de la
jornada completa, lo que se debe a una atracción de los departamentos que
tienen más porcentaje de colegios con esa jornada en su perfil, que en el
promedio.
En las tablas 5.5 y 5.6 se muestran las ayudas para la interpretación: las
contribuciones a la inercia de los ejes sirven para detectar los puntos más
relevantes en cada eje y el coseno cuadrado, para ver las calidades de las
proyecciones. El coseno cuadrado sobre un plano es la suma de los cosenos
cuadrados de los ejes.
El primer plano factorial presenta el efecto Guttman, que es una forma de
parábola de las categorías de una variable ordinal. Nótese que por cada una
de las tres jornadas, se ven las categorías de rendimiento como parábolas
invertidas. En este efecto el primer eje opone los rendimientos extremos
(inferior vs. alto) y el segundo eje, los medios a los extremos (bajo y medio
vs. inferior y alto).
Código para cargar datos y obtener la figura 5.4

library ( FactoClass )
data ( icfes08 )
par ( mai = c (0 ,1 ,0 ,0) , cex =0.6) # margenes de la grafica
plotct ( icfes08 ," row " , col = gray . colors (4 ,0.5 ,0.9) , legend = FALSE )
# para grabar la grafica en formato xfig y editarla
# dev . print ( device = xfig , file =" TCicfesPerpilesDeptos . fig ")
Completa Mañana Tarde

inf baj med alt inf baj med alt inf baj med alt
marg
PO1
GUV
ARA
CAS
PUT
CAQ
CHO
QUI
LAG
SUC
MET
RIS
CES
CAL
HUI
MAG
BOY
NSA
CAU
TOL
COR
NAR
BOL
SAN
ATL
CUN
VAL
ANT
BOG
Figura 5.4. Perfiles de los departamentos según jornadas × rendimiento
En el tercer eje se destacan del lado positivo las categorías baja y media de
la jornada de la mañana, asociadas a los departamentos de Meta, Quindío,
Tolima y Arauca.
Código para obtener la figura 5.5

tab <- icfes08 [ -23 ,]; # Choco no activa
acs <- dudi . coa ( tab , scannf = FALSE , nf =3);
barplot ( acs $ eig ); # histograma valores propios
# dev . print ( device = xfig , file =" ACSicfesValP . fig "); # exportar a xfig
valp <-t ( inertia . dudi ( acs ) $ TOT ); # valores propios
xtable ( valp , digits = rep (3 ,12)); # obtener formato tabular LaTeX
plot ( acs , cframe =1 , xlim = c ( -1.2 ,0.8)); # primer plano
# proyeccion de Choco como ilustrativa
Fchoco <- suprow ( acs , icfes08 [23 ,]) $ lisup ;
points ( Fchoco , col = " brown " );
text ( Fchoco , " CHO " , col = " brown " , pos =1 , cex =0.8);
# dev . print ( device = xfig , file =" ACSicfesP12 . fig ");
plot ( acs ,2 ,3 , cframe =1.1) # , xlim = c ( -1.2 ,0.8)); # plano 2 -3
# dev . print ( device = xfig , file =" ACSicfesP23 . fig ");
0.00 0.04 0.08 0.12
1 2 3 4 5 6 7 8 9 10 11
valor P 0.151 0.049 0.023 0.013 0.010 0.006 0.005 0.003 0.002 0.002 0.001
iner. acu. 0.151 0.200 0.223 0.236 0.245 0.252 0.256 0.259 0.262 0.264 0.265
prop. acu. 0.569 0.756 0.842 0.890 0.926 0.951 0.968 0.979 0.988 0.996 1.000
Factor 2: 0.0495 (18.7%)

0.8 PO1
0.6
Cbajo
0.4 BOY
HUI
CAS Cmedio
CAL
CAU
ANT
0.2 Cinferior
CAQ GUV PUT CUN
NSA
COR Mbajo VAL
0.0 MET
CHO Tinferior Mmedio RIS
Tbajo QUI SAN
LAG TOL
CES Calto
ARA Talto Tmedio
−0.2 MAG ATL
Malto BOG
NAR
BOL SUC
Minferior
−0.4
Factor 1: 0.1508 (56.9%)
−1.0 −0.5 0.0 0.5
Figura 5.5. Primer plano factorial del ACS de la TC departamentos × cate-

gorías de rendimiento. Arriba valores propios con su histograma
Código para obtener las ayudas para la interpretación del ACS de la TC de

departamentos × ( jornadas, nivel de colegios) (tablas 5.5 a 5.6)
ayu <- inertia . dudi ( acs ,T , T ); # ayudas
# Pesos , contribuciones y contribuciones a la inercia
# Departamentos
xtable ( data . frame ( peso = acs $ lw * 100 ,
coniner = ayu $ row . contrib , acs $ li ) , digits = rep (2 ,6));
# columnas
xtable ( data . frame ( peso = acs $ cw * 100 ,
coniner = ayu $ col . contrib , acs $ co ) , digits = rep (2 ,6));
# Contribuciones a la inercia y cosenos cuadrados
# Departamentos
xtable ( data . frame ( con = ayu $ row . abs , cos = abs ( ayu $ row . rel )) ,
# Columnas
xtable ( data . frame ( con = ayu $ col . abs , cos = abs ( ayu $ col . rel )) ,
digits = rep (2 ,7))
El ordenamiento de las categorías se traslada a los departamentos mos-

trando una parábola invertida. Siguiéndola desde la izquierda hasta la de-
recha se observa que los departamentos de la región Atlántico son los de
menor rendimiento, siguen los departamentos del sur del país, luego los de
la región Andina, y sobresalen Risaralda, Quíndio y Santander, hasta llegar
a Bogotá, la región de mayor rendimiento.
Retorno a los perfiles de departamentos

Se utilizan las coordenadas sobre el primer eje para presentar los perfiles or-
denando los departamentos, de modo que los parecidos queden vecinos en
la figura 5.6. Los perfiles de la parte inferior son los peores y van mejorando
a medida que se sube en la gráfica. El perfil superior es el marginal que se
incluye como referencia para la comparación ya que se sitúa en el origen de
la representación –coordenadas (0,0) en los planos– y la lejanía del centro
de un punto indica que el perfil que representa es el más diferente del perfil
promedio (marginal).
Tabla 5.5. Pesos, contribuciones a la inercia y coordenadas del ACS de la TC

departamentos × ( jornadas, nivel de los colegios)
Contrib. Coordenadas
Depto. Peso Inercia Eje 1 Eje 2 Eje 3
BOG 14.21 26.49 0.63 -0.27 -0.12
ANT 11.80 4.57 -0.03 0.24 -0.18
VAL 9.66 0.95 0.02 -0.01 0.07
CUN 7.08 3.12 0.20 0.19 0.07
ATL 5.79 5.60 -0.42 -0.16 -0.17
SAN 4.75 2.81 0.32 -0.07 0.04
BOL 4.68 10.14 -0.66 -0.28 -0.17
NAR 3.48 2.13 -0.00 -0.24 0.19
COR 2.86 3.35 -0.54 0.04 -0.02
TOL 3.68 1.50 -0.11 -0.09 0.26
CAU 3.27 4.14 -0.31 0.30 -0.04
NSA 2.83 0.71 -0.01 0.09 0.05
BOY 3.60 4.25 0.29 0.39 0.02
MAG 2.98 9.87 -0.89 -0.21 -0.13
HUI 2.48 2.42 0.17 0.38 -0.15
CAL 2.58 1.82 0.10 0.25 0.19
CES 2.26 2.31 -0.20 -0.10 0.23
RIS 1.87 0.80 0.26 -0.02 0.14
MET 1.91 1.27 -0.14 -0.02 0.32
SUC 2.03 3.82 -0.59 -0.27 0.21
LAG 1.20 2.04 -0.55 -0.10 0.12
QUI 1.29 1.26 0.25 -0.12 0.31
CAQ 0.93 1.11 -0.34 0.16 0.21
PUT 0.60 0.52 0.12 0.21 -0.07
CAS 0.91 0.65 -0.06 0.30 0.24
ARA 0.56 0.44 -0.07 -0.12 0.21
GUV 0.15 0.28 -0.08 0.18 0.39
PO1 0.55 1.62 -0.26 0.74 -0.18
Contrib. Coordenadas
Columna Peso Inercia Eje 1 Eje 2 Eje 3
Cinferior 3.63 7.97 -0.60 0.21 -0.23
Cbajo 9.04 9.19 -0.11 0.48 -0.10
Cmedio 8.04 7.41 0.25 0.37 0.02
Calto 9.82 13.26 0.53 -0.12 -0.17
Minferior 5.50 20.08 -0.86 -0.37 -0.13
Mbajo 12.67 8.17 -0.28 -0.01 0.28
Mmedio 12.29 5.76 0.25 -0.02 0.19
Malto 10.01 7.30 0.32 -0.22 0.02
Tinferior 8.66 12.60 -0.55 -0.05 -0.07
Tbajo 11.53 1.22 0.00 -0.03 -0.02
Tmedio 6.36 4.95 0.34 -0.17 -0.11
Talto 2.46 2.09 0.26 -0.17 -0.16
Tabla 5.6. Contribuciones absolutas y cosenos cuadrados del ACS de la TC

departamentos × ( jornadas, nivel de los colegios)
Contribuciones Cosenos2
Depto. Eje 1 Eje 2 Eje 3 Eje 1 Eje 2 Eje 3
BOG 37.76 21.14 8.82 81.15 14.90 2.88
ANT 0.10 13.37 15.80 1.19 54.67 29.90
VAL 0.02 0.01 2.10 1.41 0.27 19.02
CUN 1.87 5.24 1.48 34.03 31.36 4.11
ATL 6.76 3.01 7.43 68.70 10.05 11.46
SAN 3.23 0.46 0.29 65.50 3.04 0.88
BOL 13.73 7.61 5.63 77.07 14.01 4.80
NAR 0.00 4.16 5.59 0.00 36.39 22.66
COR 5.47 0.09 0.07 92.81 0.52 0.18
TOL 0.28 0.56 11.19 10.45 7.00 64.49
CAU 2.07 6.02 0.24 28.47 27.17 0.49
NSA 0.00 0.47 0.32 0.09 12.48 3.88
BOY 2.02 11.23 0.04 26.98 49.32 0.08
MAG 15.64 2.68 2.19 90.18 5.08 1.92
HUI 0.49 7.41 2.40 11.58 57.24 8.57
CAL 0.17 3.37 3.97 5.25 34.71 18.92
CES 0.61 0.45 5.35 15.10 3.65 20.02
RIS 0.83 0.02 1.69 59.07 0.37 18.20
MET 0.24 0.02 8.46 10.93 0.29 57.70
SUC 4.69 3.02 3.77 69.85 14.77 8.52
LAG 2.43 0.24 0.70 67.70 2.20 2.99
QUI 0.52 0.39 5.49 23.68 5.78 37.63
CAQ 0.73 0.50 1.72 37.39 8.43 13.37
PUT 0.06 0.54 0.11 6.03 19.29 1.87
CAS 0.02 1.63 2.37 2.02 47.10 31.61
ARA 0.02 0.15 1.08 2.27 6.44 21.42
GUV 0.01 0.10 0.97 1.40 6.36 29.87
PO1 0.25 6.09 0.74 8.60 70.03 3.96
Contribuciones Cosenos2
Categoría Eje 1 Eje 2 Eje 3 Eje 1 Eje 2 Eje 3
Cinferior 8.64 3.11 8.48 61.72 7.27 9.20
Cbajo 0.75 41.68 4.07 4.62 84.72 3.83
Cmedio 3.21 22.02 0.08 24.68 55.52 0.10
Calto 18.21 2.69 12.97 78.21 3.79 8.46
Minferior 27.19 15.05 4.14 77.08 13.99 1.78
Mbajo 6.60 0.04 42.40 45.98 0.08 44.87
Mmedio 5.24 0.11 19.26 51.79 0.36 28.91
Malto 6.75 9.48 0.13 52.61 24.23 0.16
Tinferior 17.52 0.48 1.81 79.15 0.70 1.24
Tbajo 0.00 0.19 0.18 0.00 2.92 1.30
Tmedio 4.80 3.80 3.66 55.13 14.34 6.39
Talto 1.09 1.36 2.82 29.69 12.13 11.66

ordep <- order ( acs $ li [ ,1]);
par ( mai = c (0 ,1 ,0 ,0));
plotct ( tab [ ordep ,] , " row " , col = gray . colors (4 ,0.5 ,0.9) ,
legend = FALSE );
# dev . print ( device = xfig , file =" ACSicfesPerfilesOrdenados . fig ");
Completa Mañana Tarde

inf baj med alt inf baj med alt inf baj med alt
marg
BOG
SAN
BOY
RIS
QUI
CUN
HUI
PUT
CAL
VAL
NAR
NSA
ANT
CAS
ARA
GUV
TOL
MET
CES
PO1
CAU
CAQ
ATL
COR
LAG
SUC
BOL
MAG
Figura 5.6. Perfiles de los departamentos ordenados por las coordenadas

sobre el primer eje del ACS. Los departamentos de la parte superior son los
de mayor rendimiento

Los departamentos se ordenan en el primer plano factorial según el rendi-
miento de sus colegios. Bogotá es el de mayor rendimiento; Chocó es de
lejos el de menor rendimiento. La figura 5.6 es un buen resumen del orde-
namiento de los departamentos según su rendimiento en los resultados del
examen realizado por el Icfes.
Cada jornada ordena los departamentos de manera similar, pero la jor-
nada de la tarde es la de menor dispersión.
En Pardo et al. (2013) se pueden ver algunas variaciones del análisis de
correspondencias para tener en cuenta la estructura inducida por los cuatro
tamaños de los departamentos, según su población, y las tres jornadas.
5.5. Ejercicios
1. Demostrar la propiedad de la equivalencia distribucional.
2. Mostrar que las distancias entre dos categorías fila de un AC visto como
un ACP es igual a la distancia ji-cuadrado del ACP de los perfiles fila.x
3. Demostrar que los valores propios en un ACS son inferiores a uno.
4. Demostrar que la matriz de inercia del ACP de los perfiles fila tiene un
valor propio igual a uno y su vector propio asociado es el centro de
gravedad de la nube de perfiles fila.
5. Demostrar que la estadística χ 2 de una tabla de contingencia es igual

al total de la TC por la inercia asociada al ACS.
6. En el ACS de la TC carrer a × estr ato encontrar la matriz de inercia en

el espacio de las carreras y calcularle los valores y vectores propios en
R. Verificar que hay un valor propio igual a uno y que el centro de
gravedad es un vector propio asociado a este.
5.6. Talleres de ACS
5.6.1. ACS de la TC manzanas de Bogotá según

localidades y estratos
Objetivo
Describir la estratificación de Bogotá a partir de la TC del número de man-
zanas según localidades × estratos (DAPD, 1997, p.77).
Los datos
La TC que clasifica a las manzanas de Bogotá en localidad × estrato, se
encuentra en Bogota{FactoClass}. La primera columna de la TC corres-
ponde a manzanas que no están estratificadas, porque no son residenciales
(parques, colegios, etc.). Esta columna se proyecta como ilustrativa en el
ACS.
Preguntas
Realizar el ACS de la TC utilizando los estratos del uno al seis como columnas
(frecuencias) activas y la columna sin estrato como ilustrativa. Responder a
las preguntas siguientes:
1. Comente la repartición de las manzanas según estratos –histograma

de la distribución de las manzanas en los seis estratos (distribución
marginal)–.
2. ¿Cómo es la distribución de las manzanas según localidades (distribu-

ción marginal)?
3. ¿Utilizaría la columna sin estrato como activa en un análisis de corres-

pondencias?; ¿Porque sí? ¿Por qué no?
4. Compare la estadística χ 2 asociada a la tabla de contingencia con la

teórica. ¿Hay asociación entre estratos y localidades?

6. Identifique en el primer eje las localidades más contributivas y sus

oposiciones (localidades con coordenadas de signo negativo sobre el
eje vs. las de signo positivo).
7. Identifique los estratos más contributivos al primer eje y sus

oposiciones.
8. Repita 6 para el segundo eje.
9. Repita 7 para el segundo eje.
10. Resuma la comparación de los perfiles de las localidades utilizando el

primer plano factorial.
11. Resuma la comparación de los perfiles de los estratos utilizando el

primer plano factorial.
12. Según el primer plano factorial, ¿cómo es la asociación entre locali-

dades y estratos?
13. ¿Hay efecto Guttman? Explique.
14. ¿Hay contraposiciones en el tercer eje que no se observen en el primer

plano factorial? Según lo anterior, ¿vale la pena interpretar el tercer
eje?
15. Agregue a los datos una columna de orden de las localidades según el
primer plano factorial. Ordene la TC por esa variable y haga una grá-
fica que muestre los perfiles de las localidades así ordenadas y el perfil
promedio. No incluya la columna sin estrato. Resuma la comparación
de los perfiles utilizando esta gráfica y el primer plano factorial.
16. Proponga un partición de las localidades en cinco clases y haga una

gráfica de perfiles incluyendo el perfil marginal. Como otra síntesis
del análisis, comente la gráfica obtenida.
17. Compruebe “a mano” (utilizando R) las relaciones de transición. Por

ejemplo: calcule la coordenada sobre el eje 1 de Usme a partir de las
coordenadas de los seis estratos. Analice el ejercicio (¿Quién atrae a
quién y por qué?).
18. Resumen: describa la distribución geográfica de los habitantes de Bo-

gotá según su nivel socio-económico, utilizando el estrato de la man-
zana donde vive cada uno como indicador de ese nivel.
5.6.2. ACS adjetivos × colores

Este ejemplo se encuentra en español en Fine (1996) y en inglés en Jambu
(1983), de donde se tomó la tabla ColorAdjective{FactoClass}.
Objetivo
Una agencia de publicidad encarga un estudio sobre las asociaciones entre

colores y adjetivos, para armonizar la publicidad de los productos con las
imágenes que los compradores potenciales tienen de los colores.
Los datos
A cada encuestado se le pide que diga, para cada uno de 11 colores pro-
puestos, cuál es el adjetivo que le parece corresponder lo mejor posible.
Se conservan solamente los adjetivos que se han mencionado por lo me-
nos tres veces. Las unidades estadísticas en el análisis son las asociaciones
color-adjetivo, con las que se construye una tabla de contingencia de 89
filas (adjetivos) por 11 columnas (colores).
Preguntas
1. ¿Es posible determinar el número de personas encuestadas a partir

de la tabla de contingencia adjetivos × colores?. En caso afirmativo,
¿cuántas son?
2. ¿Qué significa el total 1097 de la tabla de contingencia?.
4. Teniendo en cuenta todos los ejes identifique en qué planos están me-
jor representados cada uno de los once colores.
5. Para cada color o grupo de colores identifique los adjetivos más aso-
ciados leyendo en el plano donde estén mejor representados.
6. Para cada color o grupos de colores presente gráficamente su perfil

mostrando los adjetivos más asociados y reuniendo los de baja fre-
cuencia en la categoría de otros.
7. Para un adjetivo cualquiera compruebe numéricamente la fórmula

de transición (cuasibaricentro de las coordenadas de los once colores
ponderadas por el perfil del respectivo adjetivo).
8. Escriba la conclusión del análisis (¿qué adjetivos se asocian más a cada

color?).
Capítulo
seis
Análisis de
correspondencias
múltiples
Análisis de correspondencias múltiples · 141
El análisis de correspondencias múltiples (ACM) se utiliza para anali-

zar tablas de individuos descritos por variables cualitativas. Una fuente
importante de este tipo de tablas son las encuestas sociales, en donde se
obtiene información a través de formularios, con preguntas estructuradas
en temas. Dependiendo del objetivo del análisis, las preguntas de uno de
los temas juegan el papel de activas. La estructura de asociaciones entre ca-
tegorías de las preguntas activas, se puede explicar, de manera exploratoria
mediante algunas de las preguntas de los otros temas, proyectándolas como
ilustrativas.
Las variables cualitativas utilizadas en el ACM son las que generan parti-
ciones de los individuos, es decir, las que los dividen en grupos disyuntos.
En los cuestionarios de encuestas se traduce en que cada pregunta solo se
puede responder con una opción. En este caso, la respuestas de todos los
individuos a la pregunta se pueden registrar en una columna. La tabla que
resulta, de individuos por variables, se denominada de código condensado y no
tiene propiedades numéricas. Entonces, desde el punto de vista teórico el
ACM parte de la tabla de individuos con las categorías de todas las variables
activas, que se denomina tabla disyuntiva completa. Las propiedades de estas
tablas otorgan al ACM características especiales, que justifican su estudio co-
mo un método particular.
Los objetivos del ACM son:
1. Describir las asociaciones entre las categorías de las variables activas.
2. Descubrir patrones de individuos, que pueden dar origen a grupos de

ellos.
3. Sintetizar en imágenes geométricas (planos factoriales) las asociacio-

nes entre categorías y los posibles grupos de individuos.
4. Explorar la explicación de la estructura inducida por las categorías

activas, con variables que juegan el papel de ilustrativas.
En ocasiones los ejes factoriales pueden originar indicadores sintéticos

del tema que se está analizando. El ACM también se puede utilizar como un
pretratamiento de los datos para aplicar luego métodos estadísticos multiva-
riados aptos para variables continuas, como regresión y algunos métodos de
agrupamiento y de discriminación. En ese caso las coordenadas factoriales
de los ejes que se seleccionen juegan el papel de variables continuas.
142 · Análisis de correspondencias múltiples
6.1. Ejemplo: ACM de admitidos

Para ilustrar los conceptos del ACM utilizamos el ejemplo de la descripción
de los 445 admitidos a la Facultad de Ciencias, para el semestre de 2013-I,
datos disponibles en admi{FactoClass}. Se utilizan como variables activas
las sociodemográficas disponibles:
1. Género: femenino, masculino.
2. Edad: 16 o menos, 17, 18, 19 o más.
3. Estrato: bajo, medio, alto;
4. Procedencia: Bogotá, Cundinamarca, otro.
Los objetivos de análisis son describir el espacio sociodemográfico de los

admitidos, generado por estas cuatro variables, y explorar las diferencias en
las condiciones sociodemográficas, entre los grupos de admitidos según las
carreras.
6.2. Transformaciones de la tabla de datos

En esencia se utiliza la misma notación de Lebart et al. (2006), que se va
presentando a medida que aparecen los distintos elementos.
6.2.1. Tabla de código condensado

La tabla de datos se denomina de código condensado (denotada por Y) y no
tiene significado numérico. Las n filas representan a los individuos y las s
columnas, a las variables cualitativas. En el lenguaje del diseño de experi-
mentos las columnas son factores y las categorías, los niveles de los factores.
En R estas variables son de tipo factor. En la tabla 6.1 se muestran las filas
múltiplos de 25, como un extracto de la tabla Y.
6.2.2. Tabla disyuntiva completa

La tabla disyuntiva completa (TDC), denotada por Z, es una tabla binaria de
n individuos por p categorías, indicadora de las s particiones definidas por
las variables cualitativas. Su término general es:

