Buscar
Encontrados 98 resultados
Análisis de Componentes Principales (ACP)
El análisis de componentes principales (ACP) es uno de los métodos estadísticos de minería de datos más populares. Ejecute su ACPen Excel utilizando el software estadístico XLSTAT. ¿Qué es el análisis de componentes principales? Definición de un análisis de componentes principales El análisis de componentes principales es uno de los métodos de análisis de datos multivariantes más utilizados que permite...
Principal Component Regression (PCR)
What is Principal Component Regression PCR (Principal Components Regression) is a regression method that can be divided into three steps: The first step is to run a PCA (Principal Components Analysis) on the table of the explanatory variables, Then run an Ordinary Least Squares regression (OLS regression) also called linear regression on the selected components, Finally compute the parameters of the...
Análisis de panel
Utilice esta herramienta para comprobar si un panel de consumidores permite diferenciar una serie de productos. Si es el caso, evaluar en qué medida, y asegurarse de que las notas otorgadas por los evaluadores son fiables. Ocho tipos distintos de análisis se llevan a cabo para que usted tenga una idea clara de cómo se lleva a cabo el panel a nivel global o producto por producto. Esta característica...
Análisis Factorial
El objetivo del análisis factorial (factor analysis) es describir un conjunto de variables por una combinación lineal de factores comunes subyacentes, y de una variable que sintetiza la parte especàfica de variables originales. La varianza de una variable original puede dividirse en una parte común a las otras variables, explicada por los factores, llamada comunalidad de la variable (communality),...
Generalized Structured Component Analysis
What is Generalized Structured Component Analysis (GSCA) GSCA is a component based structural equation model method and can be used as PLS Path Modeling. This method introduced by Hwang and Takane (2011), allows to optimize a global function using an algorithm called Alternating Least Square algorithm (ALS). GSCA lies in the tradition of component analysis. It substitutes components for factors as...
Cartografía interna de preferencias
What is preference mapping? Preference Mapping allows to build maps which show the preference of consumer for a type of product. A preference map is a decision support tool in analyses where a configuration of objects has been obtained from a first analysis (PCA, MCA, MDS), and where a table with complementary data describing the objects is available (attributes or preference data). There are two...
Análisis de redundancia (RDA)
El análisis de redundancia (RDA) fue desarrollado por Van den Wollenberg (1977) como alternativa al análisis canónico de correlación (CCorA). El RDA permite estudiar la relación entre dos tablas de variables Y y X. Mientras que el CCorA es un método simétrico, el RDA es dismétrico. En CCorA, los componentes extraàdos de ambas tablas están tales que sus correlaciones está maximizada. En el RDA, los...
Transformación de series de tiempo
XLSTAT offers four different possibilities for transforming a time series Xt into Yt, (t=1,…,n): Box-Cox transform (fixed or optimised) Box-Cox transformation is used to improve the normality of the time series; the Box-Cox transformation is defined by the following equation: Yt = [ ( X2t - 1 ) / λ , (Xt > 0, λ ≠ 0 ) or (Xt ≥ 0, λ > 0 ) ; ln( Xt ), (Xt > 0, λ = 0) ] XLSTAT accepts a fixed value of...
ANOVA (Analisis de la varianza)
Utilice este modelo para realizar un ANOVA (Análisis de la varianza) con uno o más factores equilibrados o desequilibrados. Disponible en Excel con el software XLSTAT. Principios del análisis de la varianza El análisis de la varianza (ANOVA) es una herramienta que se usa para dividir la varianza observada en una variable concreta en componentes atribuibles a diferentes fuentes de variación. El análisis...
Suavización de series temporales
Several smoothing methods are available in the XLSTAT-Forecast solution. They are described below. Simple exponential smoothing This model is sometimes referred to as Brown's Simple Exponential Smoothing, or the exponentially weighted moving average model. Exponential smoothing is useful when one needs to model a value by simply taking into account past observations. It is called "exponential" because...