Análisis de Componentes Principales: Maximización de varianza

แชร์
ฝัง
  • เผยแพร่เมื่อ 5 ม.ค. 2025

ความคิดเห็น • 40

  • @Ciborg1984
    @Ciborg1984 3 วันที่ผ่านมา

    Gracias Dr. Omar, por estás magníficas clases, saluos

  • @macs1701
    @macs1701 หลายเดือนก่อน

    Gracias, Gracias, Gracias y Mil Gracias por subir este video.

  • @yeseniajasso4444
    @yeseniajasso4444 10 หลายเดือนก่อน +4

    Es la mejor clase de PCA que he visto. ¿La parte práctica en R la tiene en el canal? Le agradezco infinitamente su labor de difusión por este medio.

  • @dulcecarolinaalvarezsantia3093
    @dulcecarolinaalvarezsantia3093 3 หลายเดือนก่อน

    Muchas gracias!! Magistral tu forma de explicar.

  • @jvvalner7457
    @jvvalner7457 3 ปีที่แล้ว +4

    Excelente información, te felicito por la claridad en tu explicación. Gracias por compartir 👍🏼👍🏼

  • @mauespinola
    @mauespinola 6 หลายเดือนก่อน

    genial la presentación, tan claro incluso en los conceptos complejos

  • @JuliethAndreaVascoBueno
    @JuliethAndreaVascoBueno ปีที่แล้ว

    Muchas gracias, te veo desde españa, explicas excelente un saludo!

  • @rossanaporrasjorge8004
    @rossanaporrasjorge8004 ปีที่แล้ว

    por fin entendí el PCA, Omar te felicito por la didactica

  • @santiagogarciarincon2739
    @santiagogarciarincon2739 2 ปีที่แล้ว

    El mejor video que he visto de este tema, muy bien explicado.

  • @anakarencuellarmandujano6443
    @anakarencuellarmandujano6443 3 ปีที่แล้ว +2

    Maravillosa explicación!

  • @juanrobertomorachaves6917
    @juanrobertomorachaves6917 ปีที่แล้ว

    Muy buena su explicación. Le agradezco

  • @nicoch8858
    @nicoch8858 3 หลายเดือนก่อน

    Muy buena explicacion!!

  • @andresalvarez2183
    @andresalvarez2183 6 หลายเดือนก่อน

    Muy bien explicado muchas gracias

  • @edfree925
    @edfree925 2 ปีที่แล้ว +12

    Ojalá y mi profesor de estadística me lo hubiera explicado así 🤯

  • @luisalbertogonzalez0
    @luisalbertogonzalez0 3 ปีที่แล้ว +6

    Excelente explicación solo una acotación, si mal no recuerdo no sería A por el eigenvalor = al eigenvalor por el eigenvector, sino seria A por el eigenvector = al eigenvalor por el eigenvector (A*v=lambda*v)

  • @camilofernandez4935
    @camilofernandez4935 ปีที่แล้ว +1

    Hola excelente vídeo, quisiera preguntar si la parte práctica fue cargada

  • @alanmanuelrubinrobles9267
    @alanmanuelrubinrobles9267 2 ปีที่แล้ว

    Excelente clase

  • @eloyof6396
    @eloyof6396 ปีที่แล้ว

    Gran video carnal

  • @nelidaruth3319
    @nelidaruth3319 ปีที่แล้ว

    avisen cuando hay a nuevos cursos con el APC, esta entendible en curso!

  • @LuisLopezPerez-l5k
    @LuisLopezPerez-l5k หลายเดือนก่อน

    Dr. Omar donde puedo cursar algún diplomado en estadística que me recomiende.. aparte de sus fabulosos videos...o usted no imparte algún curso o diplomado presencial de preferencia?? Gracias

  • @mariuspy
    @mariuspy 2 ปีที่แล้ว

    Hola, tengo algunas dudas:
    1- Cuando explica el PCA Score plot (55:08), cual es el dataset que utiliza? Y cual es el tamaño? Creo que son 15 parametros, pero no mencional el numero de muestas.
    2- Cuando muestra el bi-plot (1:00:51), es el mismo data set que mostró para el PCA score plot? porque el rango de los ejes es distintos.

  • @nicoch8858
    @nicoch8858 3 หลายเดือนก่อน

    Consulta, el video con el ejemplo del vino y la practica lo tenes publicada?

  • @phdbreak8417
    @phdbreak8417 2 ปีที่แล้ว +1

    Muchas gracias por la información. ¿Qué bibliografía me recomendaría si estoy iniciando con este tipo de análisis multivariado y multivariante? Ya tengo conocimiento básico de la estadística, hasta ANOVA de dos vías.