(
1 si el individuo i asume la categoría j,
zi j =
0 si no la asume.
En la tabla 6.1 se muestra un extracto de la TDC para el ejemplo de los

admitidos.
Código para obtener Y, Z y producir la tabla 6.1

data ( admi )
Y <- admi [ ,c (8 ,11 ,9 ,10)]
# Para tabla del texto , registros multiplos de 25
Z <- acm . disjonctif (Y ); data . frame (Y ,Z )[ seq (0 , nrow (Y ) ,25) ,]
xtable ( data . frame (Y ,Z )[ seq (0 , nrow (Y ) ,25) ,] , digits = rep (0 ,17))
La TDC Z es una yuxtaposición de s tablas, en la que s es el número de

variables:
Z = [Z1 Z2 · · · Zq · · · Zs ]
Cada Zq es la matriz indicadora de la partición originada por la variable

cualitativa q. Para el ejemplo Z = [Z1 Z2 Z3 Z4 ] (tabla 6.1). Los grupos
son disyuntos y su unión es igual al conjunto de los n individuos. Por esta
razón en cada fila de Zq hay un solo 1 y siempre hay un 1. Por lo tanto, la
suma de la fila es 1. Por esta propiedad es que se le da el nombre de tabla
disyuntiva completa (TDC).
Tabla 6.1. Extracto de las tablas: de código condensado Y y disyuntiva

completa Z
Y Z
Ide Ge Ed Es Or Ge Z1 Edad Z2 Estrato Z3 Origen Z4
F M 16- 17 18 19+ ba me al Bo Cu Ot
25 F 17 medio Otro 1 0 0 1 0 0 0 1 0 0 0 1
50 M 18 bajo Bogo 0 1 0 0 1 0 1 0 0 1 0 0
75 M 17 bajo Bogo 0 1 0 1 0 0 1 0 0 1 0 0
100 M 18 medio Bogo 0 1 0 0 1 0 0 1 0 1 0 0
125 F 17 medio Otro 1 0 0 1 0 0 0 1 0 0 0 1
150 F 16om bajo Bogo 1 0 1 0 0 0 1 0 0 1 0 0
175 M 19oM alto Bogo 0 1 0 0 0 1 0 0 1 1 0 0
200 F 17 bajo Otro 1 0 0 1 0 0 1 0 0 0 0 1
225 M 16om alto Otro 0 1 1 0 0 0 0 0 1 0 0 1
250 M 17 alto Bogo 0 1 0 1 0 0 0 0 1 1 0 0
275 M 17 bajo Bogo 0 1 0 1 0 0 1 0 0 1 0 0
300 M 19oM bajo Otro 0 1 0 0 0 1 1 0 0 0 0 1
325 M 17 alto Bogo 0 1 0 1 0 0 0 0 1 1 0 0
350 M 19oM medio Bogo 0 1 0 0 0 1 0 1 0 1 0 0
375 M 19oM medio Bogo 0 1 0 0 0 1 0 1 0 1 0 0
400 F 18 bajo Bogo 1 0 0 0 1 0 1 0 0 1 0 0
425 M 16om alto Bogo 0 1 1 0 0 0 0 0 1 1 0 0
Como hay s submatrices Zq , la suma de cada fila de Z, es s, es decir, su

marginal fila es un vector de n veces s y el total de Z es ns. En el ejemplo
s = 4, n = 445 y el total de la tabla 4 ∗ 445 = 1780.
La suma de cada columna de Z es el número de individuos que asumen
la categoría j que se nota n j : n j = z · j y n j = n. Zq es el conjunto de
Í
j ∈Zq
categorías de la variable q. En el ejemplo los valores de n j se muestran en la
diagonal de la matriz B (tabla 6.2).
Tabla 6.2. Tabla de Burt del ejemplo “Admitidos a Ciencias”

Categoría Género Edad Estrato Origen
F M 16- 17 18 19+ ba me al Bo Cu Ot
Ge.F 128 0 46 45 18 19 46 59 23 89 9 30
Ge.M 0 317 72 126 38 81 133 126 58 222 29 66
Ed.16menos 46 72 118 0 0 0 44 47 27 70 9 39
Ed.17 45 126 0 171 0 0 58 74 39 116 19 36
Ed.18 18 38 0 0 56 0 22 26 8 47 2 7
Ed.19mas 19 81 0 0 0 100 55 38 7 78 8 14
Es.2bajo 46 133 44 58 22 55 179 0 0 95 22 62
Es.3medio 59 126 47 74 26 38 0 185 0 151 11 23
Es.4alto 23 58 27 39 8 7 0 0 81 65 5 11
Or.BOG 89 222 70 116 47 78 95 151 65 311 0 0
Or.CUN 9 29 9 19 2 8 22 11 5 0 38 0
Or.OTR 30 66 39 36 7 14 62 23 11 0 0 96
B<-acm.burt(Y,Y); xtable(B,digits=rep(0,13))
6.2.3. Tabla de Burt o de contingencias múltiples

Se denomina tabla de Burt o tabla de contingencias múltiples a la matriz:
B = Z0Z, que es cuadrada y simétrica de orden p × p. B es una yuxtaposición
de tablas de contingencia cruzando todas las variables por parejas, Z0q Zq0 y
en la diagonal tiene matrices diagonales con las frecuencias de las categorías
de la respectiva variable q: Z0q Zq .
Se designa Dp a la matriz diagonal que tiene los mismos valores de la
diagonal de B, es decir, el vector marginal columna de Z (suma de las co-
lumnas).
En el ejemplo, la tabla de Burt (6.2) cruza las 12 categorías de las 4 varia-
bles de los admitidos a Ciencias. Algunas lecturas son: entre los admitidos
hay 128 mujeres y 317 hombres; 46 mujeres tienen 16 años o menos y 81
de los admitidos son de estrato alto.

128 0
La matriz diagonal para género es = Z10 Z1 y la TC de
0 317

46 59 23
Género × Estrato es Z10 Z3 = .
133 126 58
6.3. El acm como un acs de la tdc

El ACS se puede generalizar a más de dos variables, realizando el análisis
de correspondencias (AC) de la tabla disyuntiva completa TDC o el AC de la
tabla de Burt. En el segundo caso se pierde la información de los individuos,
razón por la que se prefiere ver el ACM como el AC de la TDC Z, el cual se
presenta en esta sección.
1
La tabla de frecuencias relativas, asociada a la tabla Z es F= Z con
ns
1 nj
marginales fila fi · = ; ∀i y marginales columna f· j = ; ∀ j, donde n j es el
n ns
número de individuos que asumen la categoría j.
1
En el ejemplo: fi · = = 0.22 %; ∀i = 1, · · · , 445 y
445
nj nj
f· j = = ; ∀ j = 1, · · · , 12.
445 ∗ 4 1780
128
Por ejemplo f·1 = = 7.19 %.
1780
6.3.1. Nube de individuos

Los n individuos conforman la nube Nn en Rp , cuyas propiedades se mues-
tran a continuación.
6.3.1.1. Coordenadas, pesos
1
Los perfiles de los individuos son las filas de la tabla Z, es decir, son barras
s
de altura 1/s cuando el individuo asume la categoría j y 0 cuando no la
asume.
1
El peso, igual para todos los individuos, es y la métrica es M = nsD−1 p .
n
En el ejemplo: un perfil fila es 14 zi j ; j = 1, · · · , 12, con peso 0.22 %.
El perfil del primer individuo (25) de la tabla 6.1 es:
{0.25 0 0 0.25 0 0 0 0.25 0 0 0 0.25}.
1780
La métrica en este espacio tiene término general: m j = .
nj

La coordenada j del centro de gravedad, de las categorías gp , es:
n
1Õ1 nj
zi j =
n s ns
i=1
1
Entonces el centro de gravedad es la marginal columna de F = Z.
ns
Código para obtener el centro de gravedad, expresado en porcentaje
g <- colSums ( Z)/ nrow (Z)/4
xtable ( data . frame (t(g)* 100) , digits = rep (1 ,13))
F M E16- E17 E18 E19+ Ebaj Emed Ealt Bogo Cund Otro
7.2 17.8 6.6 9.6 3.1 5.6 10.1 10.4 4.6 17.5 2.1 5.4
6.3.1.3. Distancia entre individuos

La distancia al cuadrado entre dos individuos es:
p p
2 nÕ

Õ 1 1 1 2
d (i, l) = ns
2
zi j − zl j = zi j − zl j (6.1)
nj s s nj
j=1 j=1
Dos individuos se parecen cuando asumen más o menos las mismas cate-
gorías. La distancia se amplifica más cuando uno solo de los dos individuos
asume una categoría de baja frecuencia.
Como ejemplo, se calcula la distancia al cuadrado entre los individuos
50 y 100 de la tabla 6.1:

445 1 1
d (i50, i100) =
2
+ = 1.22
4 179 185
La única diferencia entre ellos es que el primero es de estrato bajo y el

segundo es de estrato medio.
La distancia (6.1) se puede expresar como una distancia euclidiana
canónica, introduciendo la métrica en las coordenadas:
p p √ √ !2
n Õ 1 2
Õ nz i j nzl j
d 2 (i, l) = zi j − zl j =

√ − √ (6.2)
s nj sn j sn j
j=1 j=1
Nótese, en la tabla 6.3, que los estudiantes 25 y 125 tienen distancia

cero, es decir que, asumen las mismas categorías para las 4 variables, lo que
se puede verificar en la tabla 6.1. Lo mismo sucede para las parejas 75 y
275, 250 y 325, 350 y 375.
Código para calcular las distancias entre individuos usando la función dist
y obtener la tabla 6.3
n <- nrow ( Z ); Dp <- diag ( colSums ( Z )); s <- ncol ( Y );
X <- sqrt ( n / s ) * as . matrix ( Z ) %* %solve ( sqrt ( Dp ));
selin <- seq (25 ,445 ,25);
Dis <- dist ( X [ selin ,]); round ( as . dist ( Dis ) ,1)
Tabla 6.3. Distancia asociada al ACM entre los admitidos que están en la
tabla 6.1
25 50 75 100 125 150 175 200 225 250 275 300 325 350 375 400
50 2.6
75 2.0 1.6
100 2.3 1.1 2.0
125 0.0 2.6 2.0 2.3
150 2.1 2.0 1.7 2.3 2.1
175 2.5 2.3 1.9 2.3 2.5 2.3
200 1.1 2.3 1.7 2.6 1.1 1.8 2.5
225 2.2 2.5 2.3 2.5 2.2 2.2 1.9 2.2
250 2.2 2.2 1.4 2.1 2.2 2.2 1.3 2.2 1.8
275 2.0 1.6 0.0 2.0 2.0 1.7 1.9 1.7 2.3 1.4
300 2.1 2.1 1.8 2.4 2.1 2.2 1.9 1.7 2.0 2.3 1.8
325 2.2 2.2 1.4 2.1 2.2 2.2 1.3 2.2 1.8 0.0 1.4 2.3
350 2.1 2.1 1.7 1.8 2.1 2.1 1.4 2.4 2.4 1.9 1.7 1.7 1.9
375 2.1 2.1 1.7 1.8 2.1 2.1 1.4 2.4 2.4 1.9 1.7 1.7 1.9 0.0
400 2.3 1.1 2.0 1.6 2.3 1.7 2.5 2.0 2.8 2.4 2.0 2.4 2.4 2.4 2.4
425 2.5 2.2 1.9 2.2 2.5 1.8 1.4 2.5 1.2 1.3 1.9 2.4 1.3 2.0 2.0 2.5
6.3.1.4. Inercia de la nube de perfiles fila

La inercia de la nube de puntos es:
n n p
1Õ 2 1 Õ Õ ns zi j n j 2 1 p
d (i, gp ) = ( − ) = (p − 2s + s) = − 1.
n n nj s ns s s
i=1 i=1 j=1
La inercia de la nube de puntos depende del cociente entre el número de

categorías y el número de variables, no de los valores internos de la tabla.
Por lo tanto, no tiene significado estadístico. En el ejemplo es 12/4 − 1 = 2.
6.3.1.5. Ejes y subespacios vectoriales

Las proyecciones de la nube de individuos se consiguen mediante el

1 −1 1
ACP Z, nsDp , In .
s n
La matriz de inercia es (utilizando las fórmulas del ACM(X, N, N) presenta-

das en la tabla 4.1 de la página 96):
1 01 1 1 0 1
p = Z ZDp = BDp .
Z In ZnsD−1 −1 −1
s n s s s
El rango de esta matriz es igual al rango de Z, que es p − s, porque por cada

variable hay una columna que es linealmente dependiente. Es decir, que
una columna se puede obtener como la diferencia entre el vector de n unos
y la suma de las demás columnas asociadas a la variable. Entonces, la nube
de puntos está soportada en un subespacio de dimensión p − s, que es el
número de valores propios mayores que cero. En el ejemplo hay 12 − 4 = 8
valores propios mayores que cero, que se muestran en la figura 6.1.

acm <- dudi . acm (Y , scannf = FALSE , nf =3)
barplot ( acm $ eig , cex . axis =0.6)
dev . print ( device = xfig , file =" ACMadmiValP . fig ")
eiglst <- data . frame ( vp = acm $ eig , porce = acm $ eig * 100 / sum ( acm $ eig ),
acupor = cumsum ( acm $ eig )* 100 / sum ( acm $ eig ))
xtable ( eiglst , digits =c (1 ,3 ,1 ,1)) # tabla en formato LaTeX
La decisión del número de ejes a retener se basa sobre todo en la for-

ma del histograma puesto que el ACM tiene ejes “parásitos”, es decir, que
aparecen y no contienen información.
El porcentaje de inercia no es un criterio apropiado en el caso del ACM.
Del histograma de la figura 6.1 se puede concluir que tres ejes son suficien-
tes, a pesar de que retienen menos del 50 % de la inercia (46.6 %).
Histograma
0.00 0.05 0.10 0.15 0.20 0.25 0.30
Valores propios
Valor P % % acum.
1 0.337 16.8 16.8
2 0.313 15.6 32.5
3 0.283 14.1 46.6
4 0.247 12.4 59.0
5 0.241 12.0 71.0
6 0.229 11.5 82.5
7 0.208 10.4 92.8
8 0.143 7.2 100.0
Figura 6.1. Histograma de valores propios del ACM de admitidos. Nótese

que, los tres primeros ejes se destacan sobre los demás y que retienen el
46.6 % de la inercia
En la figura 6.2, se identifican los admitidos que están en la tabla 6.1. En

el plano factorial no hay 445 puntos porque los admitidos que asuman las
mismas categorías en las cuatro variables quedan superpuestos: en la tabla
hay cuatro pares de estudiantes superpuestos: 25 y 125; 75 y 275; 250 y
325; 350 y 375.
El plano tiene más densidad de admitidos a la derecha y muestra ma-
yor dispersión a la izquierda en las coordenadas sobre el segundo eje. En
este ejemplo los individuos son anónimos, pero se comparan a través de sus
categorías, cuyos planos factoriales se presentan en las figuras 6.3 y 6.7.
Código para obtener el primer plano factorial, figura 6.2

# con gg = TRUE se usa ggplot2 y ggrepel para la grafica
plot ( acm , Tcol = FALSE , roweti = as . character ( selin ) , cframe =1 , cex . row =0.6 ,
cex . global =0.8 , gg = TRUE )
xtable ( acm $ li [ selin ,] , digits = rep (2 ,4)) # coordenadas
1
375
350
300 50
275 100
175
Factor 2: 0.3128 (15.6%)
75
0
400 325
250
200 25
425
150 125
−1 225
−1.0 −0.5 0.0 0.5
Factor 1: 0.3366 (16.8%)
Coordenadas sobre los tres primeros ejes

Admitido F1 F2 F3
25 -0.14 -0.69 0.08
50 0.12 0.42 0.57
75 -0.12 0.34 -0.38
100 0.81 0.29 0.63
125 -0.14 -0.69 0.08
150 -0.30 -0.68 0.51
175 0.31 0.42 -0.32
200 -0.83 -0.56 0.02
225 -0.52 -0.95 -0.38
250 0.51 -0.14 -0.99
275 -0.12 0.34 -0.38
300 -1.10 0.56 0.35
325 0.51 -0.14 -0.99
350 0.37 0.79 0.35
375 0.37 0.79 0.35
400 0.20 -0.14 0.91
425 0.26 -0.61 -0.43
Figura 6.2. Admitidos sobre el primer plano factorial del ACM. Los
admitidos etiquetados son los que están en la tabla 6.1
Para obtener las ayudas para la interpretación, tabla 6.4

ineracm <- inertia . dudi ( acm ,T ,T ); # ayudas
xtable ( data . frame ( contr = ineracm $ row . abs [ selin ,] ,
cos2 = abs ( ineracm $ row . rel [ selin ,]) ,
Ciner = ineracm $ row . contrib [ selin ]) , digits = rep (2 ,8));
Tabla 6.4. Extracto de las ayudas para la interpretación del ACM de

Admitidos
Admitido Contribuciones % Coseno2 % Cinercia
Eje1 Eje2 Eje3 Eje1 Eje2 Eje3 %
25 0.01 0.34 0.00 0.84 20.70 0.27 0.26
50 0.01 0.13 0.26 0.61 7.54 14.00 0.26
75 0.01 0.08 0.11 1.58 12.02 14.52 0.11
100 0.43 0.06 0.32 28.34 3.78 17.38 0.26
125 0.01 0.34 0.00 0.84 20.70 0.27 0.26
150 0.06 0.33 0.21 4.87 25.64 14.70 0.20
175 0.06 0.13 0.08 4.39 8.16 4.69 0.25
200 0.46 0.23 0.00 29.74 13.81 0.01 0.26
225 0.18 0.65 0.11 9.64 32.23 5.08 0.32
250 0.17 0.01 0.77 14.87 1.18 56.27 0.19
275 0.01 0.08 0.11 1.58 12.02 14.52 0.11
300 0.81 0.23 0.09 54.18 14.03 5.30 0.25
325 0.17 0.01 0.77 14.87 1.18 56.27 0.19
350 0.09 0.44 0.10 9.44 43.48 8.69 0.16
375 0.09 0.44 0.10 9.44 43.48 8.69 0.16
400 0.03 0.01 0.65 1.36 0.70 29.04 0.32
425 0.04 0.26 0.15 3.30 18.12 9.33 0.23
6.3.2. Nube de categorías

En el ACM se pone más atención a las categorías, porque los individuos son
anónimos en la mayoría de las aplicaciones. La estructura de la tabla Z por
paquetes de categorías, según las variables y su código disyuntivo completo,
otorga al espacio de las categorías propiedades interesantes.
6.3.2.1. Coordenadas
Cada perfil columna j tiene solo dos alturas: cero o 1/n j , pero las alturas
son, en general, diferentes en cada perfil.
La tabla de perfiles categoría es ZD−1 p , ya que al postmultiplicar por una
matriz diagonal, cada columna queda multiplicada por el respectivo valor
de la diagonal, en este caso 1/n j . El peso de cada categoría es n j /ns.
1
El centro de gravedad de la nube de categorías es el vector de n valores ,
n
lo cual se verifica a continuación, para cualquier coordenada g(i):
p p
Õ n j zi j Õ 1 1 1
g(i) = = zi j = s =
ns n j ns ns n
j=1 j=1
6.3.2.3. Distancia entre dos categorías
La métrica en el espacio de las categorías es nIn , donde In es la matriz

identidad de dimensión n.
Entonces la distancia al cuadrado entre dos categorías j y k es:
n
zi j zik 2
Õ
d ( j, k) =
2
n − (6.3)
nj nk
i=1
Para calcular la distancia entre categorías utilizando la función

dist{stats}, hay que introducir n en el paréntesis para tener las coorde-
nadas de una distancia euclidiana canónica.
En la tabla 6.5 se muestran las distancias entre las categorías del ACM del
ejemplo “Admitidos”.
La interpretación de la distancia entre categorías como está dada en (6.3)
no es directa: cuando un individuo asume las dos categorías, el valor del
paréntesis no se anula porque los valores son, en general, diferentes. Sin
embargo, es fácil derivar una expresión interpretable porque el valor entre
paréntesis tiene cuatro posibilidades que se pueden contar:
Categoría k Suma
1 0
Categoría 1 a b a + b = nj
j
0 c d c+d
Suma a + c = nk b+d n
Es decir, a es el número de individuos que asumen simultáneamente las

categorías j y k, d el número de los que no asumen ninguna de las dos, b el
número de los que asumen j pero no k, y c los que asumen k pero no j.
Código para calcular las distancias entre categorías (tabla 6.5)

Xcat <- sqrt (n)* solve ( Dp ) %* % t(Z) # coord eucli canonicas
rownames ( Xcat ) <- substr ( colnames (Z ) ,6 , nchar ( colnames (Z )))
Discat <- dist ( Xcat ) # distancias
as . dist ( round ( Discat ,1))
Tabla 6.5. Distancia entre las categorías activas asociadas al ACM del ejemplo
“Admitidos”
F M a16m a17 a18 a19M bajo medio alto Bogo Cund

M 2.2
a16m 2.1 1.9
a17 2.1 1.4 2.5
a18 3.0 2.7 3.4 3.2
a19M 2.6 1.9 2.9 2.7 3.5
bajo 2.0 1.3 2.1 1.8 2.9 2.0
medio 1.9 1.4 2.1 1.7 2.8 2.2 2.2
alto 2.6 2.2 2.6 2.4 3.4 3.0 2.8 2.8
Bogo 1.7 0.9 1.9 1.4 2.6 1.9 1.5 1.2 2.2
Cund 3.7 3.3 3.7 3.4 4.3 3.8 3.4 3.6 4.0 3.6
otro 2.4 2.0 2.3 2.3 3.4 2.8 2.0 2.4 3.0 2.5 4.0
El desarrollo del cuadrado en (6.3) da:
n zi2j 2
! n
!
Õ zi j zik z 1 1 Õ zi j zik
d 2 ( j, k) = n 2 −2 + ik2 = n + −2 (6.4)
n j
n j n k n n j nk n j n k
i=1 k i=1
El último término del paréntesis en (6.4) solo suma cuando el individuo

i asume las dos categorías, es decir, esa sumatoria da a individuos. Entonces:
nk + n j − 2a a + c + a + b − 2a

n
d ( j, k) = n
2
=n = (b + c) (6.5)
n j nk n j nk n j nk
La fórmula (6.5) muestra que en la distancia de dos categorías solo su-

man los individuos que asumen una y solo una de las dos. Además las cate-
gorías de baja frecuencia se alejan más de las otras.
Se muestran a continuación dos ejemplos de cálculo de distancias entre
categorías usando “la calculadora R”:
1. Entre femenino y masculino: son las únicas categorías de una misma

variable. Entonces no hay coincidencias, es decir, b + c = n = 445:
c (n , B [1 ,1] , B [2 ,2]); ## [1] 445 128 317

sqrt (445 / (128 * 317) * 445); # distancia entre cat . F y M
# # [1] 2.209151
2. Entre femenino y 16 años o menos:

table ( Z [ ,1] , Z [ ,3]);
## 0 1
# # 0 245 72
# # 1 82 46
c ( B [1 ,1] , B [3 ,3]); ## [1] 128 118
sqrt (445 / (128 * 118) * (72+82)); ## [1] 2.130072
1
La distancia entre la categoría j y el centro de gravedad gn = 1n (todas
n
las n coordenadas valen 1/n), es:
n n zi2j
2 !
Õ zi j 1 Õ zi j 1 1 n
d ( j, gn ) = n
2
− =n 2
−2 + 2 = −1 (6.6)
nj n nj n j n n n j
i=1 i=1
Se observa en (6.6) que las categorías de menores frecuencias son las más
alejadas del origen.
6.3.2.4. Inercia de la nube de categorías

Es interesante obtener la inercia calculando la contribución de una categoría
a esta inercia, luego sumando la inercia de las categorías de una variable y
finalmente las de las s variables. Procediendo de ese modo, la fórmula para
obtener la inercia de la nube de categorías Np es:
s Õ s Õ s Õ
nj 2 nj n nj
Õ
Õ Õ 1
I(Np ) = d ( j, gn ) = −1 = 1−
ns ns n j s n
q=1 j ∈ Jq q=1 j ∈ Jq q=1 j ∈ Jq
(6.7)
donde Jq es el conjunto de categorías que pertenecen la variable q. A partir
de (6.7) se observan o derivan las contribuciones a la inercia de una catego-
ría, una variable y la inercia total:
1 nj
De una categoría j: 1− , lo que indica que contribuyen más a la
s n
inercia las categorías de baja frecuencia.
Í 1 nj 1 n 1
= =

