Un modelo de clases latentes y MDS para una matriz de datos continuos de disimilaridad

• Autores: Rodrigo Macías, Willem J. Heiser, José Fernando Vera Vera
• Localización: XXX Congreso Nacional de Estadística e Investigación Operativa y de las IV Jornadas de Estadística Pública: actas, 2007, ISBN 978-84-690-7249-3
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • En este trabajo se propone un modelo de clasificaci´on mediante mezclas y MDS para una matriz de datos continuos de disimilaridad entre objetos, de modo que sean clasificados los objetos en clases y simult´aneamente sean representados los centros de las clases en un espacio de dimensi´on baja. Bajo la hip´otesis de normalidad en la distribuci´on de las disimilaridades, son estimadas mediante m´axima verosimilitud la clasificaci´on ´optima, la dispersi´on asociada a dicha clasificaci´on y la configuraci´on de los centros de las clases. Se propone un modelo de clases latentes, no en el espacio de los objetos sino en el de las disimilaridades, de forma que en cada iteraci´on, tanto la probabilidad de que una disimilaridad pertenezca a cada uno de los bloques que conforman una partici ´on de la matriz original de disimilaridades, como el resto de par´ametros del modelo, son estimados a partir de la correspondiente clasificaci´on provisional en el espacio de los objetos en un algoritmo de optimizaci´on estoc´astica. Se propone una estrategia de selecci´on de modelos para la determinaci´on del n´umero de clases y la dimensionalidad del modelo.