  • @glairisasanchez1507
    @glairisasanchez1507 10 หลายเดือนก่อน

    Saludos Omar, favor facilitarme su correo, necesito plantearle una situación referente a ACP que me encuentro realizando. De casualidad tiene un video explicando ACP en el software R?

  • @Edutroniko
    @Edutroniko ปีที่แล้ว

    esta teoria me sirviria para machine learning?

  • @farraj1999
    @farraj1999 2 ปีที่แล้ว

    Excelente clase. Gracias, doctor. ¿Puedo ver la siguiente clase?

  • @luisHernandez-nm6ro
    @luisHernandez-nm6ro 2 ปีที่แล้ว

    Excelente video, el mejor que he encontrado sobre el tema hasta el momento, gracias! una pegunta Omar;
    Estoy usando PCA en Stata para variables de calidad del agua (pH, Fitoplancton total, clorofila a, temperatura, solidos disueltos, nitrratos, etc.), igual debo estandarizar los datos antes de correr pca verdad?
    y puedo usarlo aunque tenga 22 variables (k) y solo 12 observaciones (meses) o debería aumentar el no de observaciones (meses(12) *estaciones (2) = 24 numero de observaciones ?
    Muchas gracias profe por subir el material, realmente me sirve mucho para mi tesis.

    • @OmarBelloChavolla
      @OmarBelloChavolla  2 ปีที่แล้ว

      Ha Luis, muchas gracias por tus comentarios. Si es indispensable estandarizar los datos antes de analizar para que el eje de varianza no se afecte por la escala de medición. PCA te va a ser útil especialmente en casos con pocas observaciones y muchas variables, dónde seguro tendrás problemas de multidimensionalidad. Saludos!

    • @luisHernandez-nm6ro
      @luisHernandez-nm6ro 2 ปีที่แล้ว

      @@OmarBelloChavolla Gracias 🙂

  • @online_community
    @online_community 2 ปีที่แล้ว

    como acceder al curso completo...?🙄

  • @nicolasromero2126
    @nicolasromero2126 2 ปีที่แล้ว

    Cómo puedo un análisis de varianza con medidas repetidas en infostat?

  • @hunkelo
    @hunkelo 2 ปีที่แล้ว

    Excelente video se entiende muy bien todo, sin embargo en todos los grupos como se cual es la ¿máxima varianza de cada grupo?

    • @OmarBelloChavolla
      @OmarBelloChavolla  2 ปีที่แล้ว

      Tendrías que hacer el PCA separado por grupo, pero siempre es posible

  • @carlapintoa4983
    @carlapintoa4983 ปีที่แล้ว

    Qué profe tan genial, ni punto de comparación con mi profesor de Bioestadística

    • @OmarBelloChavolla
      @OmarBelloChavolla  ปีที่แล้ว

      Muchas gracias, ojalá te sea de utilidad el material :)

  • @MikeAbarK
    @MikeAbarK ปีที่แล้ว

    Buen día Dr. Omar una pregunta, tomando el ejemplo que puso de la reducción de dimensiones del eje de Máxima varianza al cual nombro canasta básica (Eje "x" precio del huevo, eje "y" precio del aceite, eje "z" precio de las tortillas) si consideramos que lo hace con la unidad de medida en dólares y yo tomó los mismos datos pero los transformo primero a pesos mexicanos. Si ambos proyectamos los datos en la dirección de máxima varianza ¿obtendríamos los mismos resultados?

    • @OmarBelloChavolla
      @OmarBelloChavolla  ปีที่แล้ว +2

      La transformación aritmética (de dólares a pesos) no modificaría los resultados pues al estandarizarlos con media cero y desviación estándar 1 la media y la varianza quedarían iguales. De ahí la importancia de que las variables queden en ese formato previo a la reducción de dimensiones.
      Saludos!

    • @MikeAbarK
      @MikeAbarK ปีที่แล้ว

      @@OmarBelloChavolla muchísimas gracias Dr. Omar.

  • @albertocanomoreno5880
    @albertocanomoreno5880 3 ปีที่แล้ว

    una pregunta Dr: si el PCA es exploratorio, que analisis adicionales sugeriria?

    • @OmarBelloChavolla
      @OmarBelloChavolla  3 ปีที่แล้ว +1

      Puedes hacer un análisis de regresión con los componentes principales identificados, un análisis de clustering o un análisis factorial confirmatorio