De una variable q: 1− pq − pq − 1 , donde pq es
j ∈ Jq s n s n s
el número de categorías de la variable q. Se observa que las variables
con más número de categorías contribuyen más a la inercia.
s 1 1 p
pq − 1 = (p − s) = − 1. Igual a la inercia de la nube
Í
Inercia total:
q=1 s s s
de individuos I(Nn ), que no tiene significado estadístico, porque no
depende de los valores de la tabla, sino de la relación entre número
de categorías y número de variables.
6.3.2.5. Ejes factoriales
En el espacio de las categorías los valores propios mayores que cero son
iguales a los del espacio de los individuos. Los vectores propios y las coor-
denadas de los ejes se obtienen mediante las relaciones de transición, que se
abordan en la sección 6.3.3.
El primer plano factorial de las categorías, obtenido en el ACM del ejem-
plo “Admitidos”, se presenta en la figura 6.3 y las ayudas para la interpreta-
ción en la tabla 6.6.
En el primer eje, las categorías con contribuciones absolutas superiores al
promedio (100/12 = 8.333 %) y sus oposiciones son: estrato bajo (-) contra
estrato alto (+) y origen de otro departamento (-) contra origen Bogotá.
En el segundo, las mujeres se sitúan abajo (-), los admitidos de 16 años
o menos (-) se oponen a los de 19 años o más (+), y los de estrato alto se
ubican abajo (-).
En el primer plano factorial (figura 6.3) se ven los grupos de categorías.
Abajo: 16 años o menos, mujeres y estrato alto; a la derecha: estrato me-
dio y origen Bogotá; arriba: 19 años o más; y arriba a la izquierda origen
Cunidinamarca y estrato bajo.
En el tercer eje, se oponen los de 17 años (-) a los de 18 (+), los de estrato
alto están al lado negativo, al igual que los que vienen de Cundinamarca.
Este eje vale la pena leerlo por la edad y por el departamento de origen.
El primer plano factorial es una buena síntesis del análisis, pero conviene
leer también los planos 1-3, que representan mejor las categorías de estrato
y origen, y 2-3, para ver mejor las categorías de edad y estrato alto.
Factor 2: 0.3128 (15.6%) Ed.19oM
1.0
Or.Cund
0.5
Ge.M
Es.bajo
Or.Bogo
Ed.18
Es.medio
0.0
Ed.17
−0.5
Or.Otro
Es.alto
−1.0 Ge.F
Ed.16om
Factor 1: 0.3366 (16.8%)
−1.5 −1.0 −0.5 0.0 0.5 1.0
plot(acm,Trow=FALSE,cex.global=0.8,cframe=1,gg=TRUE,col.col="black")
Pesos y coordenadas de las categorías
Cate Peso Coordenadas

% G1 G2 G3
gene.F 7.19 0.13 -0.89 0.51
gene.M 17.81 -0.05 0.36 -0.21
edad.a16m 6.63 -0.39 -1.07 0.29
edad.a17 9.61 0.19 -0.03 -0.88
edad.a18 3.15 0.75 0.14 1.13
edad.a19M 5.62 -0.27 1.24 0.53
estr.bajo 10.06 -0.93 0.31 0.18
estr.medio 10.39 0.67 0.04 0.31
estr.alto 4.55 0.54 -0.78 -1.12
orig.Bogo 17.47 0.51 0.13 0.11
orig.Cund 2.13 -0.88 0.61 -1.44
orig.Otro 5.39 -1.30 -0.65 0.23
xtable(data.frame(Peso=acm$cw*100,coor=acm$co),digits=rep(2,5))
Figura 6.3. Primer plano factorial del ACM de admitidos, mostrando las
categorías
Tabla 6.6. Ayudas para la interpretación de las categorías activas

Categoría Contribuciones % Cosenos2 % Cinercia
Eje1 Eje2 Eje3 Eje1 Eje2 Eje3 %
gene.F 0.36 18.21 6.66 0.67 31.97 10.58 8.90
gene.M 0.14 7.35 2.69 0.67 31.97 10.58 3.60
edad.a16m 3.04 24.09 1.99 5.56 41.02 3.07 9.19
edad.a17 0.98 0.03 26.54 2.14 0.06 48.74 7.70
edad.a18 5.24 0.18 14.21 8.08 0.26 18.38 10.93
edad.a19M 1.24 27.43 5.67 2.16 44.26 8.27 9.69
estr.bajo 25.90 3.15 1.17 58.34 6.58 2.21 7.47
estr.medio 13.71 0.05 3.61 31.59 0.10 6.99 7.30
estr.alto 3.88 8.75 20.06 6.39 13.38 27.73 10.22
orig.Bogo 13.45 0.91 0.70 60.15 3.76 2.65 3.76
orig.Cund 4.87 2.51 15.72 7.16 3.44 19.43 11.43
orig.Otro 27.18 7.34 0.97 46.66 11.71 1.39 9.80
6.3.3. El ACM como un solo ACP

Es conveniente ver el ACM como un solo ACP(X, M, N), ya que las relacio-
nes entre los espacios de individuos y categorías se observan más fácilmente
y porque esta visión se utiliza en la derivación de otros métodos, como el
análisis factorial múltiple para variables cualitativas propuesto por Escofier
y Pagès (1992), que no se abordan en este texto.
Haciendo específica la sección 5.3 al caso del ACM, las matrices X, M, N
son:
1 n
X = nIn ZnsD = nZD−1
p , término general: xi j = zi j .
ns nj
1 nj 1 1
M= Dp , con m j = . N= In , con ni = .
ns ns n n
La M-distancia al cuadrado entre dos individuos i y l y la N-distancia al
cuadrado entre dos categorías j y k de X son:
p 2 p
nj n

Õ n nÕ 1
d (i, l) =
2
zi j − zl j = (zi j − zl j )2 (6.8)
ns n j nj s nj
j=1 j=1
n 2 n
zi j zik 2

Õ 1 n n Õ
d ( j, k) =
2
zi j − zik = n − (6.9)
n nj nk nj nk
i=1 i=1
Que corresponden a las fórmulas (6.1) y (6.3), respectivamente.

6.3.4. Relaciones cuasibaricéntricas

En el ACM la fórmula general que permite escribir la coordenada de un
individuo i en función de las coordenadas de las categorías de las variables
es:
p
1 1Õ 1 1Õ
Fs (i) = √ zi j Gs ( j) = √ Gs ( j) (6.10)
λ s s j=1 λ s s j ∈ Ji
donde Ji es el conjunto de categorías asumidas por el individuo i. La fór-

mula muestra que la coordenada sobre un eje s del individuo i se sitúa en el
promedio aritmético de las coordenadas de las categorías que asume, dila-
tadas por el inverso de la raíz cuadrada del valor propio.
El primer individuo de la tabla 6.1 asume las categorías Ge.F (0.1 es la
coordenada sobre el primer eje, que se lee en la tabla incluida en la figura
6.3), Ed.17 (0.2), Es.medio (0.7) y Or.Otro (-1.3).
Entonces el √promedio aritmético es (0.1+0.2+0.7-1.3)/4 = -0.08, la
dilatación es 1/ 0.337 = 1.72 y la coordenada es 1.72*(-0.08) = -0.14,
que se puede leer con el comando acm$li[25,] y observar en la figura 6.2.
La fórmula es análoga para la coordenada de una categoría j en función
de las coordenadas de los individuos:
n
1 1 Õ 1 1 Õ
Gs ( j) = √ zi j Fs (i) = √ Fs (i) (6.11)
λ s n j i=1 λ s n j i ∈I j
donde I j es el conjunto de individuos que asumen la categoría j. Entonces,

esta categoría j se sitúa en el promedio aritmético de las coordenadas de
los individuos que la asumen, dilatada por el inverso de la raíz cuadrada del
valor propio.
Las fórmulas de transición, denominadas también cuasibaricéntricas, per-
miten la representación simultánea y su interpretación. Para el ejemplo
“Admitidos a la Facultad de Ciencias”, el primer plano de esa representación
se muestra en la figura 6.4.
De la misma manera que en el ACS (capítulo 5), las categorías que per-
tenecen a cada variable están centradas en el origen de la representación.
Como consecuencia, las que están más próximas al origen son las que más
frecuencia tienen.
Por ejemplo, la variable género, se puede ver como una palanca que es-
tá en equilibrio, con apoyo en (0,0). Este equilibrio que implica que hay
bastantes más hombres que mujeres, dentro de los admitidos a las carreras
de Ciencias.
Por otro lado, las categorías son cuasibaricentros de las coordenadas de
los admitidos que las asumen. Entonces, por ejemplo, a la derecha del plano
hay admitidos que asumen simultáneamente las categorías origen Bogotá,
18 años de edad y estrato medio.
El admitido 100 puede ser uno ellos, pero para estar seguros hay que
verificarlo en los datos (tabla 6.1, 100: M, 18, medio, Bogo). En cambio
el individuo 225 puede ser de 16 años o menos y de otro origen (225: M,
16om, alto, otro).
Factor 2: 0.3128 (15.6%) Ed.19oM
1.0
Or.Cund
0.5
Ge.M
Es.bajo
Ed.18
Or.Bogo
Es.medio
0.0 Ed.17
−0.5
Or.Otro
Es.alto
Ge.F
−1.0
Ed.16om
−1.5
Factor 1: 0.3366 (16.8%)
−1.5 −1.0 −0.5 0.0 0.5 1.0

plot(acm,cex.global=0.8,cframe=1,gg=TRUE)
Figura 6.4. Primer plano factorial del ACM de admitidos, mostrando

individuos y categorías. Se puede ver, por ejemplo, la asociación entre es-
trato medio y dieciocho años, lo que se puede verificar en los perfiles de la
figura 2.4, donde se muestra la asociación bivariada entre edad y estrato de
los admitidos.
Para ilustrar el cuasibaricentro de una categoría, en la figura 6.5 se mues-

tran los grupos de estudiantes según su origen y las categorías del ACM. Cada
rayo une el (0,0) con la posición de la coordenada. Un rayo pasa por el centro
de gravedad de los individuos que asumen la categoría —etiqueta en cursiva
y punto con una cruz—. La posición de la categoría se aleja del centroide,
porque las coordenadas de la proyección de aquella están multiplicadas por
el inverso de la raíz cuadrada de los valores propios asociados a los ejes 1 y
2, respectivamente. También se muestra que el origen es el centro de grave-
dad de las tres categorías de la variable origen del admitido. Las cercanías al
centro indican la frecuencia: hay más bogotanos, luego cundinamarqueses
y menos de otros departamentos.
Factor 2: 0.3128 (15.6%)
a19M
1.0
Cund
0.5 Cund M
bajo Bogo
Bogo a18
0.0
Otro a17 medio
−0.5
Otro
−1.0 alto
F
a16m
−1.5
Factor 1: 0.3366 (16.8%)
−1.5 −1.0 −0.5 0.0 0.5 1.0
Figura 6.5. Primer plano factorial del ACM de admitidos mostrando los in-
dividuos según su origen
6.3.5. Ayudas para la interpretación
Las ayudas para la interpretación de los individuos y de las categorías tienen

las mismas expresiones que las del ACP y ACS (sección 5.3.3). Se adiciona
la contribución absoluta de las variables, obtenida como la suma de las con-
tribuciones de sus categorías.
6.3.5.1. Razón de correlación
Para una variable cualitativa se puede calcular la razón de correlación con

respecto a un eje s, que es una variable continua.
Una variable cualitativa induce una partición de los n individuos y se
puede descomponer la inercia (varianza) de los individuos sobre el eje en
vari anza inter + vari anza intr a. La razón de correlación se define como el
cociente entre varianza inter y varianza total. La varianza total de Fs es λ s ;
la varianza inter con respecto a una variable q es:
Õ nj
(F s j )2
n
j ∈ Jq
= 1
Í
donde F s j n j Fs (i), es decir, el promedio aritmético de las
i ∈I j∈ Jq
coordenadas sobre el eje s de los individuos que asumen la categoría j de
la variable q.
El promedio de las n coordenadas sobre el eje s es 0, es decir, las
coordenadas sobre s están centradas. Jq es el conjunto de categorías de la
variable q.
√
Por las relaciones de transición F s j = λ sGs ( j), entonces:
Õ nj
V ari anza intr a(q) = λ s G 2 ( j)
n s
i ∈ Jq
Por lo tanto, la razón de correlación es:

Õ nj
η s2 (q) = G 2 ( j) (6.12)
n s
j ∈ Jq
que se puede expresar como función de la contribución absoluta de las ca-

tegorías: Õ
η s2 (q) = λ s s C as ( j) (6.13)
j ∈ Jq
C as ( j) es la contribución absoluta de la categoría j sobre el eje s. Los

valores de las razones de correlación se encuentran en el objeto de salida de
la función dudi.acm{ade4} en la tabla $cr, con estos se pueden obtener los
planos factoriales para las variables. La figura 6.6 muestra el primer plano
factorial de las variables del ACM de “Admitidos”.
Ejemplo de cálculo para la variable Ori gen: la suma de las contribuciones
de las tres categorías sobre el primer eje es 13.45 + 4.87 + 27.18 = 45.5 %
(valores tomados de la figura 6.3), el primer valor propio es 0.3366 y el
número de variables 4. Entonces la razón de correlación es η 12 (ori g) = 4 ∗
0.3366 ∗ 0.455 = 0.613, valor que se puede leer en el eje horizontal de la
figura 6.6, de forma aproximada.
0.7
Factor 2: edad
0.6
0.5
0.4
gene
0.3
0.2
estr
orig
0.1
carr
Factor 1:
0.0
0.0 0.2 0.4 0.6
plotfp(acm$cr,gg=TRUE)
Figura 6.6. Relaciones de correlación de las variables sobre el primer plano

factorial del ACM de admitidos
La figura 6.6 muestra que hay una relación alta de las variables estrato
y origen con el eje 1 y edad y género con el eje 2. Buena parte de la
inercia del primer eje es entre estratos y también, entre origen; y la del
segundo eje es entre edades. También aparece proyectada la variable
carrera, que es ilustrativa, y no muestra asociación con ninguno de los ejes.
La cercanía de las variables estrato y origen indican que las contribuciones
de las dos variables a la varianza de los dos ejes son similares (fórmula 6.13).
6.3.6. Elementos suplementarios

De la misma manera que en ACP y ACS, en el ACM se pueden proyec-
tar individuos, variables cualitativas y variables continuas como elementos
ilustrativos.
Individuos
Los individuos ilustrativos se pueden proyectar utilizando la fórmula cua-

sibaricéntrica (6.10). Dicho de otro modo, la coordenada de un individuo
suplementario es el promedio de las coordenadas de las categorías que asu-
me, dilatado por el inverso de la raíz cuadrada del valor propio.
Variables cualitativas
Las categorías de una variable ilustrativa se proyectan mediante la fórmula

cuasibaricéntrica (6.11), como el promedio de las coordenadas de los indi-
viduos que la asumen, dilatado por el inverso de la raíz cuadrada del valor
propio. Las categorías suplementarias no contribuyen a la inercia de los ejes,
ya que no participan en su determinación, pero se pueden calcular sus co-
senos cuadrados sobre los ejes.
Adicionalmente se suelen utilizar los denominados valores test para cada
categoría, con el fin de indicar si la coordenada de su proyección se puede
considerar diferente de cero (sección 2.2.2 y fórmula 2.2).
El valor test es la distancia al origen de la coordenada Gs ( j) en términos
de desviaciones estándar:
Gs ( j)
ts ( j) =
σj
Para obtener la desviación estándar:
Una categoría j es asumida por los n j individuos.
La varianza del promedio de n j individuos tomados al azar de los n

individuos es:
n − nj λs
n − 1 nj
La coordenada Gs ( j) es el promedio aritmético de las coordenadas

de esos individuos, multiplicada por el inverso de la raíz cuadrada
del valor propio λ s (fórmula 6.11). Entonces la varianza asociada a la

coordenada es:
1 n − nj λs n − nj
=
λs n − 1 nj n j (n − 1)
Por lo tanto, el valor test, para la coordenada de la categoría j en el análisis,

Gs ( j), es: s
n j (n − 1)
ts ( j) = Gs ( j) (6.14)
n − nj
Como ejemplo se muestra el cálculo del valor test para Química sobre el
primer eje:
Los admitidos a Química son 63 (ver con summary(admi$car)) y la coor-

denada de Química es -0.259 (tabla de la figura 6.7). Entonces:
r
63(445 − 1)
t1 (Qui) = (−0.26) = −2.225
445 − 63
La diferencia con el valor de la figura 6.7 se debe al número de cifras sig-

nificativas. Este valor, menor que -2, indica que es válido leer la posición
negativa de Química sobre el primer eje, lo que significa que está asociada
con estrato bajo y origen fuera de Bogotá, ya que son categorías activas que
tienen mayores coordenadas negativas sobre el primer eje.
Los valores test de la figura 6.7 indican que solo es legítimo interpretar,
como diferentes de cero, las coordenadas de: Química (-) sobre el primer
eje, Matemáticas (+) sobre el segundo y Geología (-) opuesto a Farmacia (+)
sobre el tercero.
Matemáticas tiene, en comparación al promedio, mayor proporción de

admitidos de 19 o más años; Geología, de 17 años y estrato alto; Farmacia,
de 18 años y género femenino. Para corroborar sobre los datos, se pueden
ver los perfiles de las carreras según las cuatro variables en la figura 2.5.
A una variable cualitativa suplementaria también se le puede calcular la

relación de correlación con la primera igualdad de la fórmula (6.12) e in-
cluirla en la gráfica de las variables. En el ejemplo se proyecta la variable
carrera, que se presenta en la figura 6.6. Su posición, cerca al origen, mues-
tra poca relación con las cuatro variables sociodemográficas.
a19M
a18
a19M F
Cund Mate
bajo a16m medio
bajo M Bogo MateFarm
Esta Fisi a18
Quim Esta Bogo
Geol
Quim a17 medio Biol Fisi
Farm Biol
M
Otro Geol
alto
F a17
a16m Cund alto
Plano 1−2 Plano 1−3
a18
a19M
F Farm medio
a16m Quim bajo
Otro Fisi
Bogo
Biol
Esta Mate M
Geol
a17
alto
Cund
Plano 2−3
Número de admitidos, distancias al cuadrado y coordenadas
Carrera Número Distancia Coordenadas

admitidos 2 Eje1 Eje2 Eje3
Biol 63 6.06 -0.02 -0.15 -0.07
Esta 66 5.74 0.03 0.10 -0.02
Farm 73 5.10 0.17 -0.20 0.39
Fisi 82 4.43 0.09 0.03 -0.13
Geol 45 8.89 -0.04 -0.08 -0.64
Mate 53 7.40 -0.05 0.46 0.11
Quim 63 6.06 -0.26 -0.11 0.16
Valores test y cosenos cuadrados
Carrera Valores test Cosenos cuadrados

Eje1 Eje2 Eje3 Eje1 Eje2 Eje3
Biol -0 -1.25 -0.579 0.000 0.003 0.001
Esta 0 0.91 -0.160 0.000 0.002 0.000
Farm 2 -1.85 3.664 0.006 0.008 0.030
Fisi 1 0.29 -1.267 0.002 0.000 0.004
Geol -0 -0.54 -4.490 0.000 0.001 0.045
Mate -0 3.58 0.869 0.000 0.029 0.002
Quim -2 -0.91 1.335 0.011 0.002 0.004
Figura 6.7. Plano factoriales: 1-2, 1-3 y 2-3, mostrando las carreras como
categorías suplementarias y ayudas para la interpretación
Código para proyectar la carrera del admitido como variable cualitativa

suplementaria (figura 6.7)
supcar <- supqual ( acm , admi $ carr )
par ( mfrow = c (2 ,2))
plot ( acm , Trow = FALSE , infaxes = " no " , main =" Plano ␣ 1 -2 " ,
ylim = c ( -1.5 ,1.3) , col . col =" black ")
points ( supcar $ coor , col =" black ")
text ( supcar $ coor , labels = attributes ( admi [ ,1]) $ levels ,
col = " black " , pos =1 , cex =0.8 , font =3)
xtable ( cbind ( ncat = supcar $ ncat , d2 = supcar $ dis2 , supcar $ coor ,
supcar $tv , supcar $ cos2 ), digits = c (0 ,0 , rep (3 ,10)))
plot ( acm ,1 ,3 , Trow = FALSE , infaxes =" no " , main =" Plano ␣ 1 -3 " ,
points ( supcar $ coor [,c (1 ,3)] , col =" black ")
text ( supcar $ coor [,c (1 ,3)] , labels = attributes ( admi [ ,1]) $ levels ,
plot ( acm ,2 ,3 , Trow = FALSE , infaxes =" no " , main =" Plano ␣ 2 -3 " ,
points ( supcar $ coor [,c (2 ,3)] , col =" black ")
text ( supcar $ coor [,c (2 ,3)] , labels = attributes ( admi [ ,1]) $ levels ,
# dev . print ( device = xfig , file =" ACMadmiCarreraSup3planos . fig ")
Variables continuas.
Las variables continuas se pueden proyectar en los planos de individuos

y categorías, utilizando como coordenadas los coeficientes de correlación
entre la variable y el factor. Se interpretan como en un ACP.
Por ejemplo, en el ACM de los admitidos, las correlaciones entre los tres
ejes factoriales y el resultado global del examen son: 26.9 %, 3.5 % y -29.3 %.
El valor de 26.9 % de correlación indica que hay alguna relación positiva
entre el primer eje y el resultado global del examen. Entonces las categorías
que caracterizan el sentido positivo del eje: edad de 18 años, estratos medio
y alto, y origen Bogotá, tienen, en promedio, notas más altas.
6.3.7. Retorno a los datos

En la aplicación del ACM y los otros métodos factoriales conviene regre-
sar a los datos para observar lo que los mapas factoriales revelan, y a veces
mostrarlos de otra forma.
Con el pequeño ejemplo de los admitidos, el lector puede corroborar la

lectura de las gráficas del ACM.
La proyección de la variable carrera como ilustrativa (figura 6.7) muestra
asociación de Química con origen Cundinamarca y otros departamentos, y
estrato bajo (lado negativo del primer eje); lo que, también se observa en las
asociaciones bivariadas de la figura 2.5.
La asociación de Matemáticas con admitidos de diecinueve años y mayo-
res, y de género masculino, también se observa en la descripción bivariada
de la misma figura (2.5).
6.4. ac derivados de la misma tabla
Con el análisis de correspondencias de la tabla de Burt o de contingencia

múltiple se obtienen las mismas conclusiones que con el ACM (AC de la tabla
disyuntiva completa), con respecto a las relaciones entre las categorías, pero
no hay información directa sobre los individuos.
Estudiar los diferentes análisis de correspondencias aplicables a dos va-
riables cualitativas, es un ejercicio académico que permite, aclarar el por qué
de algunas decisiones que se toman en el ACM.
6.4.1. AC de la tabla de Burt
El AC aplicado a la matriz B está relacionado con el ACM, que es el AC de Z

(Lebart et al., 1995, p. 126):
Los valores propios del AC de B, λ B , son el cuadrado de los del ACM:

λ B = λ Z2 . Este resultado implica que los porcentajes de inercia de los
primeros ejes son mayores en el AC de la tabla de Burt que en el ACM,
y por lo tanto, más “optimistas”.
Las coordenadas factoriales del AC de B, GB , son homotecias de las de

√
las categorías del ACM: GB = λ Z G; es decir, que todas las categorias
están más cerca del origen con respecto a las del ACM; entonces, los
planos del AC de B son imágenes reducidas de los del ACM.
6.4.2. ACS y ACM de dos variables

La asociación entre dos variables cualitativas se describe con el ACS de la
TC obtenida de ellas. Es posible realizar el ACM de la tabla de n individuos
descritos por las dos variables. Lebart et al. (2006, p. 203) analizan ese caso
y aquí se presentan algunos de los resultados.
El ACM, que es el AC de Z = [Z1 Z2 ], se compara con el ACS de la ta-
bla K = Z10 Z2 . La notación que se viene usando en este texto, se deja para
el ACS: λ para valores propios, u y v para vectores propios, y F y G para
los vectores de coordenadas de categorías fila y columna, respectivamente.
Para el ACM se agrega el subíndice Z para los valores propios, los vectores
propios y las coordenadas de las categorías. Se omiten los subíndices que
hacen referencia al eje, entendiéndose que las relaciones se dan para cual-
quier eje. En el ACM de Z con respecto al ACS de K se obtienen las siguientes
relaciones (Lebart et al., 2006):
√
1+ λ
Valores propios: λ Z = .
2
Vectores propios, si p2 ≤ p1 , en ACM√ hay p2 −1 vectores propios
1+ λ u
asociados a los valores propios : vZ = , donde, u y v son
2 v
vectores propios de los espacios fila y columna, respectivamente, del
ACS de K.
Los resultados de los dos análisis son diferentes pero permiten obte-
ner las mismas descripciones. Las principales consecuencias prácticas de la
comparación son:
1. Hay más ejes en el ACM, p1 + p2 −2, que en ACS, p2 − 1, entonces p1 − 1

ejes se pueden considerar “parásitos”, en el sentido que no aportan
información.
2. Las tasas de inercia retenidas son menores en el ACM con respecto al

ACS.
6.4.3. El criterio de Benzécri

Benzécri (1979) propuso considerar solamente los ejes asociados a valores
1
propios superiores al inverso del número de variables y recalcular las tasas
s
de inercia mediante la fórmula:
s 2 2
1 1
τ(λ Z ) = λZ − par a λ Z > (6.15)
s−1 s s
En el caso del ACM con dos variables τ(λ Z ) = λ , donde λ representa el

correspondiente valor propio del AC de la tabla de contingencia que cruza
las dos variables. El histograma de las tasas de inercia (6.15) se puede usar,
como complemento al de valores propios, para decidir el número de ejes a
retener en un ACM.
6.5. Aplicación: ACM de consumo cultural

Se presenta un ejemplo de análisis parcial de la Encuesta de Consumo Cul-
tural del Dane (2014). La encuesta aplica un formulario a una subpoblación
de niños de 5 a 11 años, sobre consumo cultural. Se adicionan algunas va-
riables sociodemográficas de los módulos de hogares y viviendas. Para este
análisis, se seleccionan los niños que tienen edades entre 8 y 11 años y que
saben leer.

