[R-es] Clasificacion de individuos

Mar Sep 30 15:29:19 CEST 2014

En cualquier caso, para nada necesitas normalidad en las variables. De las distribuciones que presentas, y abundando en lo que te indica Olivier, ¿sería interesante considerar sólo 2 grupos (“normal” y “enhorabuena”) en las variables 2 y 3?

Todo esto sin saber de lo que estamos tratando, claro… XD

Un saludo,

Isidro

De: Olivier Nuñez [mailto:onunez en unex.es] 
Enviado el: martes, 30 de septiembre de 2014 15:23
Para: jluis gilsanz
CC: ihidalgo en jccm.es; r-help-es en r-project.org
Asunto: Re: [R-es] Clasificacion de individuos

Me parece que tu ordenación es esencialmente unidimensional. 

Por lo tanto, en algún momento tendrás que considerar una combinación de tus tres variables.

Ignoro el contexto, pero la ponderación de cada una debería ser conforme a los criterios de la empresa que evalúa al personal.

Una vez tengas tu variable podrás definir los tres grupos con la función cut. Ejemplo:

> z=rnorm(100)
> y=exp(z)/(1+exp(z))
> C=c("Regular","Normal","Enhorabuena")
> grupos=cut(y,quantile(y,c(0,.1,.9,1)),include.lowest=TRUE,labels=C)
> table(grupos)
grupos
Regular Normal Enhorabuena 
10 80 10

Un saludo. Olivier

  _____  

De: "jluis gilsanz" <jluis.gilsanz en tasacionesh.com>
Para: ihidalgo en jccm.es
CC: r-help-es en r-project.org
Enviados: Martes, 30 de Septiembre 2014 12:51:56
Asunto: Re: [R-es] Clasificacion de individuos

Hola Isidro: 

También había sopesado esa posibilidad pero por una parte me parecía "complicar" el proceso y por otra tengo mis dudas acerca de que  en que el análisis cluster pueda prescindir de la hipótesis de Normalidad en las dos variables "raras" que tengo. 

De cualquier forma muchas gracias por tu idea. 

Un saludo 

{In Archive}  RE: [R-es] Clasificacion de individuos

(Internet) 
ihidalgo 

To:

Jluis GILSANZ, r-help-es

30/09/2014 12:40

Archive: 

This message is being viewed in an archive.

  _____  

¿Has probado a hacer directamente una clasificación de los individuos con 3 
clusters? Es muy sencillo y quizá te funcione. En un espacio tridimensional un 
cluster se hace más rápido que un disparo.

