Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

El escalado multidimensional

Uno de los objetivos más importantes en la visualización de datos es tener una idea de cuán cerca o lejos están los puntos unos de otros. A menudo, puede hacer esto con un gráfico de dispersión. Sin embargo, para algunos análisis, los datos que usted tiene podrían no estar en forma de puntos en absoluto, sino más bien en forma de similitudes o disimilaridades en parejas entre los casos, las observaciones o los sujetos. No hay puntos que trazar.

Incluso si sus datos están en forma de puntos en lugar de distancias en parejas, un gráfico de dispersión de esos datos podría no ser útil. Para algunos tipos de datos, la forma relevante de medir qué tan cerca de dos puntos pueden no ser su distancia euclidiana. Mientras que los diagramas de dispersión de los datos sin procesar facilitan la comparación de las distancias euclidiana, no siempre son útiles al comparar otros tipos de distancias entre puntos, la distancia de bloque de ciudad por ejemplo, o incluso más disimilaridades generales. Además, con un gran número de variables, es muy difícil visualizar las distancias a menos que los datos se puedan representar en un pequeño número de dimensiones. Por lo general, es necesaria una reducción de la dimensión.

El escalado multidimensional (MDS) es un conjunto de métodos que abordan todos estos problemas. MDS le permite visualizar los puntos cercanos entre sí para muchos tipos de métricas de distancia o de dessimilitud y puede producir una representación de los datos en un número reducido de dimensiones. MDS no requiere datos sin procesar, sino solo una matriz de distancias o disimilaridades en parejas.

Consulte también

|

Temas relacionados