ndice

1. Introduccin
2. Concepto y clasificacin
3. Aplicaciones en marketing
4. Proceso de aplicacin
5. Sofware

1. Introduccin

Objetivos y alcance de la investigacin

Planificacin
preliminar
Estimacin del valor de la investigacin

Enfoque de la investigacin (descriptivo vs causal)

Diseo de la
investigacin
Tctica de la investigacin (cualitativa vs cuantitativa)

Recoleccin y anlisis de datos

Desarrollo de la
investigacin
Conclusiones y recomendaciones

Procedimientos de anlisis

ANLISIS UNIVARIABLE
Estadsticos descriptivos (tendencia central, dispersin, forma)
Contrastes paramtricos y no paramtricos

ANLISIS BIVARIABLE
Estadsticos descriptivos (medidas de asociacin)
Contrastes paramtricos y no paramtricos

ANLISIS MULTIVARIABLE
Mtodos de interdependencia
Mtodos de dependencia
 2. Concepto y clasificacin
Tcnicas estadsticas que analizan simultneamente ms de dos variables de un muestreo de
observaciones.

Definicin de anlisis multivariable: Conjunto de tcnicas estadsticas que, de forma simultnea,

miden, explican y predicen relaciones existentes entre los elementos que conforman una tabla de
datos, proporcionando un resultado que debe ser interpretado minuciosamente por el analista.

Presenta una serie de caractersticas como son las siguientes:

La inferencia estadstica es el fundamento de la mayor parte de las tcnicas de anlisis

multivariante
Es el proceso que permite inferir los valores de las caractersticas poblacionales en
trminos probabilsticos a partir de las caractersticas muestrales
Se desarrolla a travs de la contrastacin de hiptesis.
Se plantea una hiptesis nula sobre el valor del parmetro y se determinar su rechazo o
no en funcin de la informacin proporcionada por la muestra
Nivel de significacin: representa la bondad de ajuste de la inferencia, y mide la
probabilidad de cometer un error (error tipo I) al rechazar la hiptesis nula (Ho)
Potencia de contrastes: probabilidad de error al no rechazar Ho

Variables no mtricas: reflejan propiedad /estado

Variables mtricas: reflejan diferencias de grado

2.1 Tcnicas de anlisis de dependencia

Anlisis de regresin lineal mltiple

Permite utilizar ms de una variable independiente. La ecuacin de regresin no se mide en un

plano, sino en un hiperplano.

Estudiar la relacin entre variables.

Anlisis de la varianza y covarianza

Utilizando un modelo de regresin lineal mltiple, busca comparar los resultados

obtenidos en diferentes grupos de una variable cuantitativa, pero corrigiendo las
posibles diferencias existentes entre los grupos en otras variables que puedan afectar
tambin al resultado (covariables)
Anlisis discriminante

Tcnica de clasificacin donde el objetivo es obtener una funcin capaz de clasificar a un nuevo
individuo a partir del conocimiento de los valores de ciertos valores discriminantes.

A diferencia del anlisis clster se deben conocer los grupos previamente y a que grupo
pertenecen ciertos individuos, de los que tambin se conoce sus valores en las variables
discriminantes.
Modelos de eleccin discreta

Modelizacin de variables cualitativas a travs del uso de tcnicas propias de las variables
discretas.

Son apropiadas cuando el objetivo no es predecir el comportamiento medio de un agregado,

sino analizar los factores determinantes de la probabilidad de que un agente econmico
individual elija un curso de accin dentro de un conjunto, generalmente finito, de opciones
posibles.

La variable discreta est formada por un nmero finito de alternativas que miden cualidades.

Logit: Utilizado en logstica. Elementos de recta de perturbaciones. Siguen distribuciones.

Probit: normal tipificada. amplio cargo de posibilidades

Multinominales: conjunto de alternativas finito

Anlisis conjunto

Determinar qu combinacin de un nmero de atributos es el ms preferido por los encuestados.

Segmentacin jerrquica

Anlisis de ecuaciones estructurales

Probar y estimar relaciones causales a partir de datos estadsticos y asunciones cualitativos.

Anlisis con clases latentes

Un modelo estadstico que especifica la distribucin conjunta de un conjunto de variables

aleatorias en el cual alguna de esas variables (latente) no es observable.

2.2. Tcnicas de anlisis de interdependencia

Anlisis factorial y de CC.PP (Tema 2)

Anlisis de correspondencias (Tema 4)

Anlisis clster o de conglomerados (Tema 3)
Escalamiento multidimensional

Trata de visualizar sobre un mapa, un conjunto de estmulos cuya posicin relativa se desea
analizar.

