#trabajando con datos imputadosya fui
USArrests <- read.csv("datamv.csv",head=T,sep=";",row.names = 1)
head(USArrests)
## e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14 e15 e16 e17 e18 e19 e20
## 1 0 2 0 0 0 0 0 2 0 2 0 2 0 0 0 0 0 3 0 0
## 2 2 2 2 0 0 0 3 0 3 0 4 0 4 4 0 0 0 0 0 0
## 3 3 0 3 0 0 0 0 0 0 1 3 3 3 0 3 0 0 2 3 0
## 4 3 2 2 0 0 0 2 0 1 2 3 2 3 0 3 0 2 3 3 3
## 5 3 0 0 2 0 2 2 2 2 2 4 2 4 0 4 0 0 3 3 3
## 6 3 0 0 3 3 2 0 0 0 0 3 3 3 0 3 0 0 2 3 3
str(USArrests)
## 'data.frame': 269 obs. of 20 variables:
## $ e1 : int 0 2 3 3 3 3 4 2 4 3 ...
## $ e2 : int 2 2 0 2 0 0 3 0 0 0 ...
## $ e3 : int 0 2 3 2 0 0 0 0 0 0 ...
## $ e4 : int 0 0 0 0 2 3 3 4 3 3 ...
## $ e5 : int 0 0 0 0 0 3 0 3 2 2 ...
## $ e6 : int 0 0 0 0 2 2 0 3 0 0 ...
## $ e7 : int 0 3 0 2 2 0 2 0 2 0 ...
## $ e8 : int 2 0 0 0 2 0 0 0 0 0 ...
## $ e9 : int 0 3 0 1 2 0 0 0 0 0 ...
## $ e10: int 2 0 1 2 2 0 0 0 2 2 ...
## $ e11: int 0 4 3 3 4 3 4 4 4 3 ...
## $ e12: int 2 0 3 2 2 3 4 2 4 3 ...
## $ e13: int 0 4 3 3 4 3 4 4 4 3 ...
## $ e14: int 0 4 0 0 0 0 3 3 0 0 ...
## $ e15: int 0 0 3 3 4 3 0 0 2 2 ...
## $ e16: int 0 0 0 0 0 0 3 4 0 3 ...
## $ e17: int 0 0 0 2 0 0 3 4 4 3 ...
## $ e18: int 3 0 2 3 3 2 0 0 3 3 ...
## $ e19: int 0 0 3 3 3 3 0 2 3 3 ...
## $ e20: int 0 0 0 3 3 3 0 0 0 2 ...
boxplot(USArrests,col=11:15)
par(mfrow=c(1,1))
hist(USArrests$e1, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e1", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e2, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e2", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e3, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e3", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e4, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e4", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e5, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e5", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e6, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e6", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e7, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e7", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e8, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e8", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e9, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e9", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e10, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e10", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e11, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e11", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e12, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e12", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e13, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e13", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e14, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e14", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e15, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e15", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e16, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e16", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e17, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e18", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e18, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e18", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e19, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e19", ylab = "Frecuencia", col = "#009ACD")
hist(USArrests$e20, freq = TRUE, main = "Histograma de frecuencias",
xlab = "e20", ylab = "Frecuencia", col = "#009ACD")
#Histogramas escaladas
require(psych)
## Loading required package: psych
## Warning: package 'psych' was built under R version 3.5.1
multi.hist(x = USArrests,dcol = c("blue", "red"), dlty = c("dotted", "solid"),
main = "")
summary(USArrests)
## e1 e2 e3 e4
## Min. :0.000 Min. :0.000 Min. :0.0000 Min. :0.000
## 1st Qu.:1.000 1st Qu.:0.000 1st Qu.:0.0000 1st Qu.:0.000
## Median :3.000 Median :1.000 Median :0.0000 Median :2.000
## Mean :2.242 Mean :1.301 Mean :0.5799 Mean :1.561
## 3rd Qu.:3.000 3rd Qu.:3.000 3rd Qu.:0.0000 3rd Qu.:3.000
## Max. :4.000 Max. :4.000 Max. :4.0000 Max. :4.000
## e5 e6 e7 e8
## Min. :0.0000 Min. :0.0000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.0000 Median :0.0000 Median :0.000 Median :0.0000
## Mean :0.9628 Mean :0.5985 Mean :1.089 Mean :0.8773
## 3rd Qu.:2.0000 3rd Qu.:1.0000 3rd Qu.:2.000 3rd Qu.:2.0000
## Max. :4.0000 Max. :4.0000 Max. :4.000 Max. :4.0000
## e9 e10 e11 e12
## Min. :0.0000 Min. :0.000 Min. :0.000 Min. :0.000
## 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:1.000 1st Qu.:1.000
## Median :0.0000 Median :2.000 Median :3.000 Median :2.000
## Mean :0.3346 Mean :1.569 Mean :2.253 Mean :2.104
## 3rd Qu.:0.0000 3rd Qu.:2.000 3rd Qu.:3.000 3rd Qu.:3.000
## Max. :4.0000 Max. :4.000 Max. :4.000 Max. :4.000
## e13 e14 e15 e16
## Min. :0.000 Min. :0.0000 Min. :0.000 Min. :0.0000
## 1st Qu.:1.000 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:0.0000
## Median :2.000 Median :0.0000 Median :2.000 Median :0.0000
## Mean :2.138 Mean :0.5056 Mean :1.777 Mean :0.9108
## 3rd Qu.:3.000 3rd Qu.:0.0000 3rd Qu.:3.000 3rd Qu.:2.0000
## Max. :4.000 Max. :4.0000 Max. :4.000 Max. :4.0000
## e17 e18 e19 e20
## Min. :0.000 Min. :0.000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.000 1st Qu.:0.000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.000 Median :2.000 Median :2.000 Median :0.0000
## Mean :1.115 Mean :1.703 Mean :1.506 Mean :0.8662
## 3rd Qu.:2.000 3rd Qu.:3.000 3rd Qu.:3.000 3rd Qu.:2.0000
## Max. :4.000 Max. :4.000 Max. :4.000 Max. :4.0000
library(psych)
