Professional Documents
Culture Documents
INTRODUCCIÓN:
El siguiente trabajo muestra un resumen de las metodologías de los problemas de escalamiento
multidimensional, teniendo en cuenta los algoritmos de mayorizacion. Se describen las principales
estrategias para resolver problemas del MDS a través de SMACOF. Se toma como referencia el
texto “Multidimensional Scaling Using Majorization: SMACOF in R” (Jan de Leew)
SMACOF EN R
¿Qué es el escalamiento multidimensional?
Son los métodos para descubrir estructuras ocultas en datos multidimensionales.
¿Dónde se aplica?
Las principales áreas de aplicación son:
Ciencias Sociales
Marketing
Bioetría
Ecología
En relación con la introducción al tema d escalamiento multidimensional se encuentra en los textos
de kuskal y Deseo (1978) y para en relación con temas más avanzados se encuentran en Borg
Groenen (2005) Cox y Cox (2001).
El escalado clásico del MDS. Está basado en distancias euclidianas, y las técnicas del MDS, se
integran en las siguientes taxonomías:
MDS de via 1 VS multidirección., como por ejemplo las medidas de diferentes repeticiones.
MDS de segundo modo VS multimodo, las diferencias de K son cualitativamente
diferentes.
El MDS métrico y MDS no métrico, ambas determinan la función objetivo de perdida.
La “suma de cuadrados” denomina el mismo estrés
Se minimiza el estrés con SMACOF.
Extensiones del enfoque de SMACOF respecto a:
Restricciones de la configuración
Diferencias individuales
Matrices angulares y superficies cuadráticas.
Los inventores del MDS son Torgerson (1958) y Shepard (1962)
las soluciones en MDS cayeron cerca de variedades cuadráticas como círculos, elípses y
parábolas.
Definiciones de Majorización:
Desde el punto de vista formal, la mayorizacion requiere de lassiguientes definiciones.
Sea ( ) una función para ser minimizada, la principal mayorizacion se sugiere concotrar una
simple y manejable función ( ) que se centra en ( )
( ) ( ) (1)
Donde es un valor fijo llamado “punto de apoyo”
La función sustituta para la superficie Sea ( ) ( )m conduce a la cadena de la desigualdad
de Sandwich:
( ) ( ) ( ) ( ) (2)
Eeste procedimiento puede ser utilizado para espacios multidimensionales y se puede prolongar la
desigualdad del Sandwich y se sostiene en el segundo paso, se puede utilizar para minimizar la
función objetivo correspondiente.
( ) √∑ ( ) (3)
( ) ∑ ( ( )) ( )
W es una matriz nxn, es simétrica, no negativa y hueca. Se utiliza para imponer estructuras de valor
faltantes.
si se conoce
si no se conoce a
( ) ∑ ∑ ( ) ∑ ( ) ( ) ( ) ( )
La siguiente expresión
∑ ( )
(7)
donde
(9)
Con
(10)
Se define la restricción lineal más simple de la forma , en este caso Z es una matriz
predictora nxq ( )
La trasnformacion de Guttman es ( ).
(11)
(12)
( )
Proyectando a en la variedad de configuraciones restringidas
(13)
Con
Extensión natural del conjunto clásico del MDS. El enfoque clásico para el calculo de MDS es
INSCAL (calculo de diferencias individuales Carrollo y Chang 1970)
(14)
(15)
(16)
(17)
Z es la matriz n × p de coordenadas del llamado espacio de estímulo grupal o espacio común.
Si para todos k, obtenemos el llamado modelo de identidad.
(18)
(20)
(21)
Y B(x) como:
(22)
Matriz de soporte de Y
(23)