Anlisis con clases latentes

 3. Aplicaciones en marketing

Elevado grado de incertidumbre sobre la evolucin del entorno.

Elevado nmero de aspectos y variables a considerar.

Ingente volumen de informacin que fluye hacia el directivo.

Elevado nmero de personas involucradas en los procesos y decisiones organizativas.

Dificultad de ejercer un control eficiente.

 4. Proceso de aplicacin

4.2. Anlisis previo de datos: limpieza y depuracin

Examen grfico de los datos (histogramas + anlisis descriptivo)

 Relacin entre variables (grficos de dispersin + medidas de asociacin)
 Diferencias entre grupos (diagramas de cajas y patillas + contrastes)

Contrastes no paramtricos (se conoce la distribucin):

Contrastes paramtricos (se conoce la forma de la distribucin y los parmetros desconocidos)

-Test de la media: prueba t para una muestra

- Test de muestras independientes. Ambas muestras tienen = nmero de elementos y
varianza
- Test de muestras relacionadas. Evolucionar antes y despus
 Perfiles multivariables
 Datos atpicos (outliers)

Motivos:

1. Errores de procedimiento: codificacin de datos

2. Observaciones derivadas de acontecimientos extraordinarios
3. Casos extraordinarios para los que no existe explicacin
4. Observaciones situadas dentro del rango ordinario de valores, que son nicas en lo
relativo a la combinacin de valores entre las variables.

Deteccin:

1. Univariable: examen de distribucin univariante de datos (histograma + boxplot)

2. Bivariable: examen de distribucin conjunta de dos variables (scatterplot + bag plot)
3. Multivariante: evaluacin de cada observacin a lo largo de un conjunto de
variables(distancia D cuadrado de Mahalanobis al centroide de las observaciones)

Bagplot

Fence coefficient: factor que magnifica el tamao de la bolsa

Bag coeficiente: % de casos contenidos en la bolsa

 Datos ausentes (missing data)

Se refiere a as situaciones en los que existen datos que no estn disponibles dentro de una tabla
de datos multivariable.

El objetivo es determinar las de ausencia de datos y seleccionar a partir de ese

conocimiento cual puede ser la forma ms apropiada de

Partimos de la base que esa ausencia de datos son muy variadas.

Las causas pueden ser de naturaleza aleatoria o de naturaleza sistemtica ( no respone)

Causas aleatorias: el problema no es muy grave y se resuelve fcilmente con un anlisis

eliminando los casos de valores perdidos.

Causas sistemticas: Si el volumen de casos perdidos es menor al 5% de la muestra, de

distribucin aleatoria eliminar por lista

Si el volumen de casos perdidos es mayor al 5% de la muestra, de distribucin sistemtica---

SPSS
 Verificacin de supuestos de anlisis multivariante (normalidad, homocedasticidad,
linealidad, etc)

Asimetra positiva: valores extremos estn por encima de la media

Curtosis negativa: las observaciones se agrupan menos y presentan colas ms largas

Normalidad

Anlisis grfico de la normalidad univariable

Normalidad: curtosis (o apuntamiento) y asimetra
Homocedasticidad

La variable dependiente presenta una varianza constante a lo largo de todo el rango de variacin
de la variable independiente.
En caso contrario, las predicciones sera mejores en ciertos niveles de la variable independiente
que en otros.

Linealidad

Dado que las correlaciones representan solamente la asociacin lineal entre las variables, los
efectos no lineales no estarn representados en muchos de los modelos multivariantes ms
habituales.
4.3. Preparacin adecuacin de datos al formato requerido
Enfoque cuantitativo: utiliza la recoleccin y el anlisis de datos para contestar preguntas de
investigacin y probar hiptesis establecidas previamente y confa en la medicin numrica, el
conteo y frecuentemente en el uso de la estadstica para establecer con exactitud patrones de
comportamiento de una poblacin.

Enfoque cualitativo: por lo comn, se utiliza primero para descubrir y refinar preguntas de
investigacin. A veces, pero no necesariamente, se prueban hiptesis con frecuencia se basa en
mtodos de recoleccin de datos sin medicin numrica, como las descripciones y las
observaciones.

Investigacin descriptiva (estadstica): describen los datos y caractersticas de la poblacin o

fenmeno en estudio.

Aunque la descripcin de datos es real, precisa y sistemtica, no puede describir lo que provoc
esa situacin. No puede utilizarse la investigacin descriptiva para crear una relacin causal, en
caso de que una variable afecte a otra.

Se puede decir que tiene bajo requisito de validez interna.