describe(USArrests)
## vars n mean sd median trimmed mad min max range skew kurtosis
## e1 1 269 2.24 1.30 3 2.30 1.48 0 4 4 -0.49 -0.88
## e2 2 269 1.30 1.40 1 1.17 1.48 0 4 4 0.45 -1.30
## e3 3 269 0.58 1.10 0 0.34 0.00 0 4 4 1.61 1.17
## e4 4 269 1.56 1.48 2 1.46 2.97 0 4 4 0.17 -1.52
## e5 5 269 0.96 1.31 0 0.79 0.00 0 4 4 0.89 -0.78
## e6 6 269 0.60 1.06 0 0.37 0.00 0 4 4 1.47 0.68
## e7 7 269 1.09 1.31 0 0.94 0.00 0 4 4 0.71 -0.94
## e8 8 269 0.88 1.09 0 0.73 0.00 0 4 4 0.78 -0.69
## e9 9 269 0.33 0.82 0 0.10 0.00 0 4 4 2.47 5.02
## e10 10 269 1.57 1.18 2 1.55 1.48 0 4 4 -0.04 -1.15
## e11 11 269 2.25 1.38 3 2.31 1.48 0 4 4 -0.43 -1.04
## e12 12 269 2.10 1.35 2 2.13 1.48 0 4 4 -0.24 -1.13
## e13 13 269 2.14 1.41 2 2.17 1.48 0 4 4 -0.39 -1.17
## e14 14 269 0.51 1.13 0 0.23 0.00 0 4 4 1.98 2.36
## e15 15 269 1.78 1.46 2 1.72 1.48 0 4 4 -0.06 -1.54
## e16 16 269 0.91 1.30 0 0.73 0.00 0 4 4 0.96 -0.66
## e17 17 269 1.12 1.42 0 0.94 0.00 0 4 4 0.73 -1.04
## e18 18 269 1.70 1.47 2 1.65 1.48 0 4 4 -0.03 -1.59
## e19 19 269 1.51 1.44 2 1.41 1.48 0 4 4 0.23 -1.48
## e20 20 269 0.87 1.26 0 0.66 0.00 0 4 4 1.09 -0.25
## se
## e1 0.08
## e2 0.09
## e3 0.07
## e4 0.09
## e5 0.08
## e6 0.06
## e7 0.08
## e8 0.07
## e9 0.05
## e10 0.07
## e11 0.08
## e12 0.08
## e13 0.09
## e14 0.07
## e15 0.09
## e16 0.08
## e17 0.09
## e18 0.09
## e19 0.09
## e20 0.08
summary(USArrests)
## e1 e2 e3 e4
## Min. :0.000 Min. :0.000 Min. :0.0000 Min. :0.000
## 1st Qu.:1.000 1st Qu.:0.000 1st Qu.:0.0000 1st Qu.:0.000
## Median :3.000 Median :1.000 Median :0.0000 Median :2.000
## Mean :2.242 Mean :1.301 Mean :0.5799 Mean :1.561
## 3rd Qu.:3.000 3rd Qu.:3.000 3rd Qu.:0.0000 3rd Qu.:3.000
## Max. :4.000 Max. :4.000 Max. :4.0000 Max. :4.000
## e5 e6 e7 e8
## Min. :0.0000 Min. :0.0000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.0000 Median :0.0000 Median :0.000 Median :0.0000
## Mean :0.9628 Mean :0.5985 Mean :1.089 Mean :0.8773
## 3rd Qu.:2.0000 3rd Qu.:1.0000 3rd Qu.:2.000 3rd Qu.:2.0000
## Max. :4.0000 Max. :4.0000 Max. :4.000 Max. :4.0000
## e9 e10 e11 e12
## Min. :0.0000 Min. :0.000 Min. :0.000 Min. :0.000
## 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:1.000 1st Qu.:1.000
## Median :0.0000 Median :2.000 Median :3.000 Median :2.000
## Mean :0.3346 Mean :1.569 Mean :2.253 Mean :2.104
## 3rd Qu.:0.0000 3rd Qu.:2.000 3rd Qu.:3.000 3rd Qu.:3.000
## Max. :4.0000 Max. :4.000 Max. :4.000 Max. :4.000
## e13 e14 e15 e16
## Min. :0.000 Min. :0.0000 Min. :0.000 Min. :0.0000
## 1st Qu.:1.000 1st Qu.:0.0000 1st Qu.:0.000 1st Qu.:0.0000
## Median :2.000 Median :0.0000 Median :2.000 Median :0.0000
## Mean :2.138 Mean :0.5056 Mean :1.777 Mean :0.9108
## 3rd Qu.:3.000 3rd Qu.:0.0000 3rd Qu.:3.000 3rd Qu.:2.0000
## Max. :4.000 Max. :4.0000 Max. :4.000 Max. :4.0000
## e17 e18 e19 e20
## Min. :0.000 Min. :0.000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.000 1st Qu.:0.000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.000 Median :2.000 Median :2.000 Median :0.0000
## Mean :1.115 Mean :1.703 Mean :1.506 Mean :0.8662
## 3rd Qu.:2.000 3rd Qu.:3.000 3rd Qu.:3.000 3rd Qu.:2.0000
## Max. :4.000 Max. :4.000 Max. :4.000 Max. :4.0000
library(psych)
describe(USArrests)
## vars n mean sd median trimmed mad min max range skew kurtosis
## e1 1 269 2.24 1.30 3 2.30 1.48 0 4 4 -0.49 -0.88
## e2 2 269 1.30 1.40 1 1.17 1.48 0 4 4 0.45 -1.30
## e3 3 269 0.58 1.10 0 0.34 0.00 0 4 4 1.61 1.17
## e4 4 269 1.56 1.48 2 1.46 2.97 0 4 4 0.17 -1.52
## e5 5 269 0.96 1.31 0 0.79 0.00 0 4 4 0.89 -0.78
## e6 6 269 0.60 1.06 0 0.37 0.00 0 4 4 1.47 0.68
## e7 7 269 1.09 1.31 0 0.94 0.00 0 4 4 0.71 -0.94
## e8 8 269 0.88 1.09 0 0.73 0.00 0 4 4 0.78 -0.69
## e9 9 269 0.33 0.82 0 0.10 0.00 0 4 4 2.47 5.02
## e10 10 269 1.57 1.18 2 1.55 1.48 0 4 4 -0.04 -1.15
## e11 11 269 2.25 1.38 3 2.31 1.48 0 4 4 -0.43 -1.04
## e12 12 269 2.10 1.35 2 2.13 1.48 0 4 4 -0.24 -1.13
## e13 13 269 2.14 1.41 2 2.17 1.48 0 4 4 -0.39 -1.17
## e14 14 269 0.51 1.13 0 0.23 0.00 0 4 4 1.98 2.36
## e15 15 269 1.78 1.46 2 1.72 1.48 0 4 4 -0.06 -1.54
## e16 16 269 0.91 1.30 0 0.73 0.00 0 4 4 0.96 -0.66
## e17 17 269 1.12 1.42 0 0.94 0.00 0 4 4 0.73 -1.04
## e18 18 269 1.70 1.47 2 1.65 1.48 0 4 4 -0.03 -1.59
## e19 19 269 1.51 1.44 2 1.41 1.48 0 4 4 0.23 -1.48
## e20 20 269 0.87 1.26 0 0.66 0.00 0 4 4 1.09 -0.25
## se
## e1 0.08
## e2 0.09
## e3 0.07
## e4 0.09
## e5 0.08
## e6 0.06
## e7 0.08
## e8 0.07
## e9 0.05
## e10 0.07
## e11 0.08
## e12 0.08
## e13 0.09
## e14 0.07
## e15 0.09
## e16 0.08
## e17 0.09
## e18 0.09
## e19 0.09
## e20 0.08
#Obteniendo solo promedios
#obteniendo solo las medias
apply(X = USArrests, MARGIN = 2, FUN = mean)
## e1 e2 e3 e4 e5 e6 e7
## 2.2416357 1.3011152 0.5799257 1.5613383 0.9628253 0.5985130 1.0892193
## e8 e9 e10 e11 e12 e13 e14
## 0.8773234 0.3345725 1.5687732 2.2527881 2.1040892 2.1375465 0.5055762
## e15 e16 e17 e18 e19 e20
## 1.7769517 0.9107807 1.1152416 1.7026022 1.5055762 0.8661710
#Obteniendo varianzas
#obteniendo solo las varianzas
apply(X = USArrests, MARGIN = 2, FUN = var)
## e1 e2 e3 e4 e5 e6 e7
## 1.6988570 1.9649614 1.1997448 2.1949176 1.7224935 1.1217888 1.7158908
## e8 e9 e10 e11 e12 e13 e14
## 1.1826555 0.6786883 1.4029018 1.9134717 1.8100205 1.9922044 1.2658270
## e15 e16 e17 e18 e19 e20
## 2.1366310 1.6860401 2.0127892 2.1500305 2.0792598 1.5939633
#Mostrando las correlaciones
