Son métodos estadísticos los cuales su intención es analizar paralelamente compuestos de datos multivariante en el sentido de que existen varias variantes de calculadas para cada sujeto u objeto estudiado. Su razón de ser establece un excelente entendimiento del fenómeno objeto de estudio u obteniendo investigación que los métodos estadísticos univariantes y bivariantes son incapaces de adquirir.

Esto se refiere a diversas técnicas estadísticas manipuladas para indagar datos que surten de más de una variable. Es básicamente moderar la realidad donde cada entorno, provecho o decisión involucra más de una sola variable. La era de la información ha resultado en una gran cantidad de datos en todos los campos. A pesar de la cantidad de datos disponibles, la capacidad de obtener una imagen clara de lo que está sucediendo y tomar decisiones inteligentes es un desafío.

Cuando la información disponible se almacena en tablas de la base de datos que contienen filas y columnas, se puede usar el Análisis multivariado para procesar la información de manera significativa.

El análisis incluye muchos métodos estadísticos que están elaborados para permitirle incluir múltiples variables y examinar la contribución de cada una. Los factores que incluya en su análisis aun dependerán de lo que quiera estudiar.

 

Información general del Análisis multivariante

Originalmente, los métodos de prueba y análisis multivariante se utilizaron en las estadísticas para descubrir relaciones causales. Como los cálculos manuales son muy complejos, los métodos solo se hicieron practicables en otros campos de aplicación con el desarrollo del hardware y el software correspondientes. Los métodos de análisis multivariante se utilizan actualmente en áreas muy diferentes:

 

• Lingüística, Ciencias Naturales y Humanidades
• Economía, seguros y servicios financieros
• Minería de datos y bases de datos relacionales

 

En la actualidad, los análisis multivariados generalmente se llevan a cabo utilizando un software para manejar grandes cantidades de datos y monitorear las variables modificadas en aplicaciones prácticas, como las pruebas de usabilidad. Sin embargo, las pruebas multivariantes también pueden contribuir significativamente a una mejor facilidad de uso en una escala menor.

Tipos de técnicas multivariante

1. Método de dependencia

Se Presumen que las variables estudiadas están fraccionadas en dos grupos: las variables dependientes y las variables independientes. El propósito de los métodos de dependencia se plantea en comprobar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de qué representación.

2. Método de interdependencia

Estos conocimientos no diferencian entre variables dependientes e independientes y su función se basa en verificar qué variables están conectadas, cómo residen y por qué.

3. Métodos estructurales

Se sobre entienden que las variables están divididas en dos grupos: el de las variables dependientes y el de las independientes. La intención de estos métodos es estudiar, no sólo como las variables independientes perjudican a las variables dependientes, sino también cómo están vinculadas  las variables de los dos grupos unirse entre sí.

 

Los objetivos del análisis multivariante

• Brindar técnicas cuya determinación es la exposición y conjuntos de datos multivariante que el análisis estadístico unidimensionales y bidimensionales ilimitados.
• Apoyar al analista o científico a escoger resultados recomendables en el contenido en el que se encuentre teniendo en cuenta la información disponible por el conjunto de datos examinados.

 

Etapas del análisis multivariante

 

1. Objetivos del análisis

Se desarrolla el problema  especificado los objetivos y las técnicas multivariante que se van a emplear. El investigador debe constituir el conflicto en términos conceptuales especificando los conceptos y las relaciones fundamentales que se van a investigar. Se deben formar si dichas relaciones van a ser semejantes de dependencia o de interdependencia. Con todo esto se plantea las variables a examinar.

 

2. Descripción del análisis

Se determina el tamaño maestral, las ecuaciones a estimar (si procede), las distancias a calcular (si procede) y las técnicas de estimación a emplear. Luego de definido todo esto se procede a observar los datos.

 

3. Deducciones del análisis

Se evalúan las hipótesis subyacentes a la técnica multivariante. Dichas hipótesis pueden ser de normalidad, linealidad, independencia, homocedasticidad, etc. También se debe decidir qué hacer con los datos desaparecidos.

 

4. Trabajo de análisis

Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones atípicas (valores atípicos) o influyentes cuya influencia sobre las estimaciones y la bondad de ajuste se debe analizar.

5. Interpretación de resultados

Dichas interpretaciones pueden llevar a especificaciones adicionales de las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3 y 4.

6. Validación de análisis

Consiste en establecer la validez de los resultados obtenidos y analizando sí los resultados obtenidos con la muestra se generalizar a la población de la que procede. Para ello se puede dividir la muestra en varias partes en las que el modelo se vuelve a estimar y se comparar los resultados. Otras técnicas que se pueden utilizar aquí son las técnicas de re muestreo.

 

Con el análisis multivariante se

• Obtiene un resumen o una descripción general de una tabla. Este análisis a menudo se denomina Análisis de Componentes Principales o Análisis Factorial. En la vista general, es posible identificar los patrones dominantes en los datos, como grupos, valores atípicos, tendencias, etc. Los patrones se muestran como dos parcelas.
• Analiza los grupos en la tabla, cómo difieren estos grupos y a qué grupo pertenecen las filas de la tabla individual. Este tipo de análisis se llama Clasificación y Análisis discriminante.
• Descubre relaciones entre columnas en tablas de datos, por ejemplo, relaciones entre las condiciones de operación del proceso y la calidad del producto. El objetivo es usar un conjunto de variables (columnas) para predecir otro, para fines de optimización, y para descubrir qué columnas son importantes en la relación.

 

Referencias o ejemplos del análisis

Se puede presentar una prueba multivariado de una página web de la siguiente manera simplificada. Elementos como titulares, avances, imágenes, pero también botones, íconos o colores de fondo tienen diferentes efectos en el comportamiento del usuario. Se prueban diferentes variantes de elementos. La prueba identificaría inicialmente estos elementos y mostraría a los diferentes usuarios elementos de diseño diferente. El objetivo sería obtener datos sobre los efectos de los cambios en términos de tasa de conversión u otros factores como el tiempo de retención, la tasa de rebote o el comportamiento de desplazamiento en comparación con otros conjuntos de elementos.