Describir el consumo cultural de niños entre 8 y 11 años, que saben leer y
explorar su relación con algunas variables sociodemográficas.
6.5.2. Datos
Para este ejemplo se toman las siguientes preguntas del tema de consumo
cultural:
Teat ¿El niño o la niña asistió a teatro, danza u ópera en los últimos doce
meses? ¿Con qué frecuencia?
Libr ¿En los últimos doce meses el niño o la niña leyó libros y con qué
frecuencia?
Cine ¿En los últimos doce meses el niño o la niña fue a cine y con qué
frecuencia?
Vide ¿El niño o la niña vio videos en el último mes y con qué frecuencia?
Radi ¿En la última semana el niño o la niña escuchó radio y con qué fre-
cuencia?
Musi ¿El niño o la niña escuchó música grabada en la última semana y con
qué frecuencia?
La tabla activa construida para este análisis tiene 1971 niños de todo el país
y seis variables cualitativas sobre consumo cultural. El formulario de la en-
cuesta tiene dos preguntas para cada actividad: la primera, si se ha realizado,
y la segunda, su frecuencia. Las respuestas a las dos preguntas en cada ac-
tividad, se recodificaron en una sola y se incluyó la categoría no como otro
ítem de frecuencia. Adicionalmente se unieron algunas categorías de muy
baja frecuencia. Las distribuciones de frecuencias de las variables se mues-
tran en forma de tortas en la figura 6.8, donde se pueden ver sus categorías.
Se tienen entonces s = 6 variables activas con un total de p = 31 categorías.
Código para leer datos y definir variables activas e ilustrativas

load ( " ninios8a11 . Rda ")
ninios8a11 $ Edad <- factor ( ninios8a11 $ Edad )
# variables activas
Y <- subset ( ninios8a11 , select =c( Teat , Libr , Cine , Vide , Radi , Musi ))
# variables suplementarias
Ys <- ninios8a11 [,c (2 ,29 ,30 ,32 ,35)]
Como variables sociodemográficas ilustrativas se seleccionaron las

siguientes:
Pare ¿Cuál es el parentesco del niño o la niña con el(la) jefe(a) del hogar?
Sexo Sexo.
Edad ¿Cuántos años cumplidos tiene?
Regi Región a la que corresponde la vivienda.
Estr Estrato para tarifa.
Las variables ilustrativas se muestran en la figura 6.9 junto con las distri-
buciones de frecuencias. Las variables estrato y parentesco, se recodificaron
a menos categorías, dada la presencia de frecuencias muy bajas en algunas
de ellas.

# tortas de variables activas
par ( mfrow =c (2 ,3) , mai =c (0.1 ,0 ,0.2 ,0))
for ( i in 1:6 ){
cat <- attributes (Y[,i ]) $ levels
per <- tabulate (Y[,i ]) / nrow (Y)* 100
paste ( cat , round ( per ,1) , sep ="␣")-> eti
pie ( summary (Y[,i ]) , eti ,
col = gray ( seq (1.0 ,0.6 , length = length ( cat ))) ,
main = colnames (Y )[ i ])
}
dev . print ( device = xfig ) # grabar la grafica como Rplot001 . fig
Teat Libr Cine

anua 8.2 anua 8.3 seme 7.4
seme 5.4 vdse 30.5
trim 10.5
trim 6.6
diar 16.4
mens 4.3 mens 8.8
sema 2.9
sema 15.4
no 72.6 no 24.1
mens 6.5 no 65
trim 4.2 anua 2.8
Vide Radi Musi
vdse 36.3 vdse 20

vdse 35.7
diar 19.7
sema 5 diar 16.2
diar 11.5
sema 7.9
sema 20.5
no 26.7
mens 5 no 55.3 no 40.2
Figura 6.8. Distribuciones de frecuencias de las variables activas del ACM

consumo cultural: ir a teatro, lectura de libros, ir a cine, ver videos, escu-
char radio, oír música. vdse significa “varios días a la semana”. Los números
son porcentajes. Nótese los bajos consumos de teatro, cine y radio, y que
alrededor de la cuarta parte de los niños dicen no leer libros
6.5.3. Resultados del análisis

Para realizar el ACM se usa la función dudi.acm{ade4}; las ayudas para
la interpretación se obtienen con inertia.dudi{ade4}; las coordenadas y
ayudas para la interpretación de las variables cualitativas ilustrativas, con
supqual{FactoClass}; los planos factoriales, con plot.dudi{FactoClass} pa-
ra las variables activas y plotfp{FactoClass} para los planos factoriales cuan-
do se desean solo las variables cualitativas ilustrativas.

# tortas de variables suplementarias
par ( mfrow = c (2 ,3) , mai =c (0.1 ,0 ,0.2 ,0));
for ( i in 1:5){
cat <- attributes ( Ys [,i ]) $ levels
per <- tabulate ( Ys [,i ]) / nrow ( Ys )* 100
paste ( cat , round ( per ,1) , sep ="␣")-> eti
pie ( summary ( Ys [,i ]) , eti ,
col = gray ( seq (1.0 ,0.6 , length = length ( cat ))) ,
main = colnames ( Ys )[ i ])
};
}
Pare Sexo Edad
masc 50.2
hijo 74.8 a9 24
a8 23.7
otro 6.3
a10 25.9
a11 26.4
niet 18.9
feme 49.8
Regi Estr
Orie 22.8 0o1 42.1
Atla 13.6
Cent 16.6
OrAm 15.7
Paci 15.5 3oM 19.2
2 38.8
Bogo 15.7
Figura 6.9. Distribuciones de frecuencias de las variables ilustrativas del

ACM consumo cultural: parentesco con el jefe del hogar, sexo, edad, región,
estrato (0y1 = muy bajo, 2 = bajo, 3oM = medio y alto). Los números son
porcentajes
6.5.3.1. Número de ejes a interpretar
La primera decisión a tomar es el número de ejes a interpretar. No hay re-

cetas pero sí criterios que ayudan a tomar esta decisión. La guía principal es
la forma del histograma de valores propios. Los ejes que sobresalen clara-
mente, antes de ver una forma de S regular del histograma serían los ejes a
analizar.
El criterio de Benzécri, que utiliza un histograma de una transformación

de los valores propios, considerando los que son superiores a 1/s, también
ayuda. Finalmente, en concordancia con los objetivos, se debe interpretar
un eje adicional si provee información relevante que no se ha obtenido con
los ejes anteriores.
Para el ejemplo se muestran en la figura 6.10 los histogramas de valo-
res propios y del criterio de Benzécri, los valores propios y porcentajes de
inercia. Los gráficos sugieren analizar tres ejes.
El criterio de Benzécri se construye considerando los 11 valores pro-
pios, que tienen un valor superior a 1/6 = 0.1667. Los tres primeros ejes
retienen el 17.8 % de la inercia, pero en el ACM este es un índice pesimista.
En el criterio de Benzècri se retiene un 81.8 % de la variabilidad ajustada,
pues el criterio considera que 25 − 11 = 14 ejes son “parásitos", es decir, no
suministran información. El bajo porcentaje de inercia retenida en los ejes,
hace que el analista tenga que ser menos exigente en las calidades de las
representaciones.
En la figura 6.11 se muestra el primer plano factorial con categorías ac-
tivas. Las coordenadas y ayudas para la interpretación para los tres prime-
ros ejes están en la tabla 6.7. Una guía para saber en qué categorías poner
atención en cada uno de los ejes es ver aquellos que superen el porcenta-
je promedio de contribución a la inercia del eje (contribución absoluta): en
este ejemplo 100/31 = 3.2 (están en negrilla en la tabla).
6.5.3.2. Primer eje factorial

El primer eje factorial contrapone: ir a teatro al menos una vez al año (-
) contra no ir (+), leer libros diariamente (-) contra no leer (+), ir a cine
mensualmente (-) contra no ir (+), ver videos diariamente (-), contra no ver
(+), escuchar radio diariamente (-) contra no escuchar (+) y escuchar música
grabada diariamente (-) contra no escuchar (+). Es decir, separa a los niños
de mayor consumo cultural, al lado negativo, de los que no tiene consumo
cultural, al lado positivo. Entonces el primer eje es un indicador de consumo
cultural y ordena a los niños: al lado negativo los que más consumen, al lado
positivo los que no consumen.
Para obtener las gráficas y la tabla de la figura 6.10

acm <- dudi . acm (Y , scannf = FALSE , nf =3)
barplot ( acm $ eig , las =3)
# dev . print ( device = xfig )# , encoding =" latin1 ")
eigtab <- data . frame ( valp = acm $ eig , porc = acm $ eig / sum ( acm $ eig )* 100 ,
pacu = cumsum ( acm $ eig )/ sum ( acm $ eig )* 100)
xtable ( cbind ( eje =1:8 , eigtab [1:8 ,] , eje =9:16 , eigtab [9:16 ,] ,
eje =17:24 , eigtab [17:24 ,]) , digits =c (0 , rep (c (0 ,3 ,1 ,1) ,3)))
# criterio de Benzecri
s <- 6; 1 / s
# --> se calcula tau para los primeros 11 ejes
eig11 <- acm $ eig [1:11]
tau <-( s / (s -1))^2 *( eig11 -(1 /s ))^2
ptau <- tau / sum ( tau )* 100
Histograma de valores propios Histograma del criterio de Benzécri
0 10 20 30 40 50 60
0.00 0.05 0.10 0.15 0.20 0.25 0.30
Valores propios y porcentajes de inercia

eje valp porc pacu eje valp porc pacu eje valp porc pacu
1 0.301 7.2 7.2 9 0.171 4.1 44.0 17 0.151 3.6 74.9
2 0.232 5.6 12.8 10 0.169 4.1 48.1 18 0.144 3.5 78.3
3 0.209 5.0 17.8 11 0.168 4.0 52.1 19 0.143 3.4 81.8
4 0.195 4.7 22.5 12 0.165 4.0 56.1 20 0.140 3.4 85.1
5 0.188 4.5 27.0 13 0.161 3.9 59.9 21 0.135 3.2 88.4
6 0.181 4.3 31.3 14 0.159 3.8 63.7 22 0.132 3.2 91.5
7 0.180 4.3 35.7 15 0.158 3.8 67.5 23 0.129 3.1 94.6
8 0.176 4.2 39.9 16 0.155 3.7 71.2 24 0.121 2.9 97.6
Figura 6.10. Histogramas de valores propios y del criterio de Benzécri ACM

de consumo cultural y tabla de valores propios
1.5
Vide.diar
1.0 Musi.diar
Libr.diar
Radi.diar
Factor 2: 0.2323 (5.6%)
Libr.no
0.5 Vide.no
Teat.mens
Musi.no
Cine.trim
Teat.anua Cine.anua Radi.no Teat.no
0.0 Teat.sema Vide.mens Cine.no Libr.trim
Cine.mens
Libr.mens
Vide.sema
Teat.seme Musi.sema Libr.vdse
−0.5
Cine.seme Vide.vdse Libr.sema
Teat.trim
Radi.sema Radi.vdse
Musi.vdse
−1.0
Libr.anua
−1.0 −0.5 0.0 0.5 1.0
Factor 1: 0.3007 (7.2%)
plot(acm,Trow=FALSE,gg=TRUE,xlim=c(-1,1),ylim=c(-1,1.3),
cframe=1.1),col.col="black",cex.global=0.8)
Figura 6.11. Primer plano factorial del ACM de frecuencia de lectura de

niños, mostrando las categorías activas.
6.5.3.3. Segundo eje factorial
El segundo eje contrapone valores medios contra valores extremos en al-

gunas variables, lo que indica que hay presencia de efecto Guttman: leer
varias veces a la semana contra no leer o hacerlo diariamente, ver videos
varias veces a la semana contra no ver o hacerlo diariamente, escuchar ra-
dio varios días a la semana contra hacerlo diariamente y escuchar música
grabada varios días a la semana contra escucharla diariamente o no hacerlo.
6.5.3.4. Tercer eje factorial
El tercer eje separa algunas categorías intermedias: ver videos varios días a
la semana contra hacerlo semanal o mensualmente, escuchar radio varias
veces a la semana contra hacerlo semanalmente; y escuchar música grabada

varios días a la semana contra semanalmente. Aunque el eje permite ver
algunas diferencias, mejor que en los dos primeros ejes, se puede prescindir
de este en una síntesis del consumo cultural de los niños.
6.5.3.5. Primer plano factorial

Se observa claramente el efecto Gutttman (forma de parábola en las varia-
bles ordinales) en todas las variables, es decir, las categorías están ordenadas:
arriba a la derecha están las que indican que no hay consumo; a medida que
se desciende en dirección a la izquierda, el consumo cultural va aumentan-
do; luego arriba a la izquierda se ubican las categorías de mayor consumo
cultural.
Como las categorías se ubican en el promedio de las coordenadas de los
niños que las asumen (alejado por el inverso de la raíz del valor propio), los
niños quedan ordenados de la misma forma, según su consumo cultural.
6.5.3.6. Variables suplementarias

En la figura 6.12 se muestran las categorías de las variables sociodemográ-
ficas, proyectadas como suplementarias en el primer plano factorial y las
coordenadas y ayudas para la interpretación sobre los tres primeros ejes
factoriales. El plano debe verse como un zoom del centro de la figura 6.11.
Las categorías que tienen valores test inferiores a -2 y superiores a 2
(están en negrilla), son las que se pueden interpretar. Solo es pertinente in-
terpretar el primer eje (horizontal) del plano factorial.
Entonces, las diferencias del consumo cultural se pueden explicar en par-
te por el nivel socioeconómico (el estrato es una aproximación): el consumo
cultural aumenta a medida que mejora el nivel socioeconómico.
Pero también por el parentesco con el jefe del hogar: los niños que vi-
ven con personas diferentes a los padres o abuelos tienen menor consumo
cultural, y por la región geográfica donde viven: los niños de las regiones
Atlántica, Bogotá y Central suelen tener mayor consumo cultural que los
de las regiones Orinoquía-Amazonía y Oriental.
Regi.Orie
Edad.a9
0.05 Regi.Paci
Pare.niet
Sexo.masc Estr.0o1
Edad.a8
0.00 Regi.Atla
Estr.2
Factor 2:
Pare.hijo
Regi.Cent Edad.a10
Estr.3oM Sexo.feme
Regi.OrAm
Edad.a11
Pare.otro
−0.05
−0.10 Regi.Bogo
−0.4 −0.2 0.0 0.2
Factor 1:
sc<-supqual(acm,Ys)
plotfp(as.data.frame(sc$coor),col="black",cframe=1,gg=TRUE)
Figura 6.12. Proyección de categorías suplementarias sobre el primer plano

factorial del ACM de consumo cultural
Tabla 6.7. Coordenadas y ayudas para la interpretación de las categorías del ACM de frecuencia de lectura en niños
178
·
peso Coordenadas Contribuciones abs. Cosenos cuadrados contr.

Categoria % Eje1 Eje2 Eje3 Eje1 Eje2 Eje3 Eje1 Eje2 Eje3 inercia
Teat.sema 0.5 -0.498 -0.076 -0.307 0.4 0.0 0.2 0.8 0.0 0.3 3.9
Teat.mens 0.7 -0.921 0.523 0.284 2.0 0.8 0.3 3.8 1.2 0.4 3.8
Teat.trim 1.1 -0.872 -0.560 -0.280 2.8 1.5 0.4 5.4 2.2 0.6 3.7
Teat.seme 0.9 -0.905 -0.368 -0.512 2.5 0.5 1.1 4.7 0.8 1.5 3.8
Teat.anua 1.4 -0.932 0.111 0.076 4.0 0.1 0.0 7.8 0.1 0.1 3.7
Teat.no 12.1 0.327 0.038 0.051 4.3 0.1 0.1 28.2 0.4 0.7 1.1
Libr.diar 2.7 -0.847 0.778 -0.113 6.5 7.1 0.2 14.1 11.9 0.2 3.3
Libr.vdse 5.1 -0.067 -0.434 0.365 0.1 4.1 3.3 0.2 8.3 5.9 2.8
Libr.sema 2.6 0.021 -0.482 -0.307 0.0 2.6 1.2 0.0 4.2 1.7 3.4
Libr.mens 1.1 -0.576 -0.254 -0.673 1.2 0.3 2.4 2.3 0.5 3.2 3.7
Libr.trim 0.7 0.462 0.036 -0.162 0.5 0.0 0.1 0.9 0.0 0.1 3.8
Libr.anua 0.5 -0.067 -0.889 -0.162 0.0 1.6 0.1 0.0 2.3 0.1 3.9
Libr.no 4.0 0.734 0.494 0.040 7.2 4.2 0.0 17.1 7.8 0.0 3.0
Cine.mens 1.5 -0.992 -0.001 0.879 4.8 0.0 5.4 9.5 0.0 7.5 3.6
Cine.trim 1.8 -0.723 0.177 -0.384 3.0 0.2 1.2 6.1 0.4 1.7 3.6
Cine.seme 1.2 -0.390 -0.512 -0.332 0.6 1.4 0.6 1.2 2.1 0.9 3.7
Análisis de correspondencias múltiples
Cine.anua 1.4 -0.250 0.100 -0.101 0.3 0.1 0.1 0.6 0.1 0.1 3.7
Cine.no 10.8 0.328 0.017 -0.007 3.9 0.0 0.0 19.9 0.1 0.0 1.4
Vide.diar 1.9 -1.067 1.235 0.379 7.3 12.6 1.3 14.8 19.9 1.9 3.5
Vide.vdse 6.0 -0.284 -0.505 0.542 1.6 6.6 8.5 4.6 14.5 16.7 2.5
Vide.sema 3.4 -0.149 -0.390 -0.822 0.3 2.2 11.1 0.6 3.9 17.4 3.2
Vide.mens 0.8 -0.090 0.011 -1.464 0.0 0.0 8.5 0.0 0.0 11.2 3.8
Vide.no 4.5 0.975 0.450 0.004 14.1 3.9 0.0 34.7 7.4 0.0 2.9
Radi.diar 3.3 -0.724 0.709 -0.103 5.7 7.1 0.2 12.9 12.4 0.3 3.2
Radi.vdse 3.3 -0.087 -0.720 0.475 0.1 7.4 3.6 0.2 12.9 5.6 3.2
Radi.sema 0.8 -0.352 -0.619 -1.867 0.3 1.4 14.0 0.7 2.0 18.4 3.8
Radi.no 9.2 0.322 0.063 0.035 3.2 0.2 0.1 12.8 0.5 0.1 1.8
Musi.diar 2.7 -1.037 1.067 0.286 9.7 13.2 1.1 20.8 22.0 1.6 3.4
Musi.vdse 5.9 -0.219 -0.787 0.443 1.0 15.9 5.6 2.7 34.3 10.9 2.6
Musi.sema 1.3 -0.537 -0.451 -2.151 1.3 1.2 29.2 2.5 1.7 39.8 3.7
Musi.no 6.7 0.717 0.357 -0.085 11.5 3.7 0.2 34.6 8.6 0.5 2.4
ayu<-inertia.dudi(acm,,T); table(cbind(peso=acm$cw*100,acm$co,
ayu$col.abs/100,abs(ayu$col.rel)/100),digits=c(0,1,rep(3,3),rep(1,7))
Tabla 6.8. Coordenadas y ayudas para la interpretación de las categorías suplementarias del ACM de consumo cultural
Cate % dis Coordenadas Valores test Cosenos cuadrados
goria tan2 Eje1 Eje2 Eje3 Eje1 Eje2 Eje3 Eje1 Eje2 Eje3
Pare.hijo 42.4 0.336 -0.023 -0.008 0.031 -1.794 -0.588 2.394 0.002 0.000 0.003
Pare.niet 10.7 4.298 0.010 0.043 -0.088 0.215 0.931 -1.887 0.000 0.000 0.002
Pare.otro 3.6 14.895 0.249 -0.039 -0.108 2.860 -0.449 -1.238 0.004 0.000 0.001
Sexo.masc 28.5 0.993 0.022 0.021 0.019 0.979 0.937 0.846 0.000 0.000 0.000
Sexo.feme 28.3 1.007 -0.022 -0.021 -0.019 -0.979 -0.937 -0.846 0.000 0.000 0.000
Edad.a8 13.4 3.221 0.057 0.009 -0.022 1.406 0.215 -0.539 0.001 0.000 0.000
Edad.a9 13.6 3.158 0.030 0.058 -0.025 0.739 1.450 -0.632 0.000 0.001 0.000
Edad.a10 14.7 2.865 -0.019 -0.020 0.047 -0.491 -0.524 1.241 0.000 0.000 0.001
Edad.a11 15.0 2.790 -0.060 -0.041 -0.004 -1.586 -1.092 -0.100 0.001 0.001 0.000
Regi.Atla 7.7 6.354 -0.316 -0.003 -0.125 -5.561 -0.050 -2.209 0.016 0.000 0.002
Regi.Orie 12.9 3.380 0.222 0.066 0.092 5.365 1.602 2.220 0.015 0.001 0.003
Regi.Cent 9.4 5.009 -0.142 -0.014 -0.069 -2.811 -0.271 -1.378 0.004 0.000 0.001
Regi.Paci 8.8 5.441 0.033 0.053 0.088 0.630 1.012 1.672 0.000 0.001 0.001
Regi.Bogo 8.9 5.358 -0.238 -0.097 0.006 -4.554 -1.861 0.119 0.011 0.002 0.000
Regi.OrAm 8.9 5.379 0.306 -0.035 -0.045 5.861 -0.669 -0.853 0.017 0.000 0.000
Estr.0o1 23.8 1.378 0.286 0.018 0.010 10.819 0.692 0.378 0.059 0.000 0.000
Estr.2 22.0 1.580 -0.101 -0.008 -0.043 -3.582 -0.293 -1.513 0.007 0.000 0.001
Estr.3oM 10.9 4.214 -0.422 -0.023 0.065 -9.133 -0.506 1.398 0.042 0.000 0.001
xtable(data.frame(por=sc$ncat/34.76,dis2=sc$dis2,coor=sc$coor,
vt=sc$tv,cos2=sc$cos2),digits=c(0,1,rep(3,10)))
Análisis de correspondencias múltiples
·
179