corr.test(USArrests) # correlaciones y pruebas de significancia
## Call:corr.test(x = USArrests)
## Correlation matrix
## e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11
## e1 1.00 0.23 -0.04 0.34 0.24 0.19 0.33 0.06 0.00 0.42 0.64
## e2 0.23 1.00 0.50 -0.48 -0.46 -0.41 0.57 0.25 0.30 0.34 0.07
## e3 -0.04 0.50 1.00 -0.55 -0.36 -0.29 0.42 0.16 0.44 0.03 -0.09
## e4 0.34 -0.48 -0.55 1.00 0.70 0.58 -0.27 -0.26 -0.22 0.00 0.35
## e5 0.24 -0.46 -0.36 0.70 1.00 0.74 -0.21 -0.23 -0.13 -0.07 0.35
## e6 0.19 -0.41 -0.29 0.58 0.74 1.00 -0.26 -0.21 -0.08 -0.01 0.26
## e7 0.33 0.57 0.42 -0.27 -0.21 -0.26 1.00 0.21 0.37 0.19 0.18
## e8 0.06 0.25 0.16 -0.26 -0.23 -0.21 0.21 1.00 0.27 0.27 -0.02
## e9 0.00 0.30 0.44 -0.22 -0.13 -0.08 0.37 0.27 1.00 -0.04 0.08
## e10 0.42 0.34 0.03 0.00 -0.07 -0.01 0.19 0.27 -0.04 1.00 0.16
## e11 0.64 0.07 -0.09 0.35 0.35 0.26 0.18 -0.02 0.08 0.16 1.00
## e12 0.67 0.34 0.07 0.06 -0.03 -0.01 0.38 0.05 -0.01 0.37 0.48
## e13 0.59 0.06 -0.05 0.26 0.21 0.17 0.14 0.02 0.09 0.18 0.83
## e14 0.14 -0.18 -0.14 0.32 0.30 0.29 -0.15 -0.25 -0.06 -0.13 0.32
## e15 0.26 0.29 0.21 -0.16 -0.17 -0.14 0.26 0.25 0.25 0.26 0.24
## e16 0.32 -0.02 -0.14 0.31 0.20 0.19 -0.10 -0.12 -0.04 0.00 0.40
## e17 0.31 -0.21 -0.22 0.48 0.44 0.36 -0.09 -0.23 -0.11 -0.05 0.38
## e18 0.29 0.40 0.22 -0.24 -0.33 -0.24 0.38 0.20 0.12 0.31 0.12
## e19 0.21 0.25 0.22 -0.20 -0.19 -0.13 0.21 0.18 0.31 0.21 0.20
## e20 0.08 0.28 0.23 -0.21 -0.21 -0.17 0.17 0.20 0.31 0.13 0.13
## e12 e13 e14 e15 e16 e17 e18 e19 e20
## e1 0.67 0.59 0.14 0.26 0.32 0.31 0.29 0.21 0.08
## e2 0.34 0.06 -0.18 0.29 -0.02 -0.21 0.40 0.25 0.28
## e3 0.07 -0.05 -0.14 0.21 -0.14 -0.22 0.22 0.22 0.23
## e4 0.06 0.26 0.32 -0.16 0.31 0.48 -0.24 -0.20 -0.21
## e5 -0.03 0.21 0.30 -0.17 0.20 0.44 -0.33 -0.19 -0.21
## e6 -0.01 0.17 0.29 -0.14 0.19 0.36 -0.24 -0.13 -0.17
## e7 0.38 0.14 -0.15 0.26 -0.10 -0.09 0.38 0.21 0.17
## e8 0.05 0.02 -0.25 0.25 -0.12 -0.23 0.20 0.18 0.20
## e9 -0.01 0.09 -0.06 0.25 -0.04 -0.11 0.12 0.31 0.31
## e10 0.37 0.18 -0.13 0.26 0.00 -0.05 0.31 0.21 0.13
## e11 0.48 0.83 0.32 0.24 0.40 0.38 0.12 0.20 0.13
## e12 1.00 0.42 0.00 0.29 0.23 0.14 0.40 0.23 0.12
## e13 0.42 1.00 0.37 0.24 0.42 0.39 0.14 0.20 0.16
## e14 0.00 0.37 1.00 -0.46 0.31 0.48 -0.33 -0.31 -0.26
## e15 0.29 0.24 -0.46 1.00 0.00 -0.24 0.58 0.65 0.51
## e16 0.23 0.42 0.31 0.00 1.00 0.34 -0.08 -0.05 -0.06
## e17 0.14 0.39 0.48 -0.24 0.34 1.00 -0.20 -0.21 -0.23
## e18 0.40 0.14 -0.33 0.58 -0.08 -0.20 1.00 0.48 0.43
## e19 0.23 0.20 -0.31 0.65 -0.05 -0.21 0.48 1.00 0.70
## e20 0.12 0.16 -0.26 0.51 -0.06 -0.23 0.43 0.70 1.00
## Sample Size
## [1] 269
## Probability values (Entries above the diagonal are adjusted for multiple tests.)
## e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14
## e1 0.00 0.02 1.00 0.00 0.01 0.14 0.00 1.00 1.00 0.00 0.00 0.00 0.00 1.00
## e2 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 1.00 0.20
## e3 0.48 0.00 0.00 0.00 0.00 0.00 0.00 0.55 0.00 1.00 1.00 1.00 1.00 1.00
## e4 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.02 1.00 0.00 1.00 0.00 0.00
## e5 0.00 0.00 0.00 0.00 0.00 0.00 0.05 0.01 1.00 1.00 0.00 1.00 0.05 0.00
## e6 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03 1.00 1.00 0.00 1.00 0.32 0.00
## e7 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.05 0.00 0.13 0.19 0.00 1.00 0.75
## e8 0.37 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 1.00 1.00 0.00
## e9 0.94 0.00 0.00 0.00 0.04 0.19 0.00 0.00 0.00 1.00 1.00 1.00 1.00 1.00
## e10 0.00 0.00 0.66 1.00 0.28 0.90 0.00 0.00 0.57 0.00 0.44 0.00 0.19 1.00
## e11 0.00 0.28 0.13 0.00 0.00 0.00 0.00 0.79 0.21 0.01 0.00 0.00 0.00 0.00
## e12 0.00 0.00 0.23 0.34 0.63 0.87 0.00 0.39 0.81 0.00 0.00 0.00 0.00 1.00
## e13 0.00 0.30 0.40 0.00 0.00 0.01 0.02 0.70 0.16 0.00 0.00 0.00 0.00 0.00
## e14 0.02 0.00 0.02 0.00 0.00 0.00 0.01 0.00 0.34 0.03 0.00 0.96 0.00 0.00
## e15 0.00 0.00 0.00 0.01 0.00 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## e16 0.00 0.77 0.02 0.00 0.00 0.00 0.09 0.05 0.50 0.99 0.00 0.00 0.00 0.00
## e17 0.00 0.00 0.00 0.00 0.00 0.00 0.14 0.00 0.08 0.37 0.00 0.02 0.00 0.00
## e18 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.06 0.00 0.05 0.00 0.02 0.00
## e19 0.00 0.00 0.00 0.00 0.00 0.04 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## e20 0.17 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.04 0.03 0.04 0.01 0.00
## e15 e16 e17 e18 e19 e20
## e1 0.00 0.00 0.00 0.00 0.05 1.00
## e2 0.00 1.00 0.05 0.00 0.00 0.00
## e3 0.04 1.00 0.03 0.03 0.03 0.01
## e4 0.47 0.00 0.00 0.01 0.09 0.05
## e5 0.29 0.07 0.00 0.00 0.10 0.04
## e6 1.00 0.10 0.00 0.01 1.00 0.38
## e7 0.00 1.00 1.00 0.00 0.06 0.29
## e8 0.01 1.00 0.01 0.07 0.15 0.07
## e9 0.01 1.00 1.00 1.00 0.00 0.00
## e10 0.00 1.00 1.00 0.00 0.04 1.00
## e11 0.01 0.00 0.00 1.00 0.09 1.00
## e12 0.00 0.02 1.00 0.00 0.02 1.00
## e13 0.01 0.00 0.00 1.00 0.07 0.55
## e14 0.00 0.00 0.00 0.00 0.00 0.00
## e15 0.00 1.00 0.01 0.00 0.00 0.00
## e16 0.99 0.00 0.00 1.00 1.00 1.00
## e17 0.00 0.00 0.00 0.07 0.03 0.01
## e18 0.00 0.20 0.00 0.00 0.00 0.00
## e19 0.00 0.46 0.00 0.00 0.00 0.00
## e20 0.00 0.37 0.00 0.00 0.00 0.00
##
## To see confidence intervals of the correlations, print with the short=FALSE option
cor.plot(cor(USArrests)) # grafico de calor
#Prueba de Bartlett
library(psych)
cortest.bartlett(cor(USArrests),n=dim(USArrests))
## $chisq
## [1] 2788.754 123.112
##
## $p.value
## [1] 0.0000000 0.9999537
##
## $df
## [1] 190
#Prueba KMO.
# Indicador Kaiser-Meyer-Olkinn KMO y MSA
KMO(USArrests)
## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = USArrests)
## Overall MSA = 0.83
## MSA for each item =
## e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14 e15
## 0.84 0.85 0.84 0.86 0.80 0.83 0.82 0.81 0.74 0.76 0.79 0.85 0.76 0.83 0.82
## e16 e17 e18 e19 e20
## 0.87 0.94 0.89 0.81 0.81
pca <- prcomp(USArrests, scale = TRUE)
names(pca)
## [1] "sdev" "rotation" "center" "scale" "x"
head(pca$rotation)
## PC1 PC2 PC3 PC4 PC5 PC6
## e1 0.02284441 -0.41681305 0.06709393 -0.19889468 0.10232972 -0.07048950
## e2 0.30684854 -0.08728071 0.32663987 -0.07396560 0.05009495 -0.04616749
## e3 0.26025273 0.03518360 0.29729734 0.29348079 0.12501197 -0.19629310
## e4 -0.30456316 -0.20602830 -0.21101193 -0.04625632 0.14591185 -0.05496647
## e5 -0.29893682 -0.17339236 -0.19519612 0.12447754 0.37065812 -0.15212328
## e6 -0.26376626 -0.15476228 -0.22007434 0.13462245 0.37649114 -0.15559221
## PC7 PC8 PC9 PC10 PC11
## e1 0.04941523 -0.01541742 0.01925525 -0.113952495 0.008987365
## e2 -0.25003380 -0.11412891 -0.07154231 -0.173314581 -0.111596445
## e3 -0.26106091 -0.09521836 0.22841979 0.475536264 -0.007396554
## e4 0.08645893 -0.07759473 -0.22284437 -0.243962065 -0.064299806
## e5 -0.00505520 -0.06786125 0.10527482 0.009795111 -0.002234333
## e6 -0.27534054 -0.11503308 0.14779930 0.178662889 0.336119479
## PC12 PC13 PC14 PC15 PC16
## e1 -0.13273526 -0.11912241 -0.29814849 0.10521028 0.29653421
## e2 0.05430591 0.37575133 0.40658963 0.27418483 0.47070804
## e3 -0.22862832 0.02506224 -0.47827527 0.16373209 -0.03943973
## e4 0.12826060 -0.01057999 -0.41431886 0.29443996 0.18370835
## e5 -0.07151095 0.26734706 -0.06169477 0.03040104 0.01696572
## e6 -0.02834841 0.07830432 0.40545799 -0.11898056 -0.04442779
## PC17 PC18 PC19 PC20
## e1 -0.472807221 0.28439182 -0.4734566 0.042875607
## e2 -0.028402596 -0.08549784 0.1551896 -0.140965081
## e3 0.003434663 -0.01681184 0.1875842 0.035754702
## e4 0.150642674 0.09664261 0.5712163 -0.004600968
## e5 0.133433960 -0.58752735 -0.3398041 -0.300941759
## e6 -0.141562084 0.41901624 0.1645416 0.089605924
dim(pca$rotation)
## [1] 20 20
#Obteniendo las medias originales y las estandarizadas
pca$center
## e1 e2 e3 e4 e5 e6 e7
## 2.2416357 1.3011152 0.5799257 1.5613383 0.9628253 0.5985130 1.0892193
## e8 e9 e10 e11 e12 e13 e14
## 0.8773234 0.3345725 1.5687732 2.2527881 2.1040892 2.1375465 0.5055762
## e15 e16 e17 e18 e19 e20
## 1.7769517 0.9107807 1.1152416 1.7026022 1.5055762 0.8661710
pca$scale
## e1 e2 e3 e4 e5 e6 e7
## 1.3034021 1.4017708 1.0953286 1.4815254 1.3124380 1.0591453 1.3099202
## e8 e9 e10 e11 e12 e13 e14
## 1.0874997 0.8238254 1.1844416 1.3832829 1.3453700 1.4114547 1.1250898
## e15 e16 e17 e18 e19 e20
## 1.4617219 1.2984761 1.4187280 1.4662982 1.4419639 1.2625226
summary(pca)
## Importance of components:
## PC1 PC2 PC3 PC4 PC5 PC6
## Standard deviation 2.2703 2.0387 1.31839 1.20434 1.05483 0.9674
## Proportion of Variance 0.2577 0.2078 0.08691 0.07252 0.05563 0.0468
## Cumulative Proportion 0.2577 0.4655 0.55242 0.62494 0.68057 0.7274
## PC7 PC8 PC9 PC10 PC11 PC12
## Standard deviation 0.83212 0.83026 0.74361 0.71993 0.67844 0.6664
## Proportion of Variance 0.03462 0.03447 0.02765 0.02592 0.02301 0.0222
## Cumulative Proportion 0.76199 0.79646 0.82411 0.85002 0.87304 0.8952
## PC13 PC14 PC15 PC16 PC17 PC18
## Standard deviation 0.64227 0.57382 0.55011 0.5329 0.49334 0.45206
## Proportion of Variance 0.02063 0.01646 0.01513 0.0142 0.01217 0.01022
## Cumulative Proportion 0.91586 0.93233 0.94746 0.9617 0.97383 0.98404
## PC19 PC20
## Standard deviation 0.43527 0.36006
## Proportion of Variance 0.00947 0.00648
## Cumulative Proportion 0.99352 1.00000
pca
## Standard deviations (1, .., p=20):
## [1] 2.2702527 2.0386730 1.3183859 1.2043368 1.0548340 0.9674464 0.8321182
## [8] 0.8302640 0.7436124 0.7199318 0.6784368 0.6663617 0.6422723 0.5738172
## [15] 0.5501101 0.5328991 0.4933411 0.4520595 0.4352734 0.3600640
##
## Rotation (n x k) = (20 x 20):
## PC1 PC2 PC3 PC4 PC5
## e1 0.02284441 -0.41681305 0.06709393 -0.19889468 0.10232972
## e2 0.30684854 -0.08728071 0.32663987 -0.07396560 0.05009495
## e3 0.26025273 0.03518360 0.29729734 0.29348079 0.12501197
## e4 -0.30456316 -0.20602830 -0.21101193 -0.04625632 0.14591185
## e5 -0.29893682 -0.17339236 -0.19519612 0.12447754 0.37065812
## e6 -0.26376626 -0.15476228 -0.22007434 0.13462245 0.37649114
## e7 0.24496988 -0.14259065 0.30512240 0.01444212 0.30045074
## e8 0.19703301 -0.01300903 -0.02889512 -0.03808365 0.36188469
## e9 0.18542866 -0.04646077 0.10320524 0.55358964 0.32278487
## e10 0.13480931 -0.18924307 -0.04449758 -0.43011957 0.28319528
## e11 -0.04639254 -0.42122141 0.04487568 0.12149971 -0.09395012
## e12 0.11348309 -0.33385768 0.12779877 -0.29679131 -0.04006829
## e13 -0.02794039 -0.40079887 0.08233664 0.14325849 -0.20682892
## e14 -0.24304674 -0.12951434 0.33936968 0.20451325 -0.13462645
## e15 0.27187124 -0.17936328 -0.34864496 0.04854980 -0.05908776
## e16 -0.12200258 -0.23700148 0.11644398 0.08010994 -0.36024021
## e17 -0.23723609 -0.21796293 0.17268907 0.08705183 -0.02377967
## e18 0.28552635 -0.15349840 -0.15090997 -0.17417626 -0.10896435
## e19 0.26357769 -0.15826464 -0.36341354 0.21484365 -0.13576632
## e20 0.25208197 -0.10823107 -0.32049673 0.28620700 -0.17284931
## PC6 PC7 PC8 PC9 PC10
## e1 -0.07048950 0.049415230 -0.015417418 0.019255254 -0.113952495
## e2 -0.04616749 -0.250033798 -0.114128912 -0.071542308 -0.173314581
## e3 -0.19629310 -0.261060909 -0.095218359 0.228419788 0.475536264
## e4 -0.05496647 0.086458932 -0.077594734 -0.222844374 -0.243962065
## e5 -0.15212328 -0.005055200 -0.067861246 0.105274825 0.009795111
## e6 -0.15559221 -0.275340544 -0.115033082 0.147799301 0.178662889
## e7 -0.29554143 0.314356575 0.009378590 -0.101566995 -0.270969235
## e8 0.73376808 0.269689183 -0.004571552 -0.114497351 0.160518313
## e9 0.08209025 0.042423202 -0.145597122 -0.161264941 -0.204413901
## e10 0.24792536 -0.576519661 0.093181281 0.002522076 -0.001736624
## e11 0.08210161 0.201633566 0.149588594 0.327092816 0.006141663
## e12 -0.19437142 0.068922830 -0.058931390 0.065978709 -0.076008742
## e13 0.21393574 0.134431158 0.222281174 0.272900229 0.124726295
## e14 0.13668481 -0.274078341 0.373834634 -0.012936441 -0.076082345
## e15 -0.05494439 0.150050601 -0.193465343 0.099804000 0.311603994
## e16 0.22655266 -0.154496166 -0.769014837 -0.104632502 -0.063477062
## e17 -0.05418214 0.006213739 0.142437806 -0.689507417 0.419958280
## e18 -0.20292899 0.075825554 0.067984953 -0.295060442 0.299066108
## e19 -0.04307576 -0.171108738 0.122771048 -0.064854312 -0.099502824
## e20 0.02724698 -0.240417682 0.200036859 -0.191648759 -0.307143058
## PC11 PC12 PC13 PC14 PC15
## e1 0.008987365 -0.13273526 -0.119122415 -0.29814849 0.10521028
## e2 -0.111596445 0.05430591 0.375751326 0.40658963 0.27418483
## e3 -0.007396554 -0.22862832 0.025062236 -0.47827527 0.16373209
## e4 -0.064299806 0.12826060 -0.010579990 -0.41431886 0.29443996
## e5 -0.002234333 -0.07151095 0.267347062 -0.06169477 0.03040104
## e6 0.336119479 -0.02834841 0.078304321 0.40545799 -0.11898056
## e7 -0.005187239 0.10190438 0.323779770 -0.12249103 -0.47428154
## e8 0.263735864 -0.25351009 0.141716162 -0.04610021 -0.03356249
## e9 -0.049205315 0.27192428 -0.543534454 0.14671545 0.17304776
## e10 -0.282885974 0.24207380 -0.116581214 -0.09102719 -0.10255741
## e11 -0.142285850 0.04529639 0.116293595 0.15691573 0.13399575
## e12 0.250579242 -0.46838868 -0.445086511 0.19671849 0.04609607
## e13 -0.129058121 0.15816126 0.046823362 0.05798283 0.05818117
## e14 0.402242272 0.20937208 -0.038524945 -0.15346621 -0.22321251
## e15 -0.217639561 0.23293896 -0.003368009 0.01498313 -0.10785221
## e16 0.113156584 0.02959325 0.114781207 -0.08925289 -0.17101464
## e17 -0.326503618 -0.20219947 0.008820976 0.16052298 -0.05561985
## e18 0.524620705 0.43598985 0.042473758 -0.02980877 0.17260504
## e19 -0.071840739 -0.18987502 -0.127349915 -0.04734277 -0.52873593
## e20 0.098039770 -0.29179905 0.292828155 -0.05402975 0.30335192
## PC16 PC17 PC18 PC19 PC20
## e1 0.29653421 -0.472807221 0.28439182 -0.47345660 0.042875607
## e2 0.47070804 -0.028402596 -0.08549784 0.15518964 -0.140965081
## e3 -0.03943973 0.003434663 -0.01681184 0.18758417 0.035754702
## e4 0.18370835 0.150642674 0.09664261 0.57121628 -0.004600968
## e5 0.01696572 0.133433960 -0.58752735 -0.33980406 -0.300941759
## e6 -0.04442779 -0.141562084 0.41901624 0.16454160 0.089605924
## e7 -0.26850415 0.107921451 0.15247515 0.05668841 0.026273170
## e8 0.11311050 0.027822779 -0.02099444 0.08024047 0.010578966
## e9 -0.07437834 -0.038465287 -0.06353872 -0.10064602 -0.013531701
## e10 -0.29413748 0.097373663 -0.06793467 -0.01654072 0.066260720
## e11 -0.08894559 -0.077314324 -0.27312510 0.12291799 0.660320424
## e12 -0.07680002 0.385957493 -0.11443842 0.11512004 -0.105784679
## e13 -0.21496702 -0.092942678 0.18728706 0.14529393 -0.635273439
## e14 0.32032153 0.326346106 0.00195372 -0.11962105 0.074877497
## e15 0.33825992 0.514379191 0.23946981 -0.20661689 0.062886960
## e16 -0.16528086 -0.027004131 -0.06105694 -0.03377225 0.025633611
## e17 -0.03986195 0.009914584 0.02223074 -0.04385319 0.051624474
## e18 -0.12361012 -0.181032460 -0.23509870 0.02422625 -0.012885999
## e19 0.26272883 -0.296492163 -0.26173970 0.27968359 -0.074878694
## e20 -0.29281283 0.188521010 0.20239445 -0.19833836 0.059814411
head(pca$x)
## PC1 PC2 PC3 PC4 PC5 PC6
## 1 0.60307065 3.17790349 0.35038286 -1.6437824 0.2770907 0.8128899
## 2 -0.07069352 0.44630986 3.88751065 3.7142107 0.3282322 0.2340770
## 3 1.29045870 0.01686199 -0.05764186 0.2537576 -1.1236534 -0.9555815
## 4 2.57851561 -0.99464277 -0.02548580 1.1157884 -0.5654483 -0.9900729
## 5 1.81082504 -1.98895911 -2.05384551 1.5789712 0.8787154 0.7650268
## 6 -0.73528172 -1.28268558 -2.88494492 0.9382436 -0.2622138 -1.3153654
## PC7 PC8 PC9 PC10 PC11 PC12
## 1 -0.2957189 0.01080539 -0.5960340 0.2361688 1.1466925 0.2090600
## 2 0.3873746 1.49572191 1.4158802 -1.1257730 0.1555804 1.9968569
## 3 0.1250102 0.37216273 1.9940194 1.6803532 -0.2904213 -0.6663201
## 4 -0.5107121 0.97880736 -0.3429625 0.4582572 -0.8051554 -0.0229918
## 5 0.8018716 0.74086954 0.3840654 -0.3936886 0.4578601 0.8896562
## 6 0.3990847 0.50015011 0.9793600 -0.4847075 0.7010226 -0.8951506
## PC13 PC14 PC15 PC16 PC17 PC18
## 1 -0.11717598 0.87173145 0.43766141 -0.2865548 0.1066284 -0.74803160
## 2 -0.64898712 -0.12582852 0.01402170 0.1388043 -0.2511805 0.32784635
## 3 -1.30094783 -0.98057698 -0.10519156 0.2749233 -0.5810992 -0.09361152
## 4 0.01648177 -0.11824293 0.26172015 -0.5452428 -0.3728648 0.33506382
## 5 -0.72844520 0.41305181 0.03540949 -0.7919746 -0.1819053 1.36144002
## 6 0.16220034 0.06347859 0.69481427 0.2623842 0.1179806 0.13466609
## PC19 PC20
## 1 0.21664054 -0.21730639
## 2 -0.40244532 0.35224854
## 3 0.08791931 0.09029589
## 4 -0.51365784 0.22090699
## 5 0.14189861 0.52028877
## 6 -0.19252804 -0.44945653
#vemos componentes para casos:
dim(pca$x)
## [1] 269 20
pca$center
## e1 e2 e3 e4 e5 e6 e7
## 2.2416357 1.3011152 0.5799257 1.5613383 0.9628253 0.5985130 1.0892193
## e8 e9 e10 e11 e12 e13 e14
## 0.8773234 0.3345725 1.5687732 2.2527881 2.1040892 2.1375465 0.5055762
## e15 e16 e17 e18 e19 e20
## 1.7769517 0.9107807 1.1152416 1.7026022 1.5055762 0.8661710
pca$scale
## e1 e2 e3 e4 e5 e6 e7
## 1.3034021 1.4017708 1.0953286 1.4815254 1.3124380 1.0591453 1.3099202
## e8 e9 e10 e11 e12 e13 e14
## 1.0874997 0.8238254 1.1844416 1.3832829 1.3453700 1.4114547 1.1250898
## e15 e16 e17 e18 e19 e20
## 1.4617219 1.2984761 1.4187280 1.4662982 1.4419639 1.2625226
summary(pca)
## Importance of components:
## PC1 PC2 PC3 PC4 PC5 PC6
## Standard deviation 2.2703 2.0387 1.31839 1.20434 1.05483 0.9674
## Proportion of Variance 0.2577 0.2078 0.08691 0.07252 0.05563 0.0468
## Cumulative Proportion 0.2577 0.4655 0.55242 0.62494 0.68057 0.7274
## PC7 PC8 PC9 PC10 PC11 PC12
## Standard deviation 0.83212 0.83026 0.74361 0.71993 0.67844 0.6664
## Proportion of Variance 0.03462 0.03447 0.02765 0.02592 0.02301 0.0222
## Cumulative Proportion 0.76199 0.79646 0.82411 0.85002 0.87304 0.8952
## PC13 PC14 PC15 PC16 PC17 PC18
## Standard deviation 0.64227 0.57382 0.55011 0.5329 0.49334 0.45206
## Proportion of Variance 0.02063 0.01646 0.01513 0.0142 0.01217 0.01022
## Cumulative Proportion 0.91586 0.93233 0.94746 0.9617 0.97383 0.98404
## PC19 PC20
## Standard deviation 0.43527 0.36006
## Proportion of Variance 0.00947 0.00648
## Cumulative Proportion 0.99352 1.00000
pca
## Standard deviations (1, .., p=20):
## [1] 2.2702527 2.0386730 1.3183859 1.2043368 1.0548340 0.9674464 0.8321182
## [8] 0.8302640 0.7436124 0.7199318 0.6784368 0.6663617 0.6422723 0.5738172
## [15] 0.5501101 0.5328991 0.4933411 0.4520595 0.4352734 0.3600640
##
## Rotation (n x k) = (20 x 20):
## PC1 PC2 PC3 PC4 PC5
## e1 0.02284441 -0.41681305 0.06709393 -0.19889468 0.10232972
## e2 0.30684854 -0.08728071 0.32663987 -0.07396560 0.05009495
## e3 0.26025273 0.03518360 0.29729734 0.29348079 0.12501197
## e4 -0.30456316 -0.20602830 -0.21101193 -0.04625632 0.14591185
## e5 -0.29893682 -0.17339236 -0.19519612 0.12447754 0.37065812
## e6 -0.26376626 -0.15476228 -0.22007434 0.13462245 0.37649114
## e7 0.24496988 -0.14259065 0.30512240 0.01444212 0.30045074
## e8 0.19703301 -0.01300903 -0.02889512 -0.03808365 0.36188469
## e9 0.18542866 -0.04646077 0.10320524 0.55358964 0.32278487
## e10 0.13480931 -0.18924307 -0.04449758 -0.43011957 0.28319528
## e11 -0.04639254 -0.42122141 0.04487568 0.12149971 -0.09395012
## e12 0.11348309 -0.33385768 0.12779877 -0.29679131 -0.04006829
## e13 -0.02794039 -0.40079887 0.08233664 0.14325849 -0.20682892
## e14 -0.24304674 -0.12951434 0.33936968 0.20451325 -0.13462645
## e15 0.27187124 -0.17936328 -0.34864496 0.04854980 -0.05908776
## e16 -0.12200258 -0.23700148 0.11644398 0.08010994 -0.36024021
## e17 -0.23723609 -0.21796293 0.17268907 0.08705183 -0.02377967
## e18 0.28552635 -0.15349840 -0.15090997 -0.17417626 -0.10896435
## e19 0.26357769 -0.15826464 -0.36341354 0.21484365 -0.13576632
## e20 0.25208197 -0.10823107 -0.32049673 0.28620700 -0.17284931
## PC6 PC7 PC8 PC9 PC10
## e1 -0.07048950 0.049415230 -0.015417418 0.019255254 -0.113952495
## e2 -0.04616749 -0.250033798 -0.114128912 -0.071542308 -0.173314581
## e3 -0.19629310 -0.261060909 -0.095218359 0.228419788 0.475536264
## e4 -0.05496647 0.086458932 -0.077594734 -0.222844374 -0.243962065
## e5 -0.15212328 -0.005055200 -0.067861246 0.105274825 0.009795111
## e6 -0.15559221 -0.275340544 -0.115033082 0.147799301 0.178662889
## e7 -0.29554143 0.314356575 0.009378590 -0.101566995 -0.270969235
## e8 0.73376808 0.269689183 -0.004571552 -0.114497351 0.160518313
## e9 0.08209025 0.042423202 -0.145597122 -0.161264941 -0.204413901
## e10 0.24792536 -0.576519661 0.093181281 0.002522076 -0.001736624
## e11 0.08210161 0.201633566 0.149588594 0.327092816 0.006141663
## e12 -0.19437142 0.068922830 -0.058931390 0.065978709 -0.076008742
## e13 0.21393574 0.134431158 0.222281174 0.272900229 0.124726295
## e14 0.13668481 -0.274078341 0.373834634 -0.012936441 -0.076082345
## e15 -0.05494439 0.150050601 -0.193465343 0.099804000 0.311603994
## e16 0.22655266 -0.154496166 -0.769014837 -0.104632502 -0.063477062
## e17 -0.05418214 0.006213739 0.142437806 -0.689507417 0.419958280
## e18 -0.20292899 0.075825554 0.067984953 -0.295060442 0.299066108
## e19 -0.04307576 -0.171108738 0.122771048 -0.064854312 -0.099502824
## e20 0.02724698 -0.240417682 0.200036859 -0.191648759 -0.307143058
## PC11 PC12 PC13 PC14 PC15
## e1 0.008987365 -0.13273526 -0.119122415 -0.29814849 0.10521028
## e2 -0.111596445 0.05430591 0.375751326 0.40658963 0.27418483
## e3 -0.007396554 -0.22862832 0.025062236 -0.47827527 0.16373209
## e4 -0.064299806 0.12826060 -0.010579990 -0.41431886 0.29443996
## e5 -0.002234333 -0.07151095 0.267347062 -0.06169477 0.03040104
## e6 0.336119479 -0.02834841 0.078304321 0.40545799 -0.11898056
## e7 -0.005187239 0.10190438 0.323779770 -0.12249103 -0.47428154
## e8 0.263735864 -0.25351009 0.141716162 -0.04610021 -0.03356249
## e9 -0.049205315 0.27192428 -0.543534454 0.14671545 0.17304776
## e10 -0.282885974 0.24207380 -0.116581214 -0.09102719 -0.10255741
## e11 -0.142285850 0.04529639 0.116293595 0.15691573 0.13399575
## e12 0.250579242 -0.46838868 -0.445086511 0.19671849 0.04609607
## e13 -0.129058121 0.15816126 0.046823362 0.05798283 0.05818117
## e14 0.402242272 0.20937208 -0.038524945 -0.15346621 -0.22321251
## e15 -0.217639561 0.23293896 -0.003368009 0.01498313 -0.10785221
## e16 0.113156584 0.02959325 0.114781207 -0.08925289 -0.17101464
## e17 -0.326503618 -0.20219947 0.008820976 0.16052298 -0.05561985
## e18 0.524620705 0.43598985 0.042473758 -0.02980877 0.17260504
## e19 -0.071840739 -0.18987502 -0.127349915 -0.04734277 -0.52873593
## e20 0.098039770 -0.29179905 0.292828155 -0.05402975 0.30335192
## PC16 PC17 PC18 PC19 PC20
## e1 0.29653421 -0.472807221 0.28439182 -0.47345660 0.042875607
## e2 0.47070804 -0.028402596 -0.08549784 0.15518964 -0.140965081
## e3 -0.03943973 0.003434663 -0.01681184 0.18758417 0.035754702
## e4 0.18370835 0.150642674 0.09664261 0.57121628 -0.004600968
## e5 0.01696572 0.133433960 -0.58752735 -0.33980406 -0.300941759
## e6 -0.04442779 -0.141562084 0.41901624 0.16454160 0.089605924
## e7 -0.26850415 0.107921451 0.15247515 0.05668841 0.026273170
## e8 0.11311050 0.027822779 -0.02099444 0.08024047 0.010578966
## e9 -0.07437834 -0.038465287 -0.06353872 -0.10064602 -0.013531701
## e10 -0.29413748 0.097373663 -0.06793467 -0.01654072 0.066260720
## e11 -0.08894559 -0.077314324 -0.27312510 0.12291799 0.660320424
## e12 -0.07680002 0.385957493 -0.11443842 0.11512004 -0.105784679
## e13 -0.21496702 -0.092942678 0.18728706 0.14529393 -0.635273439
## e14 0.32032153 0.326346106 0.00195372 -0.11962105 0.074877497
## e15 0.33825992 0.514379191 0.23946981 -0.20661689 0.062886960
## e16 -0.16528086 -0.027004131 -0.06105694 -0.03377225 0.025633611
## e17 -0.03986195 0.009914584 0.02223074 -0.04385319 0.051624474
## e18 -0.12361012 -0.181032460 -0.23509870 0.02422625 -0.012885999
## e19 0.26272883 -0.296492163 -0.26173970 0.27968359 -0.074878694
## e20 -0.29281283 0.188521010 0.20239445 -0.19833836 0.059814411
head(pca$x)
## PC1 PC2 PC3 PC4 PC5 PC6
## 1 0.60307065 3.17790349 0.35038286 -1.6437824 0.2770907 0.8128899
## 2 -0.07069352 0.44630986 3.88751065 3.7142107 0.3282322 0.2340770
## 3 1.29045870 0.01686199 -0.05764186 0.2537576 -1.1236534 -0.9555815
## 4 2.57851561 -0.99464277 -0.02548580 1.1157884 -0.5654483 -0.9900729
## 5 1.81082504 -1.98895911 -2.05384551 1.5789712 0.8787154 0.7650268
## 6 -0.73528172 -1.28268558 -2.88494492 0.9382436 -0.2622138 -1.3153654
## PC7 PC8 PC9 PC10 PC11 PC12
## 1 -0.2957189 0.01080539 -0.5960340 0.2361688 1.1466925 0.2090600
## 2 0.3873746 1.49572191 1.4158802 -1.1257730 0.1555804 1.9968569
## 3 0.1250102 0.37216273 1.9940194 1.6803532 -0.2904213 -0.6663201
## 4 -0.5107121 0.97880736 -0.3429625 0.4582572 -0.8051554 -0.0229918
## 5 0.8018716 0.74086954 0.3840654 -0.3936886 0.4578601 0.8896562
## 6 0.3990847 0.50015011 0.9793600 -0.4847075 0.7010226 -0.8951506
## PC13 PC14 PC15 PC16 PC17 PC18
## 1 -0.11717598 0.87173145 0.43766141 -0.2865548 0.1066284 -0.74803160
## 2 -0.64898712 -0.12582852 0.01402170 0.1388043 -0.2511805 0.32784635
## 3 -1.30094783 -0.98057698 -0.10519156 0.2749233 -0.5810992 -0.09361152
## 4 0.01648177 -0.11824293 0.26172015 -0.5452428 -0.3728648 0.33506382
## 5 -0.72844520 0.41305181 0.03540949 -0.7919746 -0.1819053 1.36144002
## 6 0.16220034 0.06347859 0.69481427 0.2623842 0.1179806 0.13466609
## PC19 PC20
## 1 0.21664054 -0.21730639
## 2 -0.40244532 0.35224854
## 3 0.08791931 0.09029589
## 4 -0.51365784 0.22090699
## 5 0.14189861 0.52028877
## 6 -0.19252804 -0.44945653
dim(pca$x)
## [1] 269 20
par(mfrow=c(1,1))
biplot(x = pca, scale = 0, cex = 0.8, col = c("blue4", "brown3"))
pca$rotation <- -pca$rotation
pca$x <- -pca$x
biplot(x = pca, scale = 0, cex = 0.8, col = c("blue4", "brown3"))
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 3.5.3
##
## Attaching package: 'ggplot2'
## The following objects are masked from 'package:psych':
##
## %+%, alpha
pca$sdev^2
## [1] 5.1540474 4.1561874 1.7381414 1.4504272 1.1126748 0.9359526 0.6924206
## [8] 0.6893383 0.5529594 0.5183018 0.4602764 0.4440379 0.4125138 0.3292661
## [15] 0.3026212 0.2839815 0.2433854 0.2043578 0.1894630 0.1296460
prop_varianza <- pca$sdev^2/sum(pca$sdev^2)
prop_varianza
## [1] 0.257702371 0.207809371 0.086907070 0.072521358 0.055633738
## [6] 0.046797630 0.034621032 0.034466913 0.027647969 0.025915092
## [11] 0.023013822 0.022201893 0.020625688 0.016463307 0.015131059
## [16] 0.014199074 0.012169272 0.010217890 0.009473148 0.006482302
ggplot(data = data.frame(prop_varianza, pc = 1:20),aes(x = pc, y =
prop_varianza)) +
geom_col(width = 0.3) +
scale_y_continuous(limits = c(0, 1)) +
theme_bw() +
labs(x = "Componente principal", y = "Proporcion de varianza explicada")
prop_varianza_acum <- cumsum(prop_varianza)
prop_varianza_acum
## [1] 0.2577024 0.4655117 0.5524188 0.6249402 0.6805739 0.7273715 0.7619926
## [8] 0.7964595 0.8241075 0.8500225 0.8730364 0.8952383 0.9158639 0.9323273
## [15] 0.9474583 0.9616574 0.9738267 0.9840445 0.9935177 1.0000000
ggplot(data = data.frame(prop_varianza_acum, pc = 1:20),
aes(x = pc, y = prop_varianza_acum, group = 1)) +
geom_point() +
geom_line() +
geom_label(aes(label=round(prop_varianza_acum,2)))+
theme_bw() +
labs(x = "Componente principal", y = "Proporcion de varianza explicada a cumulada")
library(psych)
facto=principal(r=USArrests,nfactors=4,rotate="none")
facto$values
## [1] 5.1540474 4.1561874 1.7381414 1.4504272 1.1126748 0.9359526 0.6924206
## [8] 0.6893383 0.5529594 0.5183018 0.4602764 0.4440379 0.4125138 0.3292661
## [15] 0.3026212 0.2839815 0.2433854 0.2043578 0.1894630 0.1296460
# Grafico de sedimentacion:
plot(facto$values,type="h") # Grafica de Valores propios
facto$communality # Comunalidades
## e1 e2 e3 e4 e5 e6 e7
## 0.7899591 0.7103299 0.6327897 0.7349992 0.6742374 0.5685963 0.5559226
## e8 e9 e10 e11 e12 e13 e14
## 0.2043487 0.6492008 0.5142874 0.7734265 0.6857778 0.7132229 0.6350241
## e15 e16 e17 e18 e19 e20
## 0.7293612 0.3430440 0.5503516 0.6016986 0.7586749 0.6735506
facto$loadings # Cargas Factoriales, Componentes
##
## Loadings:
## PC1 PC2 PC3 PC4
## e1 0.850 -0.240
## e2 0.697 0.178 0.431
## e3 0.591 0.392 0.353
## e4 -0.691 0.420 -0.278
## e5 -0.679 0.353 -0.257 0.150
## e6 -0.599 0.316 -0.290 0.162
## e7 0.556 0.291 0.402
## e8 0.447
## e9 0.421 0.136 0.667
## e10 0.306 0.386 -0.518
## e11 -0.105 0.859 0.146
## e12 0.258 0.681 0.168 -0.357
## e13 0.817 0.109 0.173
## e14 -0.552 0.264 0.447 0.246
## e15 0.617 0.366 -0.460
## e16 -0.277 0.483 0.154
## e17 -0.539 0.444 0.228 0.105
## e18 0.648 0.313 -0.199 -0.210
## e19 0.598 0.323 -0.479 0.259
## e20 0.572 0.221 -0.423 0.345
##
## PC1 PC2 PC3 PC4
## SS loadings 5.154 4.156 1.738 1.450
## Proportion Var 0.258 0.208 0.087 0.073
## Cumulative Var 0.258 0.466 0.552 0.625
# guardando scores
head(facto$scores)
## PC1 PC2 PC3 PC4
## 1 0.26564032 -1.558809855 0.26576654 -1.3648860
## 2 -0.03113905 -0.218921754 2.94868948 3.0840299
## 3 0.56842073 -0.008271062 -0.04372154 0.2107032
## 4 1.13578351 0.487887362 -0.01933106 0.9264754
## 5 0.79763148 0.975614606 -1.55784851 1.3110711
## 6 -0.32387660 0.629176730 -2.18824011 0.7790542
puntosFact <-cbind(USArrests,facto$scores)
head(puntosFact)
## e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14 e15 e16 e17 e18 e19 e20
## 1 0 2 0 0 0 0 0 2 0 2 0 2 0 0 0 0 0 3 0 0
## 2 2 2 2 0 0 0 3 0 3 0 4 0 4 4 0 0 0 0 0 0
## 3 3 0 3 0 0 0 0 0 0 1 3 3 3 0 3 0 0 2 3 0
## 4 3 2 2 0 0 0 2 0 1 2 3 2 3 0 3 0 2 3 3 3
## 5 3 0 0 2 0 2 2 2 2 2 4 2 4 0 4 0 0 3 3 3
## 6 3 0 0 3 3 2 0 0 0 0 3 3 3 0 3 0 0 2 3 3
## PC1 PC2 PC3 PC4
## 1 0.26564032 -1.558809855 0.26576654 -1.3648860
## 2 -0.03113905 -0.218921754 2.94868948 3.0840299
## 3 0.56842073 -0.008271062 -0.04372154 0.2107032
## 4 1.13578351 0.487887362 -0.01933106 0.9264754
## 5 0.79763148 0.975614606 -1.55784851 1.3110711
## 6 -0.32387660 0.629176730 -2.18824011 0.7790542
write.csv(puntosFact,"fiscoquimicosScores.csv")
# utilizando rotacion
facto=principal(r=USArrests,nfactors=13,rotate="varimax")
facto$values
## [1] 5.1540474 4.1561874 1.7381414 1.4504272 1.1126748 0.9359526 0.6924206
## [8] 0.6893383 0.5529594 0.5183018 0.4602764 0.4440379 0.4125138 0.3292661
## [15] 0.3026212 0.2839815 0.2433854 0.2043578 0.1894630 0.1296460
facto$communality
## e1 e2 e3 e4 e5 e6 e7
## 0.8287649 0.8510670 0.9092337 0.8384043 0.8898918 0.8940974 0.8982296
## e8 e9 e10 e11 e12 e13 e14
## 0.9938132 0.9791512 0.9656477 0.9081218 0.9420465 0.9191538 0.9186695
## e15 e16 e17 e18 e19 e20
## 0.8791964 0.9795282 0.9892934 0.9669482 0.8441157 0.9219044
facto$loadings
##
## Loadings:
## RC1 RC2 RC3 RC12 RC5 RC10 RC13 RC7 RC11 RC8
## e1 0.205 0.486 0.595 0.251 -0.111 0.271 0.125
## e2 -0.370 0.171 0.108 0.630 0.361 0.330 0.142
## e3 -0.172 0.105 0.233 0.869
## e4 0.605 0.179 -0.564 0.138
## e5 0.865 0.187 -0.195 -0.166
## e6 0.909 -0.179 -0.134
## e7 -0.121 0.131 0.225 0.832 0.162 0.148 -0.130
## e8 -0.134 0.106 0.135
## e9 0.204 0.191 0.209
## e10 0.193 0.933
## e11 0.213 0.870 0.107 0.232 0.110 0.125
## e12 0.274 0.882 0.160 0.146 0.144
## e13 0.904 0.111 0.147 -0.115 0.152
## e14 0.160 0.335 -0.174 -0.822 0.121
## e15 0.291 0.413 0.118 0.627 0.129 0.404
## e16 0.102 0.265 0.116 0.926
## e17 0.251 0.249 -0.137 -0.194 0.122
## e18 -0.177 0.299 0.208 0.198 0.166 0.127 0.840
## e19 0.150 0.801 0.136 0.260 0.170
## e20 0.930 0.116
## RC6 RC4 RC9
## e1 0.131
## e2
## e3 0.224
## e4 -0.133 0.233
## e5 0.142
## e6
## e7 0.211
## e8 0.953 0.117
## e9 0.129 0.913
## e10 0.135
## e11
## e12
## e13 0.130
## e14 -0.124 0.167
## e15 0.136
## e16 0.104
## e17 0.875
## e18
## e19 0.181
## e20
##
## RC1 RC2 RC3 RC12 RC5 RC10 RC13 RC7 RC11 RC8
## SS loadings 2.382 2.343 1.967 1.402 1.399 1.375 1.275 1.150 1.024 1.020
## Proportion Var 0.119 0.117 0.098 0.070 0.070 0.069 0.064 0.058 0.051 0.051
## Cumulative Var 0.119 0.236 0.335 0.405 0.475 0.543 0.607 0.665 0.716 0.767
## RC6 RC4 RC9
## SS loadings 1.017 1.009 0.954
## Proportion Var 0.051 0.050 0.048
## Cumulative Var 0.818 0.868 0.916
library(FactoMineR)
## Warning: package 'FactoMineR' was built under R version 3.5.1
# observando los resultados de 2 componentes
result<- PCA(USArrests,scale.unit = TRUE, ncp=3,graph = TRUE)
fa.diagram(facto)
