Incluye índice

Lleno de estudios de casos reales y consejos prácticos, Análisis exploratorio multivariado mediante el uso de R, la segunda edición se enfoca en cuatro métodos fundamentales de análisis de datos exploratorios multivariados que son más adecuados para aplicaciones. Cubre el análisis de componentes principales (PCA) cuando las variables son cuantitativas, el análisis de correspondencia (CA) y el análisis de correspondencia múltiple (MCA) cuando las variables son categóricas, y el análisis de agrupamiento jerárquico.

Los autores adoptan un punto de vista geométrico que proporciona una visión unificada para explorar tablas de datos multivariantes. Dentro de este marco, presentan los principios, indicadores y formas de representar y visualizar objetos que son comunes a los métodos exploratorios. Los autores muestran cómo utilizar variables categóricas en un contexto de PCA en el que las variables son cuantitativas, cómo manejar más de dos variables categóricas en un contexto de AC en el que originalmente hay dos variables, y cómo agregar variables cuantitativas en un contexto de MCA en el que Las variables son categóricas. También ilustran los métodos utilizando ejemplos de varios campos, con código R relacionado accesible en el paquete FactoMineR desarrollado por los autores.