Reto #6: PCA

¿Cuál es el objetivo general del análisis de componentes principales?

• C. Encontrar outliers en un conjunto de datos multivariado

• B. Reducir datos e interpretar la estructura de covarianza de variables

• D. Realizar un análisis de agrupamiento

• A. Ajustar los datos a una distribución normal

¿Qué representan los componentes principales en un conjunto de datos?

• B. Las observaciones atípicas

• D. Las correlaciones entre las variables

• A. Las variables originales

• C. Las combinaciones lineales de las variables originales

¿Cuál es uno de los métodos para determinar el número de componentes principales?

• D. Contar el número de variables originales

• C. Incluir aquellos cuya variación de un componente a otro sea muy grande

• B. Seleccionar aquellos con proporción de varianza explicada menor al 50%

• A. Buscar componentes con eigenvalores menores a 1

¿Qué representan las calificaciones de los componentes principales?

• A. La ubicación de las observaciones en un conjunto de datos con respecto a sus ejes de componentes principales

• B. La varianza explicada por cada componente principal

• D. La media de las variables originales

• C. La correlación entre las variables originales

¿Cuál es una de las pruebas para verificar la independencia de las variables originales?

• A. Prueba de hipótesis para comprobar si la matriz de correlaciones es una matriz identidad

• B. Prueba de normalidad de los datos

• C. Prueba de homogeneidad de varianzas

• D. Prueba de independencia de muestras

¿Cuál es el método más útil para cribar datos multivariados?

• B. Análisis de agrupamiento

• A. Análisis de regresión múltiple

• C. Análisis de componentes principales

• D. Análisis de varianza

¿Qué representan los eigenvalores en el análisis de componentes principales?

• C. La ubicación de las observaciones en un conjunto de datos con respecto a sus ejes de componentes principales

• B. La varianza explicada por cada componente principal

• A. La media de las variables originales

• D. La correlación entre las variables originales

¿Qué se recomienda hacer antes de realizar un PCA?

• D. Realizar un análisis de agrupamiento

• A. Transformar el conjunto de datos a una distribución normal

• B. Realizar un análisis de regresión múltiple

• C. Verificar la independencia de las variables originales

¿Qué representan las componentes principales en un gráfico de dispersión?

• B. La varianza explicada por cada componente principal

• D. La ubicación de las observaciones en un conjunto de datos con respecto a sus ejes de componentes principales

• A. Las observaciones atípicas

• C. Las combinaciones lineales de las variables originales

¿Cuál es el objetivo del análisis de componentes principales?

• C. Encontrar outliers en un conjunto de datos multivariado

• A. Ajustar los datos a una distribución normal

• D. Realizar un análisis de agrupamiento

• B. Reducir datos e interpretar la estructura de covarianza de variables