Calculadora de componentes principales de dos variables
Calcular las diferencias de componentes de dos variables principales y las cargas de las observaciones pareadas.
SU CÁLCULO
Resultado
—
Pasos del cálculo
Trabaje a través de un paso a la vez o revele el cálculo completo. Los pasos utilizan sus entradas actuales.
Cómo calcular
Centrar las dos variables y diagonizar ya sea su covarianza de muestra o matriz de correlación estandarizada.
Eigenvalues=(Sxx+Syy)/2 ± √(((Sxx−Syy)/2)²+Sxy²)
Ejemplo resuelto
Para Y=2X exactamente, la segunda varianza de componentes es cero y el primer componente explica toda varianza.
Suposiciones y detalles de entrada
Observaciones completas, las variables crudas deben utilizar escalas significativas, y ambas deben variar para un PCA estandarizado. Los signos de componentes son convencionales. Los datos isotrópicos no tienen eje principal único; no se inflan pruebas de significación, factor causal o modelo de predicción.
Usando esta calculadora
¿Puedo entrar en mi propio problema?
Sí. Sustitúyase los valores de ejemplo por sus propias entradas. El resultado, los pasos de cálculo, los cuadros y los diagramas aplicables se actualizan a partir de esos insumos. Los valores blanks o inválidos despejan el resultado; los valores de ejemplo nunca se sustituyen silenciosamente por los insumos que faltan.
¿Los resultados son exactos?
Los resultados utilizan la aritmética de un punto flotante y se muestran redondeados. Leer la fórmula, suposiciones y cualquier precisión de los datos antes de interpretar el resultado.
¿Mi entrada está cargada?
El cálculo se ejecuta en su navegador. No se requiere cuenta, carga de archivos o servicio AI externo. Las entradas no se guardan entre recargas de página.
Apunte un intercepto y dos a cinco predictores numéricos, inspeccione los coeficientