Fundamentos y aplicaciones del análisis de correspondencias difuso

Autores/as

  • Nurys Gámez Credit Maintenance Analyst. Citibank.

DOI:

https://doi.org/10.15332/s2027-3355.2012.0001.01

Palabras clave:

análisis de correspondencias, análisis multivariado, datos difusos, tablas de contingencia.

Resumen

El análisis de correspondencias difuso es un método bastante útil, pero poco conocido actualmente en nuestro medio. En este trabajo se hace una revisión en la literatura, se resume el método y se buscan algunos contextos de aplicación del mismo. Finalmente, se presenta un ejemplo para analizar los perfiles socioeconómicos de un grupo de estudiantes, comparando el análisis de correspondencias múltiples con el análisis de correspondencias difuso. De esta forma, se muestra la utilidad del ACD cuando se tiene información resumida y se resaltan las principales diferencias y similitudes entre los dos métodos con respecto al conjunto de datos trabajado.

Citas

Barbary, O. (1996), Una aplicación del análisis armónico cualitativo: la topología de trayectorias individuales, in ‘Memorias del seminario de capacitación e investigación: Recolección y análisis de datos longitudinales’, Universidad Nacional de Colombia, Bogotá, pp. 121–144.

Bojadziev, G. & Bojadziev, M. (1995), Fuzzy sets, fuzzy logic, applications, World Scientific.

Bournaud, M., Richoux, P. & Usseglio-Polatera, P. (1992), ‘An approach to the synthesis of qualitative ecological information issued form aquatic coleoptera communities’, Regulated Rivers 7, 165–180.

Castella, E. & Speight, M. (1996), ‘Knowledge representation using fuzzy coded variables: an example based on the use of syrphidae (insecta, diptera) in the assessment of riverine wetlands’, Ecological modelling 85, 13–25.

Chessel, D., Dufour, A.-B. & Thioulouse, J. (2004), ‘The ade4 package-I- One-table methods’, R News 4, 5–10.

Chevenet, F., Dolédec, S. & Chessel, D. (1994), ‘A fuzzy coding approach for the analysis of long-term ecological data’, Freshwater Biology 31, 295–309.

CSU (1993), ‘Artículo 1 del acuerdo no. 100’.*http://www.unal.edu.co/estatutos/eestud/epanxmat.html

Díaz, L. G. (2002), Estadística multivariada: inferencia y métodos, Universidad Nacional de Colombia.

Deville, J. & Saporta, G. (1980), Analyse harmonique qualitative,in Data Analysis and Informatics, E. DIDAY et al.éditeurs, North Holland Publishing Com- pagny.

Dolédec, S. & Chessel, D. (1994), ‘Coinertia analysis: an alternative method for studying species-environment relationships.’ Freshwater Biology 31, 277–294.

Dolédec, S. & Chevenet, F. (1994a), ‘Fuzzy correspondence analysis’, ADE-4, Fi- che thématique 2.5 pp.1–20. *http://pbil.univ-lyon1.fr/R/themaold/thema25.pdf

Dolédec, S. & Chevenet, F. (1994b), ‘Fuzzy correspondence analysis’, Science Direct 158, 1–20.

Escofier, B. & Pagés, J. (1992), Análisis factoriales simples y múltiples. Objetivos, métodos e interpretación, Universidad del Pais Vasco, Bilbao.

Lebart, L., Morineau, A. & Piron, M. (1995), Statisitique exploratoire multidimen- sionnelle, Dunod, Paris.

Pagés, J. (2004), ‘Multiple factor analysis: Main features and application to sensory data’, Revista Colombiana de Estadística 27(1), 1–26.

Pardo, C. E. & 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 Development Core Team (2007), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.

Rijckevorsel, J. V. (1987), The aplication of fuzzy coding and hoerseshoes in multiple correspondence analysis, DSWO Press.

Descargas

Publicado

2012-08-21

Cómo citar

Gámez, N. (2012). Fundamentos y aplicaciones del análisis de correspondencias difuso. Comunicaciones En Estadística, 5(1), 7–32. https://doi.org/10.15332/s2027-3355.2012.0001.01

Número

Sección

Artículos