Los niños entre 8 y 11 años de la muestra del Dane (2014) tienen un bajo
consumo cultural: menos de la mitad asisten a teatro, cine o escuchan radio;
casi la cuarta parte dice no leer libros (figura 6.8).
Las categorías se ordenan en el primer plano factorial, en forma de pa-
rábola, lo que muestra la tendencia general de que los niños que tienen bajo
consumo cultural, lo tienen simultáneamente en las seis actividades. En-
tonces, el primer plano factorial es un indicador del consumo cultural y se
pueden vislumbrar grupos de niños: los ubicados arriba a la izquierda son
los de mayor consumo y los de arriba a la derecha los de menor consumo.
En el centro del plano hacia abajo se ubican los de consumo medio (6.11).
Si se desea ordenar a los niños por su consumo cultural, se pueden uti-
lizar las coordenadas del primer eje, pues este es también un indicador de
consumo cultural.
El nivel de consumo cultural está explicado en parte, por el nivel socio-
económico (aproximado con el estrato), la relación con el jefe del hogar y la
región donde viven los niños. Los niños suelen tener más consumo cultural
a mayor nivel socioeconómica o si viven con padres o abuelos y si son de
las regiones Atlántica, Bogotá o Central (6.12).
6.6. Ejercicios
1. Obtenga las fórmulas del ACM como el ACS de la tabla disyuntiva
completa.
2. Obtenga e interprete la distancia entre dos individuos.
3. Demuestre que la distancia entre dos categorías j y k es igual a

n
d 2 ( j, k) = (b +c), donde b es el número de individuos que asumen
n j nk
la categoría j pero no la k y c cumple la condición contraria, es decir,
(b + c) es el número de individuos que asumen una y solo una de las
dos categorías.
4. Demuestre que la subnube de categorías de una misma variable tiene

el mismo centro de gravedad de la nube completa.
5. Demuestre que la nube de categorías está contenida en un subespacio

de dimensión p − s, siendo p el número de categorías y s el número
de variables.
6. Obtenga e interprete las inercias: de una categoría, de una variable y

total.
7. Demuestre que el valor test asociado a s la coordenada sobre el eje de

n j (n − 1)
una variable suplementario j es: ts ( j) = Gs ( j).
n − nj
8. Demuestre que un ACM cuando todas las variables tienen dos cate-
gorías es equivalente a un ACP normado de una de las categorías por
cada una de las variables.
9. Demuestre que el criterio de Benzécri para un ACM con dos variables

coincide con las tasas de inercia del ACS.
10. Demuestre la igualdad de la ecuación (6.12).
6.7. Talleres de ACM
6.7.1. ACM de razas de perros

Este taller se encuentra en Fine (1996) y es un ejemplo pequeño para en-
tender los conceptos del ACM.
Objetivo
Seleccionar las razas de perros de acuerdo con la función para la que se utili-
zan: compañia, caza o utilidad (salvamento, defensa, perro lazarillo o policía,
etc.). Los datos se encuentran en el paquete FactoClass como DogBreeds.
Para cada una de las veintisiete razas estudiadas se registran seis variables
que miden las cualidades físicas o psíquicas de la raza:
Variables Categorías
Tamaño Pequeño Medio Grande
Peso Liviano Medio Pesado
Velocidad Baja Media Alta
Inteligencia Pequeña Media Grande
Afectividad Pequeña Grande
Agresividad Pequeña Grande
Función Compañía Caza Utilidad
Realice el ACM y resuelva las preguntas que aparecen a continuación.
Preguntas
1. A partir del archivo de datos responda:
a) ¿Cuáles son las características del perro CANI?

b) Identifique los pares de razas (“individuos") que presentan
características idénticas.
2. Construya la tabla disyuntiva completa (TDC) y observándola

responda:
a) ¿Qué categorías presenta la raza bóxer para cada una de las va-
riables?
b) ¿Cuántas razas de perros se caracterizan por poseer una inteli-
gencia media y cuáles son?
3. Construya la tabla de Burt (se puede pedir en el ACM) y observándola

responda:
a) ¿Cómo se distribuyen las razas de perros según la variable peso?

b) ¿Cuántas razas de perros son muy inteligentes y poco afectuosas?
c) ¿Cuántas razas de perros tienen inteligencia media o superior y
gran tamaño?
4. ¿Cuántos ejes factoriales considera razonable interpretar?
5. ¿Cuáles son las categorías que constituyen el primer eje? (Contribu-

ción mayor que el promedio)
6. ¿Qué categorías tienen coordenadas importantes en el primer eje y de

qué signos son?
7. ¿Cuáles son las razas que se encuentran más alejadas del origen?
¿Cuáles son sus coordenadas sobre el primer eje?
8. ¿Cuáles son las categorías más contributivas al segundo eje?
9. Observando la coordenada de la categoría baja de la característica

velocidad. ¿En qué dirección del segundo eje se encontrarán los pe-
rros poco veloces? Teniendo en cuenta esto y razonando sobre el espa-
cio de los individuos, ¿qué razas de perros podrían considerarse poco
veloces?
10. ¿Es posible distinguir grupos de categorías en el primer plano facto-

rial? ¿Cuántos grupos? ¿Qué categorías integran cada uno de ellos?
11. En el gráfico de las categorías activas e ilustrativas (función) sobre el

primer plano factorial, ¿a qué grupo de categorías activas se encuen-
tran vinculadas cada una de las categorías de la variable suplementa-
ria?
12. En el gráfico simultáneo de individuos y categorías, ¿qué razas de pe-

rros corresponden a cada una de los grupos de categorías identifica-
dos?. Es decir, ¿qué razas de perros conforman cada grupo?
13. Para cada grupo de razas de perros que usted ha definido, calcule los
perfiles de las características observadas. Es decir, ¿cuáles son las ca-
racterísticas de cada uno de los grupos de razas?
14. Compare los perfiles de los grupos de razas y exprese en unas pocas
frases las conclusiones.
6.7.2. Comparación de AC
Caso de dos variables

Para las variables carr y estr realice el ACS, el ACM y el AC de la tabla de
Burt respectiva. Verifique que se cumplen cada una de las fórmulas dadas
en Lebart, Piron y Morineau (2006) para la comparación.
Escriba la tabla 5.2 reemplazando las fórmulas por los resultados
numéricos del ejercicio. Haga un resumen de la comparación. Responda
las siguientes preguntas:
1. En el ACS de la TC, las coordenadas del centro de gravedad de la nube

de los perfiles fila son:
2. En el ACS, la nube está soportada en: dimensiones.
3. La inercia asociada al ACS es: ¿Qué significa?
4. En el ACS, el porcentaje de inercia retenido por el primer plano es:

%.
5. En el ACM equivalente al ACS, la TDC tiene filas y

columnas.
6. En el ACM de la TDC las nubes de “individuos” y de categorías tienen,

respectivamente, y puntos.
7. En este ACM las nubes están soportadas en dimensiones.
8. La inercia asociada al ACM es: y su significado estadístico

es:
9. La tabla de Burt asociada a la TDC tiene filas y

columnas y su total es:
10. Según el criterio de Benzécri, en el ACM para el histograma de los τ,

se deben tener en cuenta ejes y el primer plano retiene
el % de la suma de los τ.
ACM y AC de la tabla de Burt.

Ejecute el ACS de la tabla de Burt del taller razas de perros y compare los
resultados con el ACM ya realizado, verificando las fórmulas de compara-
ción dadas en Lebart, Piron y Morineau (2006). Haga un resumen de la
comparación.
Realice el histograma del Benzécri para el ACM de razas de perros y utilí-
celo en la decisión de cuántos ejes interpretar.
Capítulo
siete
Métodos de
clasificación
Métodos de clasificación · 187
Los métodos de clasificación que se abordan en este documento, son los

denominados en inglés Cluster Analysis, expresión que se puede traducir co-
mo “métodos de agrupamiento”, cuyo objetivo es descubrir patrones en los
datos en forma de grupos bien diferenciados, que tengan individuos homo-
géneos en su interior. En las áreas de minería de datos, aprendizaje auto-
mático y reconocimiento de patrones, se conocen con el nombre de métodos
de clasificación no supervisada. La literatura francesa de análisis de datos los
denomina métodos de clasificación automática.
En el sentido matemático un algoritmo de agrupamiento busca una par-
tición de un conjunto de n elementos en K subconjuntos, que es lo mismo
que definir una variable cualitativa emergente de los datos.
En primera instancia, se conocen dos tipos de métodos:
1. Los que permiten obtener una partición directa mediante un algorit-
mo. El más conocido y utilizado es el K-means.
2. Los que construyen una sucesión de particiones anidadas, que se re-

presentan mediante un árbol o dendrograma. Se conocen como méto-
dos de clasificación jerárquica. Los más utilizados son los de clasificación
jerárquica aglomerativa, que parten de todos los individuos, como n
clases de un elemento, y se van uniendo en pasos sucesivos hasta llegar
a un solo grupo o clase de n individuos.
Los algoritmos de clasificación utilizan medidas de similitud, disimilitud
o distancia entre individuos y entre grupos. Las similitudes, disimilitudes o
distancias entre grupos constituyen los criterios de agregación de los méto-
dos de clasificación jerárquica aglomerativa.
En este documento se sigue la propuesta proveniente de la literatura
francesa, que es combinar los dos tipos de métodos de clasificación, para
obtener una mejor partición, y además combinarlos con los métodos en
ejes principales (Lebart, Morineau y Piron, 1995; Lebart, Piron y Mori-
neau, 2006). Para el estudio general de los métodos de agrupamiento se
recomienda el texto de Everitt, Landau, Leese y Stahl (2011).
7.1. Obtener una partición directa

En estos algorítmos se dan el número de clases, los puntos iniciales requeri-
dos para empezar el algoritmo y un criterio de parada. Uno de los métodos
más conocidos es el K-means (Ball y Hall, 1965; MacQueen, 1967), que es-
tá relacionado con la geometría utilizada en los métodos en ejes principales
188 · Métodos de clasificación
porque recurre a la distancia euclidiana entre individuos; y la distancia entre

grupos se calcula como la distancia euclidiana entre sus centros de gravedad.
Los criterios de homogeneidad intra grupos y de heterogeneidad entre
grupos, implícitos en el método K-means, están definidos a partir de la iner-
cia: en una nube de puntos dotada de una partición en K clases.
7.1.1. Descomposición de la inercia

Sea una nube de n puntos Nn en Rp con una partición en K clases. Entonces,
la inercia total de la nube de puntos con respecto a su centro de gravedad g
se puede descomponer en inercia entre clases e inercia intraclases:
n
Õ K
Õ K Õ
Õ
I nerci a(Nn ) = pi d 2 (i, g) = pk d 2 (gk , g) + pi d 2 (i, gk ) (7.1)
i=1 k=1 k=1 i ∈Ik
donde:
n
pi = 1.
Í
pi : peso del individuo i,
i=1
n
g: centro de gravedad de la nube de puntos, g = pi xi , x0i , es la fila i de
Í
i=1
la matriz de coordenadas de los puntos X con n filas y p columnas.
pk : peso de la clase k, pk =
Í
pi .
i ∈Ik
Í pi
gk : centro de gravedad de la clase k, gk = xi .
i ∈Ik pk
d 2 (., .) es la distancia euclidiana canónica.
El primer término de la fórmula (7.1) es la inercia entre clases y el se-

gundo, la inercia intraclases. En el cálculo de la inercia ha intervenido la
distancia euclidiana canónica. Así pues, la medida de disimilitud entre in-
dividuos ya está seleccionada.
El método K-means, como se verá en la sección siguiente, busca una par-
tición en K clases que tenga inercia intraclases mínima.
7.1.2. Agregación alrededor de centros móviles:

K−means
Dentro de los algoritmos que permiten obtener particiones del número de
clases deseado, el método K-means es uno de los más utilizados y forma
parte de los métodos, conocidos en la literatura francesa, como de agregación
alrededor de centros móviles.
A continuación, se resume el procedimiento descrito en Lebart et al.
(2006) utilizando también su notación, que es útil para entender la lógica e
interpretación del K-means. Los algoritmos implementados en los progra-
mas estadísticos son un poco diferentes, ya que están optimizados para que
sean más eficientes.
Se busca una partición en K clases de un conjunto I de n individuos,
descritos por p variables continuas. Se tiene entonces una nube de n puntos-
individuos en Rp , dotada de una distancia euclidiana d.
El algoritmo procede de la manera siguiente (en la notación el superín-
dice indica el número de la etapa o paso dentro del algoritmo y el subíndice,
da la clase):
• Paso 0
Se dan K centros iniciales de las clases: {C10, C20, . . . , Ck0, . . . , CK0 }, que
inducen a una partición de I en K clases P 0 = {I10, I20, . . . , Ik0, . . . , IK0 }.
De tal forma que el individuo i pertenece a la clase Ik0 si el punto i está
más próximo de Ck0 que de todos los demás centros.
• Paso 1
Se determinan los K centros de gravedad {C11, C21, . . . , Ck1, . . . , CK1 } de
las clases {I10, I20, . . . , Ik0, . . . , IK0 }.
Estos nuevos centros llevan a una nueva partición construida con la mis-
ma regla: P 1 = {I11, I21, . . . , Ik1, . . . , IK1 }.
• Paso m
Se determinan K nuevos centros de las clases {C1m , C2m , . . . , Ckm , . . . , CKm }
tomando los centros de gravedad de las clases en el paso m − 1:
{I1m−1, I2m−1, . . . , Ikm−1, . . . , IKm−1 }.
Estos nuevos centros inducen a una nueva partición del conjunto I:
P m = {I1m , I2m , . . . , Ikm , . . . , IKm }.
El algoritmo se detiene si la nueva partición no es mejor que la anterior (la

inercia intraclases deja de disminuir), o si dos iteraciones sucesivas dan la
misma partición, o porque se ha alcanzado un número máximo de itera-
ciones fijado de antemano. Generalmente la partición obtenida depende
de la selección inicial de los centros.
El algoritmo K−means disminuye la inercia intraclases.

Hay que mostrar que la partición P m = {I1m , I2m , . . . , Ikm , . . . , IKm } tiene
una inercia intraclases menor o igual a la de la partición P m−1 de la etapa
anterior.
A cada individuo del conjunto a clasificar, se le asocia un peso pi > 0 tal
n
pi = 1. d 2 (i, Ckm ) es el cuadrado de la distancia entre el individuo i y
Í
que
i=1
el centro inicial de la clase k en la etapa m, que es el centro de gravedad de
la clase k en el paso m−1. Entonces, la suma de las inercias de las clases de
la partición P m con respecto a los puntos que permitieron construirla es:
K Õ
Õ
v(m) = pi d 2 (i, Ckm ) (7.2)
k=1 i ∈Ikm
Recordemos que en la etapa m, Ikm es el conjunto de los individuos que

están más próximos a Ckm que de todos los otros centros, y que el centro de
gravedad de esta clase se calcula en la etapa m + 1: Ckm+1 = gkm .
La inercia intraclases en la etapa m es la cantidad:
K Õ
Õ
V (m) = pi d 2 (i, Ckm+1 ) (7.3)
k=1 i ∈Ikm
donde Ckm+1 es el centro de gravedad de la clase Ikm , que es el nuevo centro

en la etapa m + 1.
La suma de las inercias con respecto a los puntos que originaron la par-
tición P m+1 es
ÕK Õ
v(m + 1) = pi d 2 (i, Ckm+1 ) (7.4)
k=1 i ∈I m+1
k
V (m) de (7.3) es menor o igual que v(m) de (7.2) porque la inercia con
respecto al centro de gravedad es siempre menor o igual a la inercia con
respecto a cualquier otro punto.
La cantidad v(m + 1) de (7.4) es menor o igual a V (m) de (7.3) porque,
si al menos un individuo cambia de clase, en la nueva partición es porque
queda más cerca de otro nuevo centro.
Entonces, v(m + 1) ≤ V (m) ≤ v(m) ≤ V (m − 1), es decir, la inercia
intraclases disminuye con cada paso del algoritmo.
Ejemplo “Café”
Como “ejemplo de juego” vamos a utilizar el ejemplo “Café” del capítulo 3,

partiendo de las coordenadas sobre el primer plano factorial (figura 3.7).
Buscaremos dos clases ejecutando “a mano” el procedimiento K-means
partiendo de los cafés: ExCl y O40C, como centros iniciales.
En la tabla 7.1 se muestran los pasos del proceso. Las coordenadas sobre
el primer plano factorial son las dos primeras columnas de la tabla 7.1
(abajo), ordenadas por las coordenadas sobre el primer eje. En la figura 7.1
se puede visualizar el procedimiento.
Pasos del K−means de los diez cafés
Aquí se muestran los centros y las particiones de cada paso del algoritmo,
extraídos de tabla 7.1.
C10 = [−0.89, −1.68]




Paso 0: K = 2; centros iniciales:

C20 = [0.15, 1.31]




 I10 = {ExOs, ExCl, C20C, C20M }




La partición es: P0 =

 I20 = {O20C, O20M, O40C, O40M, C40C, C40M }




C11 = [−0.66, −0.89]





Paso 1: Centros de gravedad de P0 :
C21 = [0.44, 0.59]



 I11 = {ExOs, O20C, ExCl, C20C}




Partición: P1 =

 I21 = {O20M, O40C, O40M, C20M, C40C, C40M }




d=1 d=1
O40C O40C
C02
O40M O40M
O20C O20C O20M

O20M
C12
C12 C22
C40C C40C
ExOs ExOs
C40M
C40M
C21
C20C C20C
C11 C11
C20M C20M
C01
ExCl ExCl
Paso 0 Paso 1
d=1 d=1
O40C
O40C
O40M O40M
O20C O20M O20C O20M
C22 C32 C42

C40C C40C
ExOs ExOs
C31 C40M C41 C40M
C21
C20C C20M C20C C20M
ExCl ExCl
Paso 2 Paso 3
Figura 7.1. Ejemplo de clasificación con K-means de los cafés a partir de las
coordenadas factoriales sobre los ejes 1 y 2. Los rayos indican la pertenencia
a cada clase al unir el centro de gravedad con los puntos. Con los centros
iniciales C10 y C20 se construye la partición que se muestra en el paso 0. Los
puntos C11 y C21 son los dos centros de gravedad y los puntos iniciales para
construir la partición del paso 1. C12 y C22 son los centros de gravedad de la
partición del paso 1 y los puntos iniciales del paso 2. En el paso 3 no hay
cambios y el proceso termina
C12 = [−1.27, −0.47]





C22 = [0.85, 0.31]



 I12 = {ExOs, O20C, O20M, ExCl, C20C}




Partición: P2 =

 I22 = {O40C, O40M, C20M, C40C, C40M }




C13 = [−1.23, −0.24]





C23 = [1.23, 0.25]



Como la partición P3 es igual a la partición P2 , el algoritmo termina.
Nótese que los centros de gravedad obtenidos en este paso, son los de
las clases de la partición final.
Tabla 7.1. Clasificación “a mano” de los diez cafés con K-means: arriba los
centros de cada clase en cada paso y abajo las coordenadas de los cafés, las
distancias a las clases y la asignación de clase (1 o 2)
Centros
Paso 0 Paso 1 Paso 2 Paso 3
Coordenadas C10 C20 C11 C21 C12 C22 C13 C23
F1 -0.89 0.15 -0.66 0.44 -1.27 0.85 -1.23 1.23
F2 -1.68 1.31 -0.89 0.59 -0.47 0.31 -0.24 0.25
Distancias y particiones de pasos 0 y 1
Coordenadas Paso 0 Paso 1

Cafés F1 F2 C10 C20 P0 C11 C21 P1
ExOs -2.47 -0.04 2.28 2.95 1 2.00 2.98 1
O20C -1.29 0.67 2.38 1.58 2 1.68 1.73 1
O20M -1.04 0.65 2.33 1.36 2 1.59 1.48 2
ExCl -0.89 -1.68 0.00 3.17 1 0.82 2.63 1
C20C -0.44 -0.82 0.97 2.21 1 0.23 1.66 1
O40C 0.15 1.31 3.17 0.00 2 2.34 0.78 2
O40M 0.98 1.01 3.28 0.88 2 2.51 0.68 2
C20M 1.14 -1.02 2.13 2.53 1 1.80 1.76 2
C40C 1.18 0.15 2.76 1.55 2 2.11 0.86 2
C40M 2.68 -0.22 3.86 2.96 2 3.41 2.38 2
Distancias y particiones de pasos 2 y 3
Coordenadas Paso 2 Paso 3

Cafés F1 F2 C12 C22 P2 C13 C23 P3
ExOs -2.47 -0.04 1.27 3.34 1 1.26 3.71 1
O20C -1.29 0.67 1.14 2.17 1 0.91 2.55 1
O20M -1.04 0.65 1.14 1.92 1 0.91 2.30 1
ExCl -0.89 -1.68 1.27 2.64 1 1.48 2.87 1
C20C -0.44 -0.82 0.90 1.71 1 0.98 1.98 1
O40C 0.15 1.31 2.28 1.22 2 2.08 1.51 2
O40M 0.98 1.01 2.69 0.71 2 2.54 0.80 2
C20M 1.14 -1.02 2.47 1.36 2 2.50 1.27 2
C40C 1.18 0.15 2.53 0.37 2 2.44 0.11 2
C40M 2.68 -0.22 3.96 1.91 2 3.91 1.52 2
Ventajas y desventajas del método K−means

El método K-means se utiliza ampliamente porque es muy rápido y poco
exigente en recursos de cómputo. Sin embargo, tiene dos problemas:
1. Con un método de agrupamiento se pretende descubrir una estruc-

tura de clases en los datos y al algoritmo K-means se le suministran el
número de clases y los puntos iniciales.
2. En general, la inercia mínima que se obtiene depende de los puntos

iniciales.
7.2. Métodos de clasificación jerárquica

Son de dos tipos: aglomerativos y divisivos. Los más usados son los prime-
ros, conocidos en la literatura de ciencias naturales, como métodos de clasifica-
ción ascendente jerárquica aglomerativa (Sokal y Sneath, 1963). Estos métodos
construyen una serie de particiones anidadas, empezando por los n indivi-
duos, uniendo los dos más cercanos para tener una partición de n − 1 clases,
calculando la distancia entre el nuevo grupo y los demás individuos, selec-
cionando de nuevo los dos más cercanos, para conseguir una partición en
n − 2 clases y continuar aglomerando hasta llegar a una partición de una
clase con los n individuos. El proceso de uniones se representa en un árbol
de clasificación o dendrograma.
Estos métodos utilizan un índice de similitud, disimilitud o distancia en-
tre individuos. Se dispone de unos cuantos en la literatura dependiendo del
tipo de variables y de las aplicaciones. En nuestro contexto se selecciona la
distancia euclidiana canónica.
Al conformar grupos se necesita definir una distancia entre ellos, que se
denomina criterio de agregación y le da nombre a un método específico. Los
más sencillos son el de enlace simple y enlace completo. El primero define la
distancia como la que hay entre los dos individuos más cercanos cada uno
de diferente grupo y el segundo, entre los dos individuos más lejanos.
Un procedimiento de clasificación jerárquica aglomerativa procede de la
siguiente manera:
1. Seleccionar y calcular un índice de disimilitud entre individuos.
2. Seleccionar un criterio de agregación o disimilitud entre grupos.
3. Construir el árbol de clasificación o jerarquía de particiones

indexadas:
a) Buscar el menor valor en D: dil0 : grupo Iil0 .

b) Calcular los índices de disimilitud entre Iil0 y los demás

individuos.
c) Eliminar las filas y columnas i y l e incluir la fila y columna Iil0 ,
para colocar las disimilitudes.
d) Volver a 3a y repetir hasta tener un solo grupo de n individuos.
7.2.1. Índices de similitud, disimilitud y distancias

Las definiciones de esta sección se han tomado del texto de Jambu (1983).
Las medidas de similitud evalúan el grado de parecido o proximidad existente
entre dos elementos. Los valores más altos indican mayor parecido o pro-
ximidad entre los elementos comparados. Un índice de similitud sobre un
conjunto E es una aplicación de E × E que va hacia R+ ∪{0}:
s: E×E −→ R+ ∪{0}
(i, l) 7−→ s(i, l)
tal que:
s(i, l) = s(l, i) ∀ (i, l) ∈ E × E
s(i, i) = s(l, l) = smax > s(i, l) ∀i ∈ E
Las medidas de disimilitud ponen el énfasis en el grado de diferencia o le-
janía existente entre dos elementos. Los más altos indican mayor diferencia
o lejanía entre los elementos comparados.
Cuando dos elementos coinciden en sus características, la disimilitud es
nula. Las medidas de disimilitud son las que han pasado al vocabulario co-
mún con la acepción de medidas de distancia.
Un índice de disimilitud sobre un conjunto E es una aplicación de E × E
que va hacia R+ ∪{0}:
d: E×E −→ R+ ∪{0}
(i, l) 7−→ d(i, l)
tal que:
d(i, l) = d(l, i) ∀ (i, l) ∈ E × E
d(i, i) = 0 ∀i ∈ E
A un índice de similitud se le puede asociar un índice de disimilitud me-
diante la siguiente ecuación:
d(i, l) = smax − s(i, l)