Un saludo.
Isidro

> -----Mensaje original-----
> De: r-help-es-bounces en r-project.org [ <mailto:r-help-es-bounces en r-> mailto:r-help-es-bounces en r-
> project.org] En nombre de jluis.gilsanz en tasacionesh.com
> Enviado el: martes, 30 de septiembre de 2014 12:24
> Para: r-help-es en r-project.org
> Asunto: [R-es] Clasificacion de individuos
>
> Estimados apa eRos:
>
> La duda o propuesta que os voy a plantear es a la vez metodol gica y
> relacionada con R.
>
> Me encuentro trabajando con tres variables que son el resultado de un
> computo de porcentajes.
> Me explico, se toma una muestra de n casos (unos 6.500 aprox)
> pertenecientes a i individuos  (unos 230 aprox) en la que se comprueba
> si un determinado evento ha ocurrido o no, anot ndose 1 en caso de
> dicha ocurrencia y 0 en caso de no ocurrencia.
> Algo as  como:
>  indiv  ocurrencia
> --------        -----------------
> 1       0
> 1       0
> 1       1
> 2       0
> 2       1
> 3       0
> 3       0
> 3       0
> 4       1
> 4       1
> .       .
> .       .
> .       .
> n
>
> Tras ello se computa el porcentaje de ocurrencias para cada individuo
> obteniendo las variables que ser n estudiadas, obteniendo algo as :
>
> indiv   %
> -----   ------
> 1       0.333
> 2       0.5
> 3       0
> 4       1
> .       .
> .       .
> i
>
> Este mismo proceso se repite en cada una de las tres variables objeto
> de estudio.
>
> Lo que se pretende es clasificar los i individuos en tres grupos seg n
> sus resultados en  cuanto a los porcentajes calculados (%):
> -Por debajo de la media: Individuos que forman parte de la cola con
> peores porcentajes. Aprox 10% -Por encima de la media:  Individuos que
> forman parte  de la cola con peores porcentajes. Aprox 10% -Acordes a
> la media: El 80% de individuos resultantes.
>
> Se trata b sicamente de "rega ar" a los del primer grupo y "felicitar"
> los del segundo grupo ;-)
>
> La cuesti n es que de las tres variables en estudio, las dos ultimas no
> son normales:
>
> >stem(v1)
>
> The decimal point is 1 digit(s) to the left of the |
>
>    0 | 0000000000466899
>    1 | 0133347777778999
>    2 | 0000011233344555667778889999
>    3 | 0001233333333334444567778888889999999999
>    4 | 000001122233333344444566788889999
>    5 | 000000000000011234444566667777889
>    6 | 00122233345555777777788899
>    7 | 00011222334455567779
>    8 | 1333336668
>    9 |
>   10 | 0000000000000
>
> >quantile(v1,c(0.1,0.9))
>    10%    90%
> 0.1670 0.7834
>
>
>
> >stem(v2)
>
> The decimal point is 1 digit(s) to the left of the |
>
>    0 |
> 00000000000000000000000000000000000000000000000000000000000000000000+75
>    1 | 00000000111122233333444445677788888999
>    2 | 0000122444557899
>    3 | 0001123378999
>    4 | 266
>    5 | 0000
>    6 | 57
>    7 |
>    8 | 3
>    9 |
>   10 | 000
>
> >quantile(v2,c(0.1,0.9))
> 10%   90%
> 0.000 0.304
>
>
>
> stem(V3)
>
>  The decimal point is 1 digit(s) to the left of the |
>
>    0 |
> 00000000000000000000000000000000011111111122222222222222222222222222+12
> 8
>    1 | 000001133333477
>    2 | 000
>    3 | 3
>    4 |
>    5 | 000
>    6 |
>    7 |
>    8 |
>    9 |
>   10 | 00000
>
> >quantile(V3,c(0.1,0.9))
> 10%   90%
> 0.0 0.1
>
>
>
> La primera variable V1 aparece como Normal segun los test de Kolmogorv-
> Smirnov, Jarque-Bera (simetria), Agostino (simetria) y Anscombe
> (curtosis) pero como No Normal segun el test de Shapiro-Wilks.
> Las otras dos no aparecen como Normales en ninguno de los test,
> logicamente al tener una asimetria tan fuerte.
> He probado transformando mediante Box-Cox pero la ni la raiz
> cuadadrada, ni 1/Variable me solucionan el problema y al haber muchos
> casos con 0 la logaritmica tampoco me vale.
>
>
>
> Asumiendo Normalidad puedo emplear los intervalos de confianza para
> "rega ar" o "felicitar" a los individuos y Puedo utilizar los
> percentiles
> 0.1 y 0,9 para obtener las clasificaciones en cualquier caso (normal o
> no normal).
>
> Pero me surgen varias dudas:
> -La principal de todas es la metodologia (y paquetes/funciones de R
> asociados) para llevar a cabo tarea de clasificacion.Actualmente estoy
> valorando hacer la clasificacion mediante intervalos de confianza (en
> caso de poder transformar a "normales" las dos ultimas variables),
> percentiles o directamente aplicando la desigualdad Chebychev.
>
> - Que paquetes me ofrece R para obtener la distribucion de probabilidad
> subyacente en una determinada muestra?.
>
>
> - Que test, de los que se ofrecen en R, considerais como los mas
> potentes
> para comprobar si una muestra de estas caracteristicassigue una
> determinada distribucion?.Yo utilizo ks.test y shapiro.test pero igual
> hay
> otros mejores en algun paquete que conozcais.Por la construccion de las
> variables habia supuesto que las variables debian de seguir una
> distribucion U(0,1) pero el test ks solo concluye uniformidad en la
> primera variable.
>
>
> Muchas gracias a tod en s por leer hasta el final del ladrillo
>
>
> Saludos
>
>
>
>
>
>
>
>
>
>
> -- AVISO LEGAL --
>
> Los datos personales que en esta comunicaci n aparecen, as  como los
> que nuestra
> empresa mantiene de Vd. y de su empresa, son tratados con la finalidad
> de mantener
> el contacto as  como realizar las gestiones que en esta aparecen (Ley
> Org nica
> 15/1999, de 13 de diciembre, de Protecci n de Datos de Car cter
> Personal).
> Puede ejercer sus derechos de acceso, rectificaci n, cancelaci n y
> oposici n
> dirigi ndose a atencion.clientes en tasacionesh.com
> La utilizaci n de su direcci n de correo electr nico por parte de
> nuestra empresa
> queda sujeta a las disposiciones de la Ley 34/2002, de Servicios de la
> Sociedad de
> la Informaci n y el Comercio Electr nico. Si Vd. recibe comunicaci n
> comercial por
> nuestra parte y desea dejar de recibirla, rogamos nos lo comunique por
> v a electr nica
> a trav s de la direcci n atencion.clientes en tasacionesh.com
>
>                  [[alternative HTML version deleted]]

-- AVISO LEGAL --

Los datos personales que en esta comunicación aparecen, así como los que nuestra 
empresa mantiene de Vd. y de su empresa, son tratados con la finalidad de mantener 
el contacto así como realizar las gestiones que en esta aparecen (Ley Orgánica 
15/1999, de 13 de diciembre, de Protección de Datos de Carácter Personal).  
Puede ejercer sus derechos de acceso, rectificación, cancelación y oposición 
dirigiéndose a atencion.clientes en tasacionesh.com 
La utilización de su dirección de correo electrónico por parte de nuestra empresa 
queda sujeta a las disposiciones de la Ley 34/2002, de Servicios de la Sociedad de 
la Información y el Comercio Electrónico. Si Vd. recibe comunicación comercial por 
nuestra parte y desea dejar de recibirla, rogamos nos lo comunique por vía electrónica 
a través de la dirección atencion.clientes en tasacionesh.com

_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

	[[alternative HTML version deleted]]