Palabras clave
Statis
interval arithmetic
interval data
symbolic data analysis
InterStatis
Statis
aritmética de intervalos
datos tipo intervalo
análisis de datos simbólico
Cómo citar
Resumen
El método STATIS, propuesto por L’Hermier des Plantes y Escoufier, se utiliza para analizar múltiples tablas de datos en las cuales es muy fre- cuente que cada una de la tablas tenga información referente al mismo conjunto de individuos. Las diferencias y similitudes entre dichas tablas se analizan por medio de una estructura llamada compromiso. En este trabajo se presenta un nuevo algoritmo, denominado INTERSTATIS, del método STATIS para el caso cuando los datos de entrada son todos de tipo intervalo. Esta propuesta se basa en la aritmética de intervalos de Moore y el Método de Centros para el Análisis de Componentes Principales con datos de tipo intervalo, propuesto por Cazes et al. [5]. Además de presentar el método INTERSTATIS de forma algorítmica, un ejemplo de ejecución es presentado, junto con la interpretación de sus resultados.
Citas
Abdi, H.; Valentin, D. (2007) “The STATIS Method”, Neil Salkind (Ed.) Encyclopedia of Measurement and Statistics. Sage, Thousand Oaks CA: 955–962.
Billard, L.; Diday, E. (2006) Symbolic Data Analysis: Conceptual Statistics and Data Mining. John Wiley & Sons Ltd., United Kingdom.
Billard, L.; Douzal-Chouakria, A.; Diday, E. (2011) “Symbolic principal components for interval-valued observations”, Statistical Analysis and Data Mining 4(2), 229–246.
Caprani, O.; Madsen, K.; Nielsen, H. (2002) “Introduction to Interval Analysis”, Informatics and Mathematical Modelling, Technical University of Denmark, DTU, pp. 82.
Cazes, P.; Chouakria, A.; Diday, E.; Schektman, Y. (1997) “Extension de l’analyse en composantes principales à des données de type intervalle”, Rev. Statistique Appliquée 45(3): 5–24.
Diday E. (1987) “Introduction à l’approche symbolique en Analyse des Données”. Premières Journées Symbolique-Numérique. Université Paris IX Dauphine. Paris, France.
Escoufier, Y. (1980) “L’analyse conjointe de plusieurs matrices de données”, in: M. Jolivet (Ed.) Biométrie et Temps, Société Française de Biométrie, Paris: 59–76.
González, J.; Rodríguez, O. (1995) “Algoritmo e implementación del método STATIS”, in: J. Trejos (Ed.) IX Simposio Métodos Matemáticos Aplicados a las Ciencias, UCR-ITCR, Turrialba.
Lauro, C.; Palumbo F. (2001) “Principal component analysis of interval data: a symbolic data analysis approach”, Computational Statistics & Data Analysis 15(1): 73–87.
Lavit, Ch.; Escoufier, Y.; Sabatier, R.; Traissac, P. (1994) “The ACT (STATIS) method”, Computational Statistics & Data Analysis 18: 97–119.
Lavit, Ch., (1988) Analyse Conjointe de Tableaux Quantitatifs. Ed. Masson, París.
L’Hermier des Plantes, H. (1976) Structuration des Tableaux à Trois Indices de la Statistique. Thèse de Troisième Cycle. Universitè de Montpellier, Montpellier, France.
Makosso-Kallyth S.; Diday E. (2012) “Adaptation of interval PCA to symbolic histogram variables”, Advances in Data Analysis and Classification July 6(2): 147–159.
Moore, R.E. (1979) Methods and Applications of Interval Analysis. Society for Industrial and Applied Mathematics (SIAM), Philadelphia PA.
Rodríguez, O.; Diday, E.; Winsberg, S. (2001) “Generalization of the principal component analysis to histogram data”, in: Workshop on Symbolic Data Analysis of the 4th European Conference on Principles and Practice of Knowledge Discovery in Data Bases, September 12-16, 2000, Lyon, France.
Rodríguez, O. (2000) Classification et Modèles Linéaires en Analyse des Données Symboliques. Thèse de Doctorat, Université Paris IX Dauphine, Paris, France.
Stolfi, J.; de Figueiredo, L. (2003) “An introduction to affine arithmetic”, TEMA Tend. Mat. Apl. Comput. 4(3): 297–312.
Stolfi, J.; de Figueiredo, L. (1997) “Self-validated numerical methods and applications”, in: Brazilian Mathematics Colloquium Monograph, IMPA, Rio de Janeiro, Brazil.
Verde, R.; De Carvalho, F.A.T.; LeChevallier, Y. (2000) “A dynamical clustering algorithm for multi-nominal data”, in : H.A.L. Kiers, J.-P. Rasson, P.J.F. Groenen & M. Schader (Eds.) Data Analysis, Classification, and Related Methods, Springer-Verlag, Heidelberg: 387–394.