Teniendo en cuenta las siguientes propiedades se obtienen distintos tipos

de índices de disimilitud:
1. d(i, l) = 0 → i = l
2. d(i, l) ≤ d(i, k) + d(l, k) ∀i, l, k ∈ E (7.5)
3. d(i, l) ≤ máx{d(i, k), d(l, k)}∀i, l, k ∈ E
Si el índice de disimilitud cumple la propiedad 1, se denomina índice de

distancia; si verifica la propiedad 2, se llama desviación; si cumple la 1 y 2,
se llama distancia y si cumple las propiedades 1 y 3 (la propiedad 3 impli-
ca la 2), se llama ultramétrica, que es la distancia asociada a los árboles de
clasificación jerárquica.
Teniendo en cuenta las anteriores definiciones se van a mostrar algu-
nos ejemplos de medidas de similitud para tablas binarias y distancias para
variables de intervalo.
7.2.2. Índices de similitud para tablas binarias

Se calculan sobre una tabla de n individuos por p atributos de naturaleza
binaria. La presencia de un 1 en una celda (i, j) indica que el individuo i
tiene el atributo j y la de un cero, que no lo tiene. Entonces, un conteo
para comparar los individuos i y l se puede registrar en una tabla de cuatro
celdas:
Individuo l Suma
1 0
Individuo 1 a b a+b
i
0 c d c+d
Suma a+c b+d p
a: número de atributos presentes en los dos individuos.
b: número de atributos presentes en el individuo i y ausentes en el

individuo l.
c: número de atributos ausentes en el individuo i y presentes en el

individuo l.
d: número de atributos ausentes en los dos individuos.
Se definen, además:
m = a + d coincidencias.
u = b + c no coincidencias.
En la tabla 7.2 se muestran algunos de los índices propuestos en la lite-

ratura, que están disponibles en la función dist.binary{ade4}. El número
de la última columna de la tabla se utiliza para que la función calcule el
índice deseado.
Tabla 7.2. Índices de similitud para tablas binarias

Nombre y referencia Fórmula method1
a
Jaccard (1908) S J (i, l) = 1
a+b+c
a+d m
De coincidencias simple (Sokal y Mi- SSM (i, l) = = 2
a+b+c+d p
chener, 1958)
2a + 2d 2m
Sokal y Sneath (1963) Sss = = 3
2a + b + c + 2d 2m + u
m
Rogers y Tanimoto (1960) SRT (i, l) = 4
p+u
2a
Dice (1945) SD (i, l) = 5
2a + b + c
m−u
Hamann (1961) SH (i, l) = 6
p
a
Ochiai (1957) So = p 7
(a + b)(a + c)
ad
Gowers (Sokal y Sneath, 1963) s8 = p 8
(a + b)(a + c)(d + b)(d + c)
ad − bc
Pearson (Sokal y Sneath, 1963) Sφ (i, l) = 9
(adbc)1/2
a a
Russell y Rao (Sokal y Sneath, 1963) SRR (i, l) = = 10
a+b+c+d p
1 Parámetro para seleccionar el índice en la función dist.binary{ade4}

7.2.3. Distancias para variables de intervalo

La distancia entre dos individuos i y l se calcula a partir de las filas res-
pectivas de la matriz X, cuyas columnas son p variables cuantitativas. Los
individuos están representados como vectores en Rp en donde se define la
distancia como:
d: Rp ×Rp −→ R+ ∪{0}
(i, l) 7−→ d(i, l)
Las distancias disponibles en la función dist{stats} se presentan en la

tabla 7.3. La distancias euclidiana, de Manhattan, y del máximo son casos
particulares de la distancia de Minkowski cuando r = 2, r = 1 y r → ∞.
Tabla 7.3. Distancias para variables de intervalo

Nombre Fórmula method1
s
p 2
d(i, l) = euclidian
Í
Euclidiana xi j − xl j
j=1
p
manhattan
Í
Manhattan o Cityblock xi j − xl j
j=1
! 1/r
p
xi j − xl j r minkowski
Í
Minkowski ; r ∈R
j=1
Del máximo o de Chebychev máx{xi j − xl j } maximum

j
p |xi j − xl j |
canberra
Í
Canberra
j=1 xi j + xl j
1 Parámetro para seleccionar en la función dist{stats}.
7.2.4. Criterios de agregación

Para completar un procedimiento de aglomeración jerárquica hay que se-
leccionar una similitud, disimilitud o distancia entre grupos, que se denomi-
na también criterio de agregación. Aquí solo se mencionan tres y en la sección
7.2.7 se introduce el criterio de agregación de Ward. Sean los grupos: A con
nA elementos, y B con nB elementos.
Enlace simple
La distancia entre dos grupos A y B es igual a la distancia de los dos indivi-
duos de diferente grupo más cercanos:
d(A, B) = mı́n{d(i, l); i ∈ A; l ∈ B}
Este criterio tiende a producir grupos alargados (efecto de encadenamiento),

que pueden incluir elementos muy distintos en los extremos.
Enlace completo
La distancia entre los dos grupos es la distancia entre los dos individuos de
diferente grupo más alejados:
d(A, B) = máx{d(i, l); i ∈ A; l ∈ B}
El enlace completo tiende a producir grupos esféricos.
Enlace promedio
La distancia entre los dos grupos es el promedio de distancias entre todas
las parejas de individuos de diferente grupo:
1 ÕÕ
d(A, B) = d(i, l)
n A nB
i ∈A l ∈B
En ciencias naturales se conoce como UPGMA (Unweighted Pair Group

Method with Arithmetic Mean). Tiende a unir grupos con varianzas pequeñas
y es intermedio entre los enlaces simple y completo (Everitt et al., 2011).
El procedimiento descrito en la sección 7.2 es posible porque las distan-
cias entre grupos se pueden calcular a partir de la matriz del paso inmediata-
mente anterior. Sean los grupos: A con nA elementos, y B con nB elementos,
que se fusionan para crear un grupo AB con nAB = nA + nB elementos. Sea
otro grupo C con nC elementos, entonces:
Enlace simple: d(AB, C) = mı́n{d(A, C), d(B, C)}.
Enlace completo: d(AB, C) = máx{d(A, C), d(B, C)}.
nA d(A, C) + nB d(B, C)
Enlace promedio: d(AB, C) = .
n A + nB
7.2.5. Ejemplo “de juguete”

Para entender el proceso de construcción de un árbol usaremos un ejem-
plo de puntos sobre un plano, con la distancia de Manhattan entre puntos y
el enlace completo como criterio de agregación, es decir, la distancia entre
grupos. En la figura 7.2 se muestra el plano con los puntos y todo el pro-
ceso de construcción del árbol. Las distancias de Manhattan se encuentran
recorriendo las calles representadas en la grilla de la gráfica, es decir, no hay
diagonales. Por ejemplo, la distancia entre a y b es 2, lo mismo que entre a
y c y entre b y c.
7
5
X2
6
4
e f
5
3
d
4
Indice
b
3
a c
2
f
1
1
e
X1
0 1 2 3 4 5
Coordenadas de los puntos Árbol con distancia de Manhattan y enlace completo
Distancias de Manhattan y enlace completo:
paso 1 paso 2 paso 3

a b c d e
a b c de
b 2 ab c de
b 2
c 2 2 c 2
c 2 2
d 4 2 2 de 5 3
de 5 3 3
e 5 3 3 1 f 7 5 3
f 7 5 5 3
f 7 5 5 3 2
paso 4 paso 5 Ultramétrica

a b c d e
b 2
abc de
abc c 2 2
de 5
def 7 d 7 7 7
f 7 3
e 7 7 7 1
f 7 7 7 3 3
Figura 7.2. Ejemplo “de juego” de una clasificación jerárquica aglomerativa

El proceso de aglomeración es el siguiente:
1. Se unen los puntos d y e a una distancia de 1. Se tiene ahora una

partición en 5 clases.
2. Se calculan las distancias entre el grupo de y los demás puntos. La

matriz pierde una fila y una columna. La distancia de enlace completo
entre dos grupos corresponde a la de los dos puntos más alejados entre
sí, uno de cada grupo. Por ejemplo la distancia entre de y a es la de
a y e (5), porque e está más alejado de a que d. Se unen a y b a una
distancia de 2, y se forma una partición en 4 clases.
3. Se calculan las distancias de enlace completo entre el grupo ab y los

demás puntos y grupos. Se une c al grupo ab a una distancia de 2.
Ahora la partición es en 3 clases.
4. Se calculan las distancias de enlace completo entre el grupo abc, el

grupo de y el punto f . Se une f al grupo de a una distancia de 3. La
partición tiene dos clases.
5. La distancia de enlace completo entre los grupos abc y de f es de 7.

Finalmente se unen estos dos grupos y todos los puntos quedan en
una sola clase.
En cada paso del proceso de aglomeración se calculan las nuevas distan-

cias a partir de la matriz del paso anterior, propiedad importante porque no
hay que volver más atrás para calcularlas.
Las particiones anidadas que se van construyendo en el proceso de aglo-
meración quedan registradas en el árbol, partiendo de los puntos hasta lle-
gar a una sola clase con todos los puntos. Se denomina nodos a los puntos
de unión; e índices de nivel a las distancias asociadas, que corresponden a las
alturas del árbol.
7.2.6. Ultramétrica asociada a un árbol

Una distancia euclidiana d cumple la desigualdad triangular: sean a, b y c
tres puntos en Rp , entonces:
d(a, b) ≤ d(a, c) + d(b, c) (7.6)

Una distancia ultramétrica es más restrictiva y cumple la propiedad:
d(a, b) ≤ max{d(a, c), d(b, c)} (7.7)
Si se cumple (7.7) también se cumple (7.6); en la ultramétrica los triángu-

los son isóceles. Un árbol de clasificación tiene una ultramétrica asociada,
definida como la altura mayor del camino que hay que recorrer, en el árbol,
para conectar los dos puntos. En la figura 7.2 se muestra un árbol y la ul-
tramétrica asociada a este. La ultramétrica entre a y b es 2 porque hay que
subir a esa altura para unirlos. Las ultramétricas entre a y f y entre b y f
son iguales a 7.
Se cumple que d(a, b) ≤ max{d(a, f ), d(b, f )}, es decir, 2 ≤ max{7, 7}.
También se cumple que d(a, f ) ≤ max{d(a, b), d(b, f )}, o sea, 7 ≤
max{2, 7}.
En taxonomía numérica en ciencias naturales se usa el coeficiente de co-
rrelación cofenética (Sokal y Rohlf, 1962) para medir la proximidad entre
un árbol de clasificación y la matriz de similitudes o disimilitudes utilizada
para su construcción. Se define como la correlación entre los valores pre-
sentes en la matriz de similitudes, disimilitudes o distancias y los valores
correspondientes de las ultramétricas obtenidas en un proceso de clasifica-
ción jerárquica aglomerativa.
Se muestra el cálculo del coeficiente de correlación cofenético entre las
distancias de Manhattan y las ultramétricas asociadas al árbol de la figura
7.2 obtenido utilizando el enlace completo:
dis <-c ( D ); dis
# [1] 2 2 4 5 7 2 2 3 5 2 3 5 1 3 2
ult <- c (2 ,2 ,7 ,7 ,7 ,2 ,7 ,7 ,7 ,7 ,7 ,7 ,1 ,3 ,3)
cor ( dis , ult )
# [1] 0.6369261
7.2.7. Método de Ward

Para lograr grupos que tengan inercia mínima intraclases se debe utilizar
una distancia euclidiana y unir en cada paso del procedimiento los dos gru-
pos que aumenten menos la inercia intraclases, que corresponde al método
de Ward (Ward, 1963; Wishart, 1969).
Distancia de Ward entre grupos e individuos
En la figura 7.3 se muestran esquemáticamente tres grupos A, B y C. Si

estos grupos están presentes en un proceso de clasificación jerárquica con
el método de Ward, hay que tomar la decisión de cuál de las tres parejas
de grupos unir. Es decir qué unión es la que causa menos incremento en la
inercia intra grupos.
El incremento de inercia al unir A y B es IAB −IA −IB . A estos incrementos
los llamaremos distancias de Ward entre grupos y las notaremos W . Entonces,
hay que calcular W (A, B), W (A, C) y W (B, C) y la menor de ellas determi-
nará los grupos a unir.
W(A,B)
A IA AB I AB
B IB
gA g AB gB
g AC g BC
BC I BC
C IC
AC I AC
gC W(B,C)
W(A,C)
Figura 7.3. Esquema de tres grupos y sus posibles uniones en dos grupos,
según el criterio de Ward
Sean A y B dos grupos o clases no vacías y disyuntas y sean pA , pB y gA ,

gB , IA , IB los pesos, centros de gravedad e inercias de los grupos A y B según
el caso.
Al unir los grupos A y B en un grupo AB, este grupo tiene su centro de
gravedad gAB y su inercia intra IAB . La inercia intra de AB es obviamente la
suma de las inercias intra de A y B mas la inercia que aparece al considerar
un solo centro de gravedad gAB para los puntos que están en A o en B. Esta
inercia es la que hay entre los dos centros de gravedad gA y gB respecto al
centro de gravedad común gAB , es decir:
Inercia entre(A,B) = pA d 2 (gA , gAB )+pB d 2 (gB , gAB ) = pA kgA −gAB k 2 +pB kgB −gAB k 2
que es la distancia de Ward entre los grupos A y B.

1
Reemplazando gAB = (p g + pB gB ) en la fórmula anterior, se
p A + pB A A
obtiene:
p A pB 2
W (A, B) = d (gA , gB ) (7.8)
p A + pB
Este valor es el incremento de la inercia intragrupos al unir los grupos A

y B en uno solo. En particular para dos individuos i y l la distancia de Ward
es:
pi pl 2
W (i, l) = d (i, l) (7.9)
pi + pl
Si los pesos son iguales a 1/n para los dos individuos, la anterior expre-
sión se reduce a:
1 2
W (i, l) = d (i, l) (7.10)
2n
Fórmula de recurrencia de la distancia de Ward

En los procesos de clasificación jerárquica aglomerativa ascendente, se parte
de una matriz de índices de disimilitud o distancias entre todos los indivi-
duos, que tiene dimensión n × n. Si se unen los grupos A y B (individuos
en los primeros pasos), se eliminan las filas y columnas correspondientes y
se inserta una fila y una columna para registrar las distancias entre el grupo
AB y los demás, entonces en cada unión la matriz disminuye en una fila y
una columna. En los enlaces simple y completo es fácil ver que las distan-
cias entre el grupo conformado en un paso y los demás se pueden calcular
a partir de la matriz del paso anterior. En el método de Ward es también
posible hacerlo, mediante la fórmula que se presenta a continuación.
Sean A, B y C tres grupos presentes en el mismo paso de construcción
del árbol. Si se unen A y B para formar el grupo AB, es necesario calcular
la distancia de Ward entre los grupos AB y C. Se conocen las distancias
W (A, B); W (A, C) y W (B, C). La distancia W (AB, C) en función de las
anteriores es (Pardo, 1992):
(pA + pC )W (A, C) + (pB + pC )W (B, C) − pC W (A, B)

d(AB, C) = (7.11)
pA + pB + pC
Una forma de demostrar 7.11 es desarrollando:
(pA + pB )2 kgC − gAB k 2 = kpA (gC − gA ) + pB (gC − gB )k 2
Procedimiento del método de Ward

Con los elementos presentados en las subsecciones anteriores, es posible
construir un árbol por el método de Ward mediante los pasos siguientes:
1. Calcular la matriz de distancias de Ward entre parejas de individuos

con (7.9).
2. Seleccionar la pareja de grupos (individuos en el primer paso) que

presente la menor distancia de Ward para conformar el nuevo grupo.
3. Calcular las distancias entre todos los grupos y el grupo recién con-
formado utilizando la fórmula de distancia de Ward o la fórmula de
recurrencia (7.11).
4. Eliminar las filas y columnas correspondientes a los individuos o gru-

pos unidos y adicionar una fila y una columna para registrar las dis-
tancias entre el nuevo grupo y los demás.
5. Repetir el proceso hasta llegar a una sola clase.
De inercia entre clases a inercia intraclases y viceversa

Antes de empezar las uniones toda la inercia corresponde a inercia entre
clases (cada individuo es una clase), y a medida que se llevan a cabo las
uniones, la inercia entre clases va pasando a inercia intraclases, de modo que
al terminar, toda la inercia es intraclases (todos los elementos conforman
una clase). Por esta razón en el método de Ward la suma de los índices de
nivel es igual a la inercia total.
Una vez construido el árbol se puede proceder a cortarlo. Es decir, se
parte de una clase, con n individuos, que luego se divide en dos. El incre-
mento de la inercia intra del último paso del procedimiento de clasificación,
es la inercia entre las dos clases. Si se corta, de las dos ramas la que se for-
mó a mayor índice, la inercia entre los tres grupos conformados es la suma
de los dos últimos índices de nivel. Al continuar los cortes hasta llegar a n
clases, cada una de un individuo, toda la inercia intra ha pasado a inercia
entre individuos.
Los algoritmos de clasificación jerárquica son robustos: un método pa-

ra los mismos datos produce los mismos resultados y no requieren de un
número de clases preestablecido. Precisamente la mayor utilidad del árbol
de clasificación es mostrar la estructura de clases que hay en los datos. El
método de Ward implementado en algunos programas estadísticos no tiene
en cuenta las propiedades de inercia y no permite la interpretación derivada
de ella. Algunos tampoco permiten pesos para los individuos, los cuales son
obligatorios cuando se hacen pretratamientos con análisis de corresponden-
cias simples, por ejemplo, o si se desea utilizar factores de expansión mues-
trales, para que el análisis sea más cercano a la población de donde se ha
tomado la muestra.
Algunos de los programas con implementación adecuada del método de
Ward son: el de uso libre académico DtmVic (Lebart, 2017) y el paquete
FactoClass de R (Pardo y Del-Campo, 2007).
Clasificación con el método de Ward en el ejemplo “Café”

Se retoma el ejemplo de la página 191 para construir el árbol de clasifi-
cación con el método de Ward, siguiendo el procedimiento descrito. Sin
embargo, no se detallan todos los pasos, sino que se utiliza la matriz inicial
de distancias de Ward entre cafés y el árbol de la figura 7.4, para mostrar
los aspectos fundamentales del método.
1. Distancia de Ward entre cafés con la fórmula (7.10). Se muestran

debajo del árbol en la figura 7.4.
2. Se unen O20C y O20M a una distancia de 0.003, valor que es el

incremento de inercia intragrupos al pasar de 10 clases de un café
cada una a 9 clases: 8 de un café y 1 de dos cafés. En el árbol cada
unión se llama nodo, los individuos a clasificar se llaman hojas o nodos
terminales, son los nodos del 1 al 10, y el nodo 11 es la primera unión,
lo llamaremos 11 = {O20C, OC20M }.
3. Hay que calcular las distancias entre el grupo 11 y los 8 cafés con la
fórmula (7.11).
El árbol se construyó con la función ward.cluster{FactoClass},
que utiliza la función hclust{stats}, realizando los cálculos reque-
ridos para que las alturas del árbol sean las distancias de Ward entre
grupos, es decir, incrementos de inercia intra al unirlos.
19
1.5 1.563
1.0
Ward
0.5 17 18
0.424 0.442
16 15
12 0.157 14 13 0.146
0.069 11
0.0 0.039 0.047
0.003
C40M.10
ExOs.1
C20M.8
C40C.9
ExCl.4
C20C.5
O40C.6
O40M.7
O20C.2
O20M.3
> W <-1 / 20 * dist ( F )^2; round (W ,3)
ExOs O20C O20M ExCl C20C O40C O40M C20M C40C
O20C 0.095
O20M 0.126 0.003
ExCl 0.259 0.284 0.273
C20C 0.236 0.147 0.126 0.047
O40C 0.434 0.124 0.093 0.501 0.244
O40M 0.650 0.263 0.211 0.537 0.268 0.039
C20M 0.700 0.438 0.377 0.228 0.127 0.320 0.207
C40C 0.668 0.319 0.259 0.382 0.178 0.120 0.039 0.069
C40M 1.328 0.828 0.730 0.744 0.505 0.437 0.220 0.151 0.119
ExOs O20C O20M ExCl C20C O40C O40M C20M C40C
Figura 7.4. Árbol de clasificación por el método de Ward de los cafés según
las coordenadas sobre los dos primeros ejes factoriales. Se muestran los nú-
meros de los nodos y sus alturas. Abajo se muestra la matriz de distancias
de Ward entre cafés
4. Los nodos 12, 13 y 14 son también uniones entre pares de cafés, de

modo que las alturas de unión se pueden leer en la matriz de distancias
de Ward de la figura 7.4.
5. En el árbol se pueden ver las demás uniones con las distancias de

Ward a las que ocurren.
La inercia total de la nube de puntos es 2.889 y corresponde a la retenida

en el primer plano factorial del ACP normado de los 10 cafés. Esta inercia
antes de la aglomeración es toda la inercia entre los 10 grupos, cada uno
de un café, y la inercia intra es cero. En cada nodo se incrementa la inercia
intra. Al final toda la inercia es intra del grupo de los 10 cafés. La última
unión incrementa la inercia intra en 1.563.
Si se hace el ejercicio al revés —es decir, cortando los nodos del árbol de
arriba hacia abajo—, la inercia va pasando de intra a entre. Al cortar en el
nodo 19, quedan dos clases, con 1.563 de inercia entre clases y 1.327 de
inercia intraclases.
Nodo 11 12 13 14 15 16 17 18 19
Ward 0.003 0.039 0.047 0.069 0.146 0.157 0.424 0.442 1.563
SumaWard 0.003 0.042 0.089 0.158 0.304 0.461 0.885 1.327 2.890
La partición que se obtiene al cortar el árbol, para obtener dos clases,

resulta ser la misma de la clasificación realizada con K-means, pero esto es
un caso particular.
7.3. Combinación de métodos

Desde el punto de vista del análisis de datos los métodos a utilizar son el de
Ward de aglomeración jerárquica y el K-means, porque buscan grupos que
tengan inercia intragrupos lo más baja posible. Estos métodos se comple-
mentan para subsanar entre sí las desventajas y aprovechar sus ventajas.
Los métodos de clasificación jerárquica tienen dos desventajas: utilizan
mayor recurso de cómputo y las particiones obtenidas quedan anidadas.
El K-means tiene también dos problemas: hay que darle el número de
clases iniciales y los puntos iniciales. El número de clases es precisamente
lo que se quiere descubrir en una tabla de datos y el óptimo es local, es decir,
depende de los puntos iniciales.
La estrategia descrita en Lebart et al. (2006) y programada en DtmVic
y FactoClass, combina los dos métodos, ya que sus ventajas y desventajas
son complementarias. Cuando el número de elementos a clasificar no es

tan grande y el equipo de cálculo lo permite, se realiza la clasificación jerár-
quica aglomerativa con el método de Ward. El “histograma de índices de
nivel” permite visualizar las mejores alturas de corte del árbol, y por ende, el
número de clases. Luego, se disminuye la inercia intraclases de la partición
obtenida utilizando K-means, con los centros de gravedad de la partición
derivada de cortar el árbol como puntos iniciales.
Si el número de elementos a clasificar es demasiado grande, se utiliza
K-means para hacer un preagrupamiento en un buen número de clases, pue-
den ser miles, y luego se realiza la clasificación jerárquica con los centros de
gravedad de los preagrupamientos.
7.4. Clasificación a partir de coordenadas

