Anlisis Discriminante

Se tiene un conjunto de objetos que est ya clasificado en una serie de grupos,

esdecir, se sabe previamente a qu grupos pertenecen.
El Anlisis Discriminante se puedeconsiderar como un anlisis de regresin
donde la variable dependiente es categrica ytiene como categoras la etiqueta
de cada uno de los grupos, ylas variables independientesson continuas y
determinan a qu grupos pertenecen los objetos. Entonces, el primer objetivo
pretende encontrarrelaciones lineales entre las variables continuas que mejor
discriminen en los grupos dadosa los objetos.
Un segundo objetivo es construir una regla de decisin que asigne un objeto
nuevo,que no sabemos clasificar previamente, a uno de los grupos prefijados
con un cierto gradode riesgo.
Es necesario considerar una serie de restricciones o supuestos:
Se tiene una variable categrica y el resto de variables son de intervalo o de
razn y sonindependientes respecto de ella.
Es necesario que existan al menos dos grupos, y para cada grupo se necesitan
dos o mscasos.
El nmero de variables discriminantes debe ser menor que el nmero de
X 1,..., X p

objetos menos2:
, donde p <(n 2) y n es el nmero de objetos.
Ninguna variable discriminante puede ser combinacin lineal de otras
variables discriminantes.
El nmero mximo de funciones discriminantes es igual al mnimo entre el
nmero devariables y el nmero de grupos menos 1 (con q grupos, (q 1)
funciones discriminantes).
Las matrices de covarianzas dentro de cada grupo deben ser aproximadamente
iguales.
Las variables continuas deben seguir una distribucin normal multivariante.
Para ello:
-Analizar/Clasificar/Discriminante

- Seleccionar:
- Variable de agrupacin: asignar el grupo al que pertenece y se define el
rango del grupo (ej.: si hay dos grupos, el mnimo es 1 y mximo 2).
- Independientes: insertar las variables independientes.
- Estadsticos: Descriptivos (todas las opciones); Coeficientes de la funcin
(No tipificados).
- Clasificar: Probabilidades previas (Calcular segn tamaos de grupos);
Mostrar (Visualizacin en SPSS18) (Resultados para cada caso + Tabla
resumen); Usar matriz de covarianza (intra-grupos); Grficos (seleccionar
todas las opciones).
Los pasos que tenemos que seguir as como los estadsticos ms importantes
que hay que evaluar en el anlisis discriminante son:
1. Evaluar si las variables introducidas tienen poder discriminante: el Sig. (pvalor) < 0.05 en la prueba de igualdad de las medias de los grupos.
2. Comparacin de grupos.
a. Comparacin de la covarianza (prueba de Box -prueba de la matriz de
covavrianza y varianza son iguale-): el Sig. (p-valor) < 0.05
b. Comparacin de la varianza (lambda de Wilks): el Sig. (p-valor) < 0.05
3. Qu variable tiene ms peso en la funcin discriminante?: coeficientes
estandarizados.
4. Funcin discriminante, F.
5. Estadsticos de clasificaciones: clasifica los nuevos casos.
Existencia de 2 o mas grupos excluyentes,
Minimo de 2 casos por grupo
Las variables independientes deben ser cuantitativas y las dependientes
cualitativas.

Las variables seleccionadas en el modelo no deben ser combinaciones lineales

de otras.
La matriz de varianzas y covarianzas debn ser iguales en cada grupo.
Cada muestra probiene de una poblacion normal multivariada.
LANDA DE WILL:
mide las desviaciones DENTRO de cada grupo, respecto a las desviaciones
totales sin distinguir grupos, y toma valores entre 0 y 1 de forma que, cuanto
mas cerca de 0 este, mayor es el poder discriminante de las variables
concideradas, y cuanto mas cerca de 1, menor es dicho poder.
M-BOX:
SIG<0.05 SE ACEPTA LA HIPOTESIS NULA
SIG>0.05 SE RECHAZA LA HIPOTESIS NULA
LANDA DE WILL
Alterna, son diferentes
SIG<0.05 SE ACEPTA LA ALTERNA
SIG >0.05 SE RECHAZA LA ALTERNA