This HTML5 document contains 11 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

PrefixNamespace IRI
wikipedia-eshttp://es.wikipedia.org/wiki/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-eshttp://es.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n8http://rdf.freebase.com/ns/m.
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
n10http://es.wikipedia.org/wiki/Análisis_multivariante?oldid=130117177&ns=
Subject Item
dbpedia-es:Análisis_multivariante
rdfs:label
Análisis multivariante
rdfs:comment
El análisis multivariante o análisis multivariado es un método estadístico utilizado para determinar la contribución de varios factores en un simple evento o resultado. * Los factores de estudio son los llamados factores de riesgo (bioestadística), variables independientes o variables explicativas. * El resultado estudiado es el evento, la variable dependiente o la variable respuesta. El análisis multivariante mediante técnicas de proyección sobre variables latentes tiene muchas ventajas sobre los métodos de regresión tradicionales:
owl:sameAs
n8:0970b0
foaf:isPrimaryTopicOf
wikipedia-es:Análisis_multivariante
dbo:wikiPageID
9631939
dbo:wikiPageRevisionID
130117177
dbo:wikiPageRedirects
dbpedia-es:Estadística_multivariante
dbo:wikiPageLength
42
prov:wasDerivedFrom
n10:0
dbo:abstract
El análisis multivariante o análisis multivariado es un método estadístico utilizado para determinar la contribución de varios factores en un simple evento o resultado. * Los factores de estudio son los llamados factores de riesgo (bioestadística), variables independientes o variables explicativas. * El resultado estudiado es el evento, la variable dependiente o la variable respuesta. El análisis multivariante mediante técnicas de proyección sobre variables latentes tiene muchas ventajas sobre los métodos de regresión tradicionales: * se puede utilizar la información de múltiples variables de entrada, aunque éstas no sean linealmente independientes * puede trabajar con matrices que contengan más variables que observaciones * puede trabajar con matrices incompletas, siempre que los valores faltantes estén aleatoriamente distribuidos y no superen un 10% * puesto que se basan en la extracción secuencial de los factores, que extraen la mayor variabilidad posible de la matriz de las X (variables explicativas, tienen que ser dependientes) pueden separar la información del ruido. Se asume que las X se miden con ruido.
Subject Item
wikipedia-es:Análisis_multivariante
foaf:primaryTopic
dbpedia-es:Análisis_multivariante