Los métodos factoriales se pueden utilizar para transformar los datos antes
de realizar procedimientos de clasificación automática. Una de las salidas de
un análisis factorial es una tabla de individuos por coordenadas factoriales.
Entonces, las columnas de las tablas de entrada de los métodos de clasifica-
ción son de la misma naturaleza: coordenadas factoriales, que se asimilan a
variables continuas.
En ese sentido, los métodos factoriales pueden cumplir con dos funcio-
nes: la primera, en el caso de análisis de correspondencias, es la transfor-
mación de unas variables cualitativas en otras continuas; la segunda es una
función de filtro, al considerar que los S primeros ejes factoriales contienen
la información y los otros son ruido.
En otras palabras, el ACP y los AC, son métodos de pretratamiento de
datos para la clasificación que pueden cumplir con dos funciones: cuantificar
las variables cualitativas y reducir la dimensionalidad de los datos.
En la figura 7.5 se muestra un esquema de la combinación, para el caso
de la clasificación de individuos descritos por variables cualitativas.
7.4.1. Función de transformación o cuantificación

Un programa de ACP normado recibe los datos originales y los estandariza
antes de obtener valores y vectores propios, y coordenadas factoriales de
individuos y variables.
Coordenadas
Variables nominales factoriales Clase
C
i i C i R
n n L n A
d d A C
d
S T
i A i i
F E
v C v v
C R
i M i i I
A
d d C d Z
u u I A
u
o o Ó C
o
N I
s s s Ó
N
Figura 7.5. Esquema de una estrategia de clasificación con variables

cualitativas.
En un análisis de correspondencias las coordenadas factoriales se cons-

tituyen en nuevas variables continuas, con las que se puede utilizar la com-
binación de métodos de la sección 7.3.
7.4.2. Función de filtro

Conectar un método factorial con la clasificación da la posibilidad de se-
leccionar el número de ejes a utilizar en esta clasificación. En esta decisión
se utiliza el histograma de valores propios y otros criterios para la selec-
ción del número de ejes, pero haciendo énfasis en el sentido de filtro: aquí
seleccionar más ejes puede significar mayor recurso de cómputo, pero no
más trabajo para el analista. En problemas pequeños y medianos el recurso
de cómputo no tiene importancia. En general, el número de ejes para la cla-
sificación es mayor que el número de ejes seleccionados para analizar en un
método factorial. Muchas veces se utilizan todos los ejes para la clasificación,
lo que es equivalente a realizar el análisis con las variables originales.
Después del proceso de clasificación se obtiene una partición registra-
da en una variable cualitativa, que se puede denominar clase o grupo. Esta
variable cualitativa, que emerge de los datos, se puede caracterizar por las
variables activas que originaron la estructura de las clases y por variables
suplementarias. También se pueden caracterizar por las coordenadas sobre

los ejes factoriales.
Las clases se pueden proyectar sobre los planos factoriales como varia-
bles suplementarias y se puede visualizar la estructura de clases utilizando
colores o símbolos para indicar los “individuos” que pertenecen a cada clase.
7.5. Caracterización automática de las clases

En términos generales, en un procedimiento de clasificación se obtiene una
variable cualitativa indicadora de la clase o grupo al que pertenece cada ele-
mento clasificado. Esta variable se puede cruzar con cualquiera de las va-
riables presentes en la tabla de datos correspondiente. Los procedimientos
para describir dos variables presentados en el capítulo 2 se pueden utilizar
para ese propósito, en particular los ordenamientos por valores test. Las va-
riables continuas o las categorías de las variables cualitativas con diferencias
que generan un valor test superior a un umbral, generalmente 2, se dice que
caracterizan a la clase. Las que generan valores test inferiores al umbral son
de signo negativo (-2, por ejemplo) y se dice que caracterizan negativamente
a la clase respectiva.
7.5.1. Descripción con variables continuas

La clase es la variable cualitativa que se desea describir con las variables
continuas. Las variables continuas que caracterizan a una clase son aquellas
que tienen la media de la clase suficientemente diferente de la media global.
Para encontrarlas y ordenarlas se hace la comparación de la media dentro de
la clase con la media global, siguiendo el procedimiento de ordenamiento
mediante valores test, mostrado en la sección 2.2.2.
En la presentación de los resultados se pueden incluir los boxplots de las
variables que caracterizan a una o más clases (sección 2.2).
7.5.2. Descripción con variables cualitativas

Una categoría es característica de una clase si su frecuencia dentro de la
clase es suficientemente diferente de su frecuencia global. Para encontrarlas
y ordenarlas se utiliza el procedimiento de valores test descrito en la sección
2.3.2. Para las variables que tengan categorías que caracterizan a las clases
se pueden obtener las gráficas de perfiles de las clases (sección 2.3).
7.6. Una estrategia de clasificación

La estrategia de clasificación que se ha propuesto, desde el punto de vista de
la estadística descriptiva multivariada, se resume en los siguientes pasos:
1. Realizar el análisis en ejes principales correspondiente.
2. Seleccionar el número de ejes para la clasificación.
3. Si el número de “individuos” es muy grande, realizar un K-means de

preagrupamiento en miles de clases.
4. Realizar la clasificación jerárquica con el método de Ward sobre los

“individuos” o los grupos del paso anterior.
5. Decidir el número de clases y cortar el árbol.
6. Realizar K-means de consolidación partiendo de los centros de grave-

dad de la partición obtenida al cortar el árbol.
7. Caracterizar las clases.
8. Proyección de las clases sobre los planos factoriales.
En la figura 7.6 se muestra un esquema del procedimiento, el cual está

implementado en R en los paquetes FactoClass, y en el software de uso
libre académico DtmVic, entre otros.
7.7. Ejemplo de aplicación

A continuación se muestra la clasificación de los “Admitidos a las carreras
de la Facultad de Ciencias”, utilizando FactoClass. Este análisis es comple-
mentario al realizado en el capítulo 6. Las variables activas son género, edad,
estrato y origen, y las variables ilustrativas, los resultados del examen de ad-
misión (continuas) y la carrera. Aunque la función FactoClass, se ejecuta
primero de forma interactiva, FactoClass(Y,admi[,1:7]), aquí se utiliza la
función con las decisiones tomadas:
X (nxp)
ANÁLISIS FACTORIAL
DE LOS DATOS
AF
SI NO
n ≥ nmax
CLASIFICACIÓN INICIAL
K-MEANS
CLASIFICACIÓN
JERÁRQUICA MÉTODO
DE WARD
CLASIFICACIÓN FINAL
K-MEANS
CARACTERIZACIÓN
DE LAS CLASES
Figura 7.6. Esquema de la estrategia de clasificación
fc <- FactoClass (Y , dudi . acm , admi [ ,1:7] , scanFC = FALSE , nf =3 , nfcl =6 ,

k . clust =8)
A continuación se justifican las decisiones y se muestran los resultados.
1. Número de ejes para el ACM: en la página 148 se justifica la selección

de ejes.
2. Número de ejes para la clasificación: en el histograma de valores pro-

pios, figura 6.1, luego de los tres primeros ejes se nota un salto en el
eje 6, y se decide utilizar 6 ejes para la clasificación.
3. Número de clases: en la figura 7.7 se observan cambios de inercia

entre a intra notorios para justificar el árbol para 4, 7 y 8 clases. Se
decidió cortar el árbol para obtener 8 clases, la partición más fina de
las tres.

barplot ( fc $ indices $ Indice [445 -25:1] , cex . axis =0.6)
# file =" ACMadmiClaHistIndices . fig ")
xtable ( fc $ indices [445 -12:1 ,] , digits =c (0 ,0 ,0 ,0 ,3))
Histograma de índices
0.00 0.05 0.10 0.15 0.20
8 clases 7 clases 4 clases
Últimas 12 uniones
Nodo Prim Benj Indice
433 878 561 869 0.026
434 879 865 877 0.029
435 880 743 859 0.029
436 881 871 876 0.033
437 882 868 880 0.036
438 883 870 878 0.065
439 884 873 882 0.121
440 885 875 884 0.138
441 886 883 885 0.152
442 887 881 886 0.204
443 888 879 887 0.235
444 889 874 888 0.245
Figura 7.7. Histograma índices de los últimos 25 nodos y últimos 12 nodos
4. Cambios en la consolidación: Las clases 4, 6 y 8 son inestables ya que

tuvieron cambios en el proceso de consolidación, la 4 cedió individuos
y la 6 y la 8 los recibieron. La inercia intraclases disminuyó de 0.490
a 0.464 (ver tabla 7.4 ).
Tabla 7.4. Cambios en el proceso de consolidación

Clase Tamaño Inercia
Antes Después Antes Después
1 68 68 0.100 0.100
2 55 55 0.018 0.018
3 54 54 0.081 0.081
4 77 48 0.107 0.038
5 62 62 0.056 0.056
6 58 66 0.025 0.035
7 38 38 0.082 0.082
8 33 54 0.021 0.054
Total 445 445 0.490 0.464
xtable(fc$clus.summ[,1:4],digits=c(0,0,0,3,3))
La tercera columna de la tabla 7.4 tiene la cantidad de admitidos en

cada clase y los tamaños relativos de las clases son:
summary ( fc $ cluster )-> nk
round ( nk / sum ( nk )* 100 ,1)
1 2 3 4 5 6 7 8
15.3 12.4 12.1 10.8 13.9 14.8 8.5 12.1
5. Caracterización de las clases de admitidos: las clases se describen se-

gún las 4 variables cualitativas activas.
Luego se explora la asociación con la carrera a la que ingresaron, que
es ilustrativa en el análisis; y la relación de las clases con los resultados
del examen de admisión según las áreas y el puntaje global.
A continuación se hace un resumen de la descripción de cada una de
las clases, incluyendo el número de admitidos y el porcentaje corres-
pondiente.
Cl 1: 68 (15.3 %). De estrato alto, de 17 o menos años (90 %) y bogo-

tanos (84 %).
Categoria Vtest Cl/ca ca/Cl Global ncat

estr.alto 17.4 84.0 100.0 18.2 81
carr.Geol 2.9 31.1 20.6 10.1 45
orig.Bogo 2.9 18.3 83.8 69.9 311
edad.a17 2.5 20.5 51.5 38.4 171
edad.a16m 2.4 22.0 38.2 26.5 118
Esta clase tiene más porcentaje de admitidos a Geología que

el global (20.6 vs. 10.1 %), y tienen mejores resultados en el
examen que el promedio de los admitidos a la Facultad.
Área V.test Clase Global

exam 6.4 782.4 718.4
cien 5.2 12.2 11.6
soci 5.0 11.8 11.4
mate 3.9 12.3 11.8
text 3.6 11.8 11.4
Cl 2: 55 (12.4 %). De 17 años, estrato medio y bogotanos.

Esta clase escoge Química en proporción menor al promedio
(3.6 % vs. 14.2 %).

edad.a17 10.6 32.2 100.0 38.4 171
estr.medio 10.1 29.7 100.0 41.6 185
orig.Bogo 6.2 17.7 100.0 69.9 311
carr.Quim -2.6 3.2 3.6 14.2 63
Cl 3: 54 (12.1 %). De 18 años, casi todos bogotanos.

Aumenta la proporción de admitidos a Farmacia (25.9 % vs.
16.4 %).

edad.a18 17.4 96.4 100.0 12.6 56
orig.Bogo 3.1 15.1 87.0 69.9 311
carr.Farm 2.1 19.2 25.9 16.4 73
Cl 4: 48 (10.8 %). Casi todos son de 16 años o menos (87.5 %), estrato
medio (89.6 %), mujeres (70.8 %) y bogotanos (91.7 %).
Disminuye el porcentaje de admitidos a Física (6.2 % vs.
18.4 %).

edad.a16m 9.4 35.6 87.5 26.5 118
estr.medio 7.3 23.2 89.6 41.6 185
gene.F 6.4 26.6 70.8 28.8 128
orig.Bogo 3.8 14.1 91.7 69.9 311
Cl 5: 62 (13.9 %). De 17 años, con incremento en la proporción de

estrato bajo (77.4 %), y de otro departamento (48.4 %).

edad.a17 11.4 36.3 100.0 38.4 171
estr.bajo 6.4 26.8 77.4 40.2 179
orig.Otro 5.1 31.2 48.4 21.6 96
El resultado en la componente textual es en promedio inferior

al global:

text -2.1 11.1 11.4
Cl 6: 66 (14.8 %). De 19 años, bogotanos (98.5 %) y hombres

(89.4 %), se incrementa el porcentaje de estrato bajo (51.5 %).
Una proporción mayor que el promedio prefiere Matemáticas
(19.7 % vs 11.9 %).

edad.a19M 15.4 66.0 100.0 22.5 100
orig.Bogo 6.4 20.9 98.5 69.9 311
gene.M 3.8 18.6 89.4 71.2 317
estr.bajo 2.2 19.0 51.5 40.2 179
carr.Mate 2.1 24.5 19.7 11.9 53
Cl 7: 38 (8.5 %). Provienen de Cundinamarca, se incrementa la pro-

porción de estrato bajo (57.9 %).

orig.Cund 15.8 100.0 100.0 8.5 38
estr.bajo 2.4 12.3 57.9 40.2 179
Cl 8: 54 (12.1 %). Son, sobre todo, de otros departamentos (79.6 %),

estrato bajo (92.6 %) y de 16 años o menos (75.9 %).

orig.Otro 9.9 44.8 79.6 21.6 96
estr.bajo 8.6 27.9 92.6 40.2 179
edad.a16m 8.1 34.7 75.9 26.5 118
En promedio tiene resultados inferiores al global:

text -2.2 11.1 11.4
imag -2.4 11.0 11.3
mate -2.6 11.4 11.8
exam -4.2 670.2 718.4
soci -4.6 10.8 11.4
6. Proyección de las clases en los planos factoriales: en la figura 7.8 se

muestran las 8 clases sobre el primer plano factorial del ACM de los
admitidos.
El vector que identifica a qué clase pertenece cada admitido es una
variable nominal, que emerge de los datos, y como tal, se proyecta
como ilustrativa.
Esto permite aprovechar el plano para la caracterización de las clases
y compararlas.
Por ejemplo, las clases 1 y 4 se proyectan cerca en el plano: al observar
la descripción de las clases ambas clases tienen más porcentaje, que el
promedio, de bogotanos y menos de cundinamarqueses. Las clases 2
y 3 se parecen por tener más bogotanos y por no tener admitidos de
Cundinamarca.
C6
a19M
1.0
Cund C7
0.5
M
bajo
Factor 2: 0.3128 (15.6%)
a18 C3
C5 Bogo
medio C2
0.0 a17
C8
−0.5
Otro
alto
C1
−1.0 F
C4
a16m
−1.5
−2.0 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5
Factor 1: 0.3366 (16.8%)
Figura 7.8. Proyección de las clases sobre el primer plano factorial del ACM
de admitidos. Sus respectivos puntos se identifican con “+”
Conclusiones del análisis

Las doce categorías de las cuatro variables dan 72 posibilidades de combi-
nación. El proceso de clasificación permite resumirlas en una variable con
ocho categorías: las clases, así:
1. 68 (15.3 %). De estrato alto, de 17 o menos años (90 %) y bogotanos
(84 %).
2. 55 (12.4 %). De 17 años, estrato medio y bogotanos.
3. 54 (12.1 %). De 18 años, casi todos bogotanos.
4. 48 (10.8 %). Casi todos son de 16 años o menos (87.5 %), estrato me-
dio (89.6 %), mujeres (70.8 %) y bogotanos (91.7 %).
5. 62 (13.9 %). De 17 años, con incremento en la proporción de estrato
bajo (77.4 %), y de otro departamento (48.4 %).
6. 66 (14.8 %). De 19 años, bogotanos (98.5 %) y hombres (89.4 %), se

incrementa el porcentaje de estrato bajo (51.5 %).
7. 38 (8.5 %). Provienen de Cundinamarca, se incrementa la proporción
de estrato bajo (57.9 %).
8. 54 (12.1 %). Son, sobre todo, de otros departamentos (79.6 %), estrato
bajo (92.6 %) y de 16 años o menos (75.9 %).
En el primer plano factorial del ACM previo (figura 7.8) se proyecta la va-
riable clase como suplementaria, lo que permite apreciar las características
de cada clase según las doce categorías de las variables sociodemográficas, y
compararlas entre sí.
7.8. Ejercicios
1. Demuestre la descomposición de la inercia (fórmula 7.1).
2. Muestre que en la distancia de Manhattan los puntos se unen median-
te lineas paralelas a los ejes.
3. Verifique la propiedad 3) de una ultramétrica en la matriz de la figura
7.2.
4. Escriba la ultramétrica asociada al árbol del ejemplo “Café” (figura
7.4).
5. Calcule el coeficiente de correlación cofenética entre la ultramétrica
y las distancias de Ward del ejemplo “Café”.
6. Demuestre que en una ultramétrica los triángulos son isósceles.
7. Demuestre que la propiedad 3) de una ultramétrica implica la pro-
piedad 2): desigualdad triangular.
8. Deduzca la distancia de Ward entre dos grupos A y B (fórmula 7.8).
9. Demuestre la fórmula de recurrencia de Ward (7.11).
10. Muestre que en el método de Ward la inercia es igual a la suma de
índices de nivel.
11. ¿Cuáles son las ventajas y desventajas del método K-means?
12. ¿Cuáles son las ventajas y desventajas de una clasificación jerárquica
aglomerativa?
7.9. Talleres
7.9.1. Clasificación de razas de perros

El objetivo que se busca al realizar el ACM del ejemplo “Razas de Perros”,
presentado en la sección 7.9.1, se cumple mejor complementando el ACM
con la clasificación automática.
Realice una clasificación de las razas de perros utilizando todas las coor-
denadas factoriales del ACM previo. Obtenga los resultados con el programa
estadístico que desee.
Desarrolle los siguientes puntos:
1. Numere los nodos del árbol con los números de la descripción de los
nodos (histograma de índices).
2. Describa las tres primeras uniones en la clasificación jerárquica.
3. Justifique la selección de cuatro clases o cambie la decisión.
4. Para la partición en cuatro clases deduzca la inercia entre clases a par-
tir de los índices de nivel.
5. A partir del árbol determine las razas de cada clase.
6. Describa el proceso de consolidación.
7. ¿Qué porcentaje de inercia explica la clasificación?
8. Resuma las características de cada una de las clases.
9. Comente el primer plano factorial del ACM incluyendo las clases ob-
tenidas (centros de gravedad y distinción de las razas de cada clase).
10. Haga un resumen del análisis que responda a los objetivos del
ejercicio.
7.9.2. Clasificación de las localidades de Bogotá

En la sección 5.6.1 se realiza el ACS de la TC localidades ×estr atos, el objeti-
vo del análisis se cumple mejor al complementar el ACS con la clasificación.
Realice la clasificación de las diecinueve localidades de Bogotá según la
distribución de sus manzanas en los seis estratos, utilizando las cinco coor-
denadas del ACS previo y resuelva los puntos siguientes:
1. La inercia total que entra al procedimiento de clasificación es:
2. Trace una linea vertical en el histograma de índices de nivel que

indique el corte en cinco clases.
3. La primera unión corresponde a las localidades de

y
4. Al unirse las localidades de Barrios Unidos (BUni) y Teusaquillo

(Teus) el aumento de la inercia intra es
5. La inercia intraclases de la partición obtenida es:
6. El porcentaje de inercia explicado por la clasificación es:
7. La clase 5 está conformada por las localidades:
8. El perfil de la clase 5 es:
9. La distribución relativa del estrato 6 en las clases es:

.
10. Ubique los nodos 20 y 21 en el dendrograma.
11. Ubique los nodos 34 a 36 en el dendrograma.
12. Para la partición en cinco clases, se puede obtener la inercia entre

clases a partir de los índices de nivel, sumando los valores:
13. A partir del árbol determine las localidades de cada clase.
14. Las localidades que pertenecen a la clase 2 son:
15. ¿ Hay cambios en el proceso de consolidación? (Sí/No):
16. Para cada clase escriba el estrato más asociado:
17. De las manzanas de estrato 4 el % pertenecen a la clase 3.

18. Para cada estrato escriba la clase más asociada:
19. La clase 1 tiene el de sus manzanas en estrato 5.
20. Escriba los porcentajes de manzanas que hay en cada clase:
21. La clase más grande es la con el % de las

manzanas.
7.9.3. Clasificación de adjetivos por colores

El objetivo de encontrar los adjetivos más asociados a cada color se cumple
mejor realizando la clasificación de los perfiles de colores derivados de la TC
adjetivos × colores.
Realice la clasificación de los adjetivos utilizando todos los ejes factoriales
del ACS previo realizado en el taller de la sección 5.6.2, y responda a las
siguientes preguntas:
1. ¿Qué adjetivos se unen primero?
2. Relate las últimas cinco uniones en el proceso de clasificación jerár-

quica: indique los grupos que se unen en cada nodo y el aumento de
la inercia intraclases.
3. ¿Cuánta es la inercia entre clases para una partición en dos clases,

usando el método de Ward?
4. De acuerdo con el objetivo del ejercicio, ¿cuántas clases selecciona?

¿Por qué?
5. ¿Cambió el coeficiente de inercia entre / inercia total en el proceso de

consolidación? ¿Cuánto?
6. Escriba el valor del coeficiente inercia entre / inercia total después de

la consolidación.
7. ¿Qué colores son más frecuentes en cada clase?
8. Construya una tabla de contingencia clases × colores y haga una grá-

fica de los perfiles fila.
9. Escriba la conclusión del análisis: ¿Qué adjetivos se asocian más a cada

color?
10. Produzca y analice los planos factoriales colocando la nueva variable

cualitativa cl ase como ilustrativa.
Apéndice
A
La libreria
FactoClass en R
La libreria FactoClass en R · 227
En el paquete FactoClass de R se implementa la estrategia de clasificación,

descrita en este texto, que combina métodos factoriales y de clasificación
automática. Se utilizan funciones de ade4 (Dray y Dufour, 2007), para rea-
lizar el análisis factorial de los datos, y de stats, para la clasificación no
supervisada. Se crean funciones para algunas tareas específicas.
La función FactoClass realiza la estrategia completa de clasificación, sin
incluir el plano factorial con las clases, ni las salidas en formato LATEX. Sin
embargo, algunas funciones se pueden utilizar separadamente: por ejemplo,
la función cluster.carac, para caracterizar la partición asociada a una va-
riable cualitativa con variables continuas y nominales presentes en una tabla
de datos.
Las funciones del paquete FactoClass se presentan en la tabla A.2 y los
datos de ejemplos incluidos se relacionan en la tabla A.1. No es necesario
extenderse más en la descripción del paquete, ya que luego de instalado y
cargado, se puede obtener la ayuda para todas las funciones utilizando ? y
el nombre de la función: por ejemplo, ?cluster.carac.
La versión 1.3.0 es la última de FactoClas al editar este texto. Como
todo paquete de R, FactoClass tendrá un mantenimiento y una evolución
que el usuario deberá tener en cuenta. Se solicita, a los lectores de este texto,
que informen, al correo electrónico cepardot@unal.edu.co, sobre los bugs
que encuentren, para corregirlos. La sugerencias para mejorar el paquete
también son bienvenidas.
Tabla A.1. Tablas de datos del paquete FactoClass
Tabla Descripción
admi Admitidos a la Facultad de Ciencias 2013-1
Bogota Localidades por estrato en la ciudad de Bogotá
cafe Degustación y características físicas y químicas de tazas de café
ColorAdjective Asociaciones entre colores y adjetivos
DogBreeds Razas de perros
icfes08 Tabla de contingencia de departamentos por rendimiento y jornada
de colegios
ninios8a12 Consumo cultural se niños de 8 a 12 años en Colombia
Whisky Treinta y cinco marcar de Whisky
Vietnam Opinión de los estudiantes estadounidenses sobre la guerra de
Vietnam
228 · La libreria FactoClass en R
Tabla A.2. Funciones del paquete FactoClass
Función Descripción
addgrids3d Agrega grillas a una gráfica producida por scatterplot3d
centroids Centros de gravedad de clases de una partición
chisq.carac Pruebas chi-cuadrado de una variable cualitativa por varias variables
cualitativas
cluster.carac Caracterización de las clases según variables
dudi.tex Tabla de coordenadas y ayudas para la interpretación de los ejes prin-
cipales de un objeto dudi en formato LATEXutilizando xtable (Dahl
2006).
Fac.Num División de un objeto data.frame en variables cualitativas y cuanti-
tativas
FactoClass Combinación de métodos factoriales y de clasificación no supervisada
FactoClass.tex Tabla de coordenadas, ayudas para la interpretación de los ejes prin-
cipales y métodos de clasificación en LATEX
ggclass Plano factorial de filas mostrando clases y columnas
kmeansW Realiza K-means teniendo en cuenta las ponderaciones de los indivi-
duos
list.to.data Convierta un objeto list a data.frame
plot.dudi Gráfico de planos factoriales a partir de un objeto dudi{ade4}
plotcc Círculos de correlaciones con ggplot2
plotct Gráfica de perfiles fila y columna de una tabla de contingencia.
plotFactoClass Gráfico de planos factoriales con clasificación para objetos
FactoClass
plotfp Planos factoriales a partir de las coordenadas
plotpairs Modificación de pairs
stableclus Grupos estables de varios K-means a partir de coordenadas factoriales
supqual Coordenadas y ayudas a la interpretación de variables cualitativas
ilustrativas.
ward.cluster Clasificación jerárquica con el método de Ward
Referencias
Agresti, A. (2002). Analysis of Ordinal Categorical Data, Wiley series in pro-

bability and statistics, 2 edn, Wiley Online Library.
Ball, G. y Hall, D. (1965). Isodata: A novel method of data analysis and pat-
tern classification, Technical report, Stanford Research Institute, Menlo
Park.
Benzécri, J. P. (1979). Sur le calcul des taux d’inertie dans l’analyse
d’un questionnaire, addendum et erratum à [bin. mult.], Les cahiers
de l’analyse des données 4(3): 377–378. URL: http://www.numdam.org/
article/CAD_1979__4_3_377_0.pdf.
Briones, G. (1996). Metodología de la investigación cuantitativa en las ciencias socia-

les, Vol. Modulo 3 of Especialización en teoría, métodos y técnicas de investigación
social, Instituto Colombiano para el Fomento de la Educación Superior, IC-
FES.
Canavos, G. (1988). Probabilidad y Estadística. Aplicaciones y métodos, McGraw-Hill.
Correa, E., De Rosa, C. y Lesino, G. (2006). Monitoreo de clima urbano. Análisis

estadístico de los factores que determinan la isla de calor y su aporte al dise-
ño de los espacios urbanos., Avances en Energías Renovables y Medio Ambiente
10: 41–48.
Dahl, D. B. (2016). xtable: Export tables to LaTeX or HTML. URL: http://CRAN.

R-project.org/package=xtable.
Dalgaard, P. (2008). Introductory statistics with R, Springer Science & Business

Media.
Dalgaard, P. (2020). ISwR: Introductory Statistics with R. URL: http://CRAN.

R-project.org/package=ISwR.
Dane (2014). COLOMBIA - Encuesta de Consumo Cultural - ECC - 2014,

Departamento Administrativo Nacional de Estadística, Bogotá, Colom-
bia. URL: http://microdatos.dane.gov.co/index.php/catalog/345/
get_microdata.
Díaz, L. G. (2007). Estadística multivariada: inferencia y métodos, 2 edn, Universidad

Nacional de Colombia. Facultad de Ciencias., Bogotá.
230 · Referencias
Dice, L. (1945). Measures of the amount of ecologic association between species,

Ecology 26: 297–302. Citado por Sneath and Sokal (1973, p.131).
Dray, S. y Dufour, A. (2007). The ade4 package: implementing the duality dia-
gram for ecologists, Journal of Statistical Software 22(4): 1–20.
Duarte, R., Suarez, M., Moreno, E. y Ortiz, P. (1996). Análisis multivariado por
componentes principales, de cafés tostados y molidos adulterados con cerea-
les, Cenicafé 47(2): 65–76.
Escofier, B. y Pagès, J. (1992). Análisis factoriales simples y múltiples. Objetivos, métodos

e interpretación, Universidad del Pais Vasco, Bilbao.
Everitt, B. S., Landau, S., Leese, M. y Stahl, D. (2011). Cluster Analysis, 5 edn,
Wiley, London.
Fine, J. (1996). Iniciación a los análisis de datos multidimensionales a partir de

ejemplos, Folleto, PRESTA: Programme de recherche et a’enseignement en
statistique appliquée, Sao Carlos.
González, A. y González, S. (2000). Introducción a R. Notas sobre R: Un

entorno de programación para Análisis de Datos, version 1.0.1 (2000-05-
16) edn. URL: https://cran.r-project.org/doc/contrib/R-intro-1.1.
0-espanol.1.pdf.
Hamann, U. (1961). Merkmalsbestand und verwandtschafsbeziehungen der

farinosae, Willdenowia 2: 639–768. Citado por Sneath and Sokal (1973).
Hardle, W. y Simar, L. (2007). Applied Multivariate Statistical Analysis, Springer,

Berlin.
Hernández, R., Fernández, C. y Baptista, P. (2006). Metodología de la investigación,

4 edn, McGraw-Hill, México.
Hidalgo, P., Manzur, E., Olavarrieta, S. y Farías, P. C. (2007). Cuantificación de

las distancias culturales entre países: un análisis de Latinoamérica, Cuadernos
de Administración 20(33): 252–272.
Holmes, S. (2008). Multivariate data analysis: the French way, Probability and statis-
tics: Essays in honor of David A. Freedman, Institute of Mathematical Statistics,
pp. 219–233.
Jaccard, P. (1908). Nouvelles recherches sur la distribution florale, Bull. Soc. Vaud.
Sci. Nat. 44: 223–270. Citado por Sneath and Sokal (1973, p.131).
Jambu, M. (1983). Cluster Analysis and Data Analysis, North-Holland, Amsterdam.
Kassambara, A. y Mundt, F. (2020). factoextra: Extract and Visualize the Results of

Multivariate Data Analyses. URL: https://CRAN.R-project.org/package=
factoextra.
Referencias · 231
Lebart, L. (2017). DtmVic: Data and Text Mining - Visualization, Inference, Clas-
sification. Exploratory statistical processing of complex data sets comprising
both numerical and textual data., Web. URL: http://www.dtmvic.com/.
Lebart, L., Morineau, A. y Piron, M. (1995). Statisitique exploratoire multidimen-

sionnelle, Dunod, Paris.
Lebart, L., Piron, M. y Morineau, A. (2006). Statistique exploratoire multidimension-

nelle. Visualisation et inférence en fouilles de données, 4 edn, Dunod, Paris.
Leisch, F. y R-core (2020). Sweave User Manual. URL: https://stat.ethz.ch/

R-manual/R-devel/library/utils/doc/Sweave.pdf.
Ligges, U. y Mächler, M. (2003). Scatterplot3d - an R Package for Visualizing

Multivariate Data, Journal of Statistical Software 8(11): 1–20. URL: https:
//www.jstatsoft.org/article/view/v008i11.
MacQueen, J. (1967). Some Methods for Classification and Analysis of Multiva-

riate Observations, Technical report, University of California, Los Angeles.
Morales, M. A. (2006). Generación automática de reportes con R y LaTeX, Universidad

de Córdoba. Departamento de Matemáticas y Estadística, Monteria, Colom-
bia. URL: https://cran.r-project.org/doc/contrib/Rivera-Tutorial_
Sweave.pdf.
Morineau, A. (1984). Note sur la caractérisation statistique d’une classe et les

valeurs-tests, Bulletin Technique du Centre de Statistique et d’Informatique Ap-
pliquées 2(1-2): 20–27.
Morrison, D. (1990). Multivariate Statistical Methods, McGraw-Hill series in Pro-

bability and Statistics, McGraw-Hill.
Ochiai, A. (1957). Zoogeographic studies on the soleoid fishes found in japan and
its neighbouring regions, Bull. Jpn. Soc . Sci. Fish 22: 526–530. Citado por
Sokal and Sneath (1963, p.130).
Pardo, C. E. (1992). Análisis de la aplicación del método de Ward de clasificación je-

rarquica al caso de variables cualitativas, Tesis Magister Scientiae en Estadística,
Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de
Matemáticas y Estadística, Bogotá.
Pardo, C. E., Bécue-Bertaut, M. y Ortiz, J. E. (2013). Correspondence Analysis

of Contingency Tables with Sub-partitions on Rows and Columns, Revista
Colombiana de Estadística 36(1): 115–144.
Pardo, C. E. y Del-Campo, P. C. (2007). Combinación de métodos factoriales y

de análisis de conglomerados en R: el paquete FactoClass , Revista Colombiana
de Estadística 30(2): 231–245.
R Core Team (2020). R: A Language and Environment for Statistical Computing, R

Foundation for Statistical Computing, Vienna, Austria. URL: https://www.
R-project.org/.
232 · Referencias
Rogers, D. y Tanimoto, T. (1960). A computer program for classifying plants,

Systematics Biology. 132: 1115–1118.
RStudio Team (2015). RStudio: Integrated Development Environment for R, RStudio,
Inc., Boston, MA. URL: http://www.rstudio.com/.
Sato, T. y Smith, B. (2018). Xfig User Manual. URL: http://mcj.sourceforge.
net/frm_authors.html.
Slowikowski, K. (2020). ggrepel: Repulsive Text and Label Geoms for ’ggplot2’. URL:
https://CRAN.R-project.org/package=ggrepel.
Sneath, P. H. y Sokal, R. R. (1973). Numerical taxonomy: The Principles and Practice
of Numerical Classification, W. H. Freeman, San Francisco.
Sokal, R. R. y Michener, C. D. (1958). A statistical method for evaluating sys-
tematic relationships, University of Kansas Scientific Bulletin 28: 1409–1438.
Citado por Sokal and Sneath (1963,p.129).
Sokal, R. R. y Rohlf, F. J. (1962). The comparison of dendrograms by objective
methods, Taxon 11: 33–40.
Sokal, R. R. y Sneath, P. H. (1963). Principles of numerical Taxonomy, W. H. Free-
man, San Francisco.
Tenenhaus, M. y Young, F. W. (1985). An analysis and synthesis of multiple co-
rrespondence analysis, optimal scaling, homogeneity analysis and otrer met-
hods for quantifying categorial multivariate data, Psychometrika 50(1): 91–
119.
The-LaTeX-Project-Team (2019). LaTeX – A document preparation system. URL:
https://www.latex-project.org/.
Tukey, J. W. (1977). Exploratory Data Analysis, Addison-Wesley.
Venables, W. N., Smith, D. M. y R Development Core Team (2017). An introduc-
tion to R, version 3.4.1 (2017-06-30) edn, R Core Team.
DAPD (1997). Población estratificación y aspectos socioeconómicos de Santa Fe de Bogotá,
Departamento Administrativo de Planeación Distrital.
Wand, M. (2020). KernSmooth: Functions for Kernel Smoothing Supporting Wand &
Jones (1995). URL: https://CRAN.R-project.org/package=KernSmooth.
Ward, J. H. (1963). Hierarchical grouping to optimize an objective function, Jour-
nal of the American Statistical Association 58(301): 236–244.
Wickham, H. (2009). ggplot2: Elegant Graphics for Data Analysis, Springer-Verlag
New York. URL: http://ggplot2.org.
Wilkinson, L. (2006). The grammar of graphics, Springer Science & Business Media.
Wishart, D. (1969). An algorithm for hierarchical classifications, Biometrics
pp. 165–170.
Índice
Álgebra lineal, 10 ACM admitidos

LATEX 9 distancia entre individuos, 147
ACM ACP
ejes “parásitos”, 149 círculo de correlaciones, 66
ACM cambio de base, 51
Admitidos, 153 centrado de individuos, 44
tabla de Burt, 167 centro de gravedad, 42
admitidos contribución absoluta, 59
categorías suplementarias, coordenadas factoriales, 56
166 correlaciones, 64
ayudas para la interpretación, distancia entre individuos, 47
161 ejemplo de aplicación, 71
caso de dos variables, 183 ejercicios, 78
centro de gravedad de la nube generalizado, 89
de categorías, 152 individuos ilustrativos, 59
como un ACP, 157 inercia, 48, 64
comparación de AC derivados lactantes, 83
de la misma tabla, 167 nube de individuos, 42
criterio de Benzécri, 168 nube de variables, 60
de dos variables, 168 primer eje principal, 53
distancias entre categorías, 153 talleres véase Talleres 81
ejemplo “Admitidos”, 148–151 valores y vectores propios, 53
ejercicios, 180 variables cualitativas ilustrativas,
ejes factoriales, 155 59
elementos suplementarios, 163 Whisky , 82
inercia, 154 cosenos cuadrados, 58
nube de categorías, 151 sentido de los ejes factoriales, 55
perfiles fila, 148 ACP generalizado, 5
razón de correlación, 161 ACP generalizado
relaciones cuasibaricéntricas, ayudas para la interpretación,
158 95
valores propios, 149 dualidad, 93, 97
ACM Admitidos, 149 ejercicios, 101
234 · Índice
fórmulas, 94, 96 Análisisde correspondencias

talleres véase Talleres 103 múltiples véase ACM 141
ACS Análisis de correspondencias
talleres véase Talleres 134 simples véase ACS 109
adjetivos según colores, 136, Análisis en componentes principales
221 véase ACP 41
ayudas para la representación, Análisis en coordenadas principales,
124 100, 104
como dos ACP, 114
como un ACP, 120 Código R
ejemplo, 109 índices de nivel, 214
ACM admitidos
ejemplos de aplicación, 125
ejercicios, 133 ayudas para la interpretación,
equivalencia distribucional, 121 151
primer plano factorial, 150
modelo de independencia, 113
valores propios, 148
perfiles columna de carrer a ×
ACP examen de admitidos, 72,
estr ato, 113
75
perfiles fila de carrer a × estr ato,
ACS ejemplo admitidos, 110
112
ACS Icfes, 128
relaciones cuasibaricéntricas,
TDC admitidos, 143
121
círculo de correlaciones, 68
representación simultánea, 119
centrado de cafés, 51
tabla de perfiles columna, 112
centro de gravedad, 146
tabla de frecuencias relativas,
diagramas de caja y bigotes, 14
109
distancia entre categorías, 153
tabla de perfiles fila, 111
distancia entre individuos, 147
ACS carrer a × estr ato
distancias entre categorías, 153
división de la edad en clases, 16
ACS Icfes
ejemplo Café, 42, 44
gráfica de cafés centrados, 45
TDC, 142
gráficas de perfiles, 111
obtención de perfiles fila y
ade4, 8 columna, 28
Admitidos, 13, 14, 22, 109, 142, primer plano factorial de cafés,
144, 150, 151 56
Admitidos proyección de cafés comerciales
clasificación, 212 como ilustrativos, 61
diagramas de tortas, 13 recodificación de estrato, 14
distancia entre categorías, 153 tabla de Burt, 144
Índice · 235
tabla de contingencia, 33 descomposición de la inercia,

tablas de contingecia y de 188
frecuencias relativas, 27 distancias, 198
tipo de contaminante como ejemplo de aplicación, 212
ilustrativa, 61 ejercicios, 220
tortas, 13 enlace completo, 199
tortas de las variables suplemen- enlace promedio, 199
tarias del ACM de consumo enlace simple, 199
cultural, 172 jerárquica, 194
Valores propios y diagramas de jerárquica aglomerativa, 194
barra para el ACM de consu- método de Ward, 202
mo cultural, 174 obtención de una partición
valores y vectores propios, 55 directa, 187
matriz de correlaciones, 55 ultramétrica, 201
Café, 55 una estrategia, 212
Café Codificación en clases de una
ACP variable continua, 15
primer plano factorial, 61 Contribución absoluta, 58, 98
clasificación, 191 Contribución relativa, 98
ejemplo, 41 Correlaciones, 5, 21, 22, 66, 103
método de Ward, 206 Coseno cuadrado, 57, 58, 98
nube de individuos, 50 Covarianzas, 21
proyección de cafés comerciales Criterio de Benzécri, 168
como ilustrativos, 59
Calidad de la representación, 98 Descripción de dos variables, 21
Centro de gravedad, 146 Descripción de dos variables
Clasificación continuas, 21
índices de similitud para tablas talleres véase Talleres 36
binarias, 196 Diagrama de dualidad, 95, 97
índices y distancias, 195 Diagramas de dispersión, 22
a partir de coordenadas facto- Distancia, 146
riales, 209 Distancia
adjetivos según colores, 223 entre categorías, 153
agregación alrededor de centros entre filas, 90
móviles, 189 Distancia de Ward
algoritmo de aglomeración, 201 entre grupos, 204
caracterización de las clases, entre individuos, 204
211 fórmula de recurrencia, 204
combinación de métodos, 208 Distancias
criterios de agregación, 198 entre categorías, 152, 153
236 · Índice
Distancias para variables de interva- Inercia, 48, 90

lo, 198
DtmVic, 9 K-means
algoritmo, 189
Ejemplo admitidos, 143 ventajas y desventajas, 193
Ejemplo admitidos véase Admitidos KernSmooth, 8
12
Ejemplo Café véase Café 41 LaTeX, 9, 150, 151
Ejemplo resultados de los exámenes
de estado véase Icfes 125 Método de Ward
Ejercicios distancia de Ward, 202
ACM, 180
fórmula de recurrencia, 204
ACP, 78
procedimiento, 205
ACP generalizado, 101
Métodos de clasificación véase
ACS, 133
Clasificación 187
clasificación, 220 Markdown, 9
preliminares, 16 Matriz de correlaciones véase
Ejes “parásitos”, 149 Correlaciones 99
Entorno de una tabla de datos, 11 Matriz de covarianzas
Estadistica descriptiva univariada y véase Varianzas 99
bivariada, 17 Metodología de la investigación, 10
Fórmula de reconstitución, 93 Nube de individuos, 145

FactoClass, 8, 111, 143, 227
Perfiles, 28
FactoClass
datos de ejemplos, 227 Perfiles
funciones, 228 columna, 28
factoextra, 8 fila, 28, 128
ggplot2, 8 R
ggrepel, 8 instalación, 6
Gramática para gráficas, 8 instalación de paquetes, 8
lenguaje, 6
Icfes, 128 manual de introducción, 7
Icfes Razón de correlación, 24
TC departamentos por nivel y Recodificación, 14
jornada, 125 Referencias, 232
perfiles de departamentos, 127 Relaciones cuasibaricéntricas, 158
perfiles de departamentos Rmarkdown, 9
ordenados, 132 Rstudio, 9
Indices de similitud para tablas
binarias, 197 scatterplot3d, 8
Índice · 237
Sweave, 9
Tabla de Burt, 144, 167

Tabla de código condensado, 142
Tabla de contingencia, 109
Tabla de datos, 10
Tabla disyuntiva completa véase TDC
142
Talleres
ACM
Razas de perros, 181
ACP
a partir de una matriz de co-
rrelaciones, 103
ACS
TC localidades × estr atos de
manzanas de Bogotá, 134
adjetivos según colores, 221
análisis en coordenadas
principales, 104
clasificación
de razas de perros, 221
comparación de análisis de co-
rrespondencias, 183
descripción de utilidad de razas
de perros, 38
razas de perros
descripción de la función, 36
Transformación de variables
cualitativas, 13
Valor p, 32
Valor test, 24, 25, 32, 35, 36, 164
Valores propios, 149
Valores y vectores propios, 55
Varianzas, 5, 22, 62
xfig, 9
xtable, 143
Colección
Estadístic
textos
En este libro se presentan dos tipos
de técnicas estadísticas multivariadas
para describir grandes tablas de
datos y analizar su información. Estos
métodos tienen orientación descriptiva
y exploratoria y fijan su atención en los
objetos que se están describiendo con
variables cuantitativas o cualitativas.
En ellos, se recurre a representaciones
gráficas abstractas que se hacen
concretas mediante proyecciones en ejes
y planos, y mediante la obtención de
clases o grupos, en lugar de a modelos
estadísticos.
El texto sirve como punto de entrada

a los métodos de aprendizaje no
supervisado, uno de los temas centrales
en la llamada Ciencia de datos. Cada
método se presenta con un ejemplo que
se desarrolla paso a paso utilizando
el lenguaje estadístico R, el software
libre más difundido en la comunidad
estadística mundial. Además se incluye
una aplicación sencilla de cada método y
se acompaña con ejercicios y talleres. El
texto es también una introducción al uso
del software libre para la producción de
documentos con contenido estadístico,
utilizando LaTeX, para la edición, y R
para la ejecución de los métodos y la
producción de gráficas.

EstadisiticaDescriptivaMultivariada PDF

Cargado por

Copyright:

Formatos disponibles

EstadisiticaDescriptivaMultivariada PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

EstadisiticaDescriptivaMultivariada PDF

Cargado por

Copyright:

Formatos disponibles

Estadística

Bogotá, D. C., Colombia, junio de 2020

A la memoria de Soledad, Luis Carlos e Israel.

A Esperanza, David –el científico– y Camilo –el mago–.

Pongo a disposición este libro, después de muchos años de dictar cursos de

A mis estudiantes de los cursos de Estadística descriptiva multivariada,

5.2.1. ACP de los perfiles fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

6.5.3. Resultados del análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

1.1. Esquema de una tabla de datos y de los métodos . . . . . . . . . . 4

2.1. Diagramas de dispersión y densidades kernel de los pun-

3.1. Representación de la tabla de datos del ejemplo “Café” . . . . . 43

3.11. Proyección de variables sobre el eje generado por v . . . . . . . . 65

4.1. Diagrama de dualidad del ACP(X, M, N) . . . . . . . . . . . . . . . . 97

5.1. Primer plano factorial de los perfiles de carreras según

6.1. Histograma de valores propios del ACM de admitidos . . . . . . 149

6.10. Histogramas de valores propios y del criterio de Benzécri

7.1. Ejemplo de clasificación con K-means de los cafés a partir

2.1. Caracterización de las carreras según los resultados por

3.1. Distancias entre cafés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4.1. Fórmulas del ACP(X, M, N) . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

5.1. Tablas de contingencia y de frecuencias relativas de los

5.6. Contribuciones absolutas y cosenos cuadrados del ACS de

6.1. Extracto de las tablas: de código condensado Y y disyun-

7.1. Clasificación “a mano” de los diez cafés . . . . . . . . . . . . . . . . . . 193

A.1. Tablas de datos del paquete FactoClass . . . . . . . . . . . . . . . . . . . 227

Algunas veces se realizan descripciones bivariadas, según los tipos de las

En este capítulo se hace una presentación de los métodos abordados en el

1.1. Introducción a los métodos

Esquema de la tabla Esquema de representación en R3

Figura 1.1. Esquema de una tabla de datos y de los métodos

El conjunto de los p vectores en Rn se denomina “nube de variables”

Figura 1.2. Esquema de tres métodos factoriales

En el capítulo 4 se presenta el ACP generalizado o ponderado, denomi-

En el capítulo 5 se presenta el análisis de correspondencias simples (ACS),

1.2. El lenguaje estadístico R

1.2.1. Obtención e instalación de R

Por economía expresiva en la secuencia de instrucciones de esta sección

Entre a la página http://www.r-project.org

Clic en CRAN −→ Mirror y escoja uno.

Clic en Download R for Windows −→ base −→ Download R 3.6.3 for

Guarde el archivo en un directorio −→ Ejecutar.

Responda a las preguntas del instalador (aceptando las sugerencias).

Para ejecutar R se hace clic en el acceso directo R. Aparece la consola

Para leer el manual de introducción: clic en Help −→ An Introduction

Es muy conveniente, para quien empiece con R, leer An introduction to R

El lenguaje R está enmarcado dentro de la programación orientada a

1.2.2. Instalación de paquetes

Clic en Paquetes (en la barra de menú situada en la parte superior) −→

Seleccione un Mirror −→ OK, aparece lista de paquetes.

Selecciones los paquetes, con la tecla Control oprimida cuan-

FactoClass utiliza algunas funciones de KernSmooth (Wand, 2020). El pa-

1.2.3. RStudio, Sweave y Markdown

1.3. El programa DtmVic

1.4. Editor para gráficas obtenidas con R

dev.print(device = xfig), con el que se graba la gráfica activa en el archivo

1.5. Conceptos de álgebra lineal

El anexo A de Díaz (2007).

El capítulo dos de Morrison (1990): Matrix algebra .

El capítulo dos de Hardle y Simar (2007): A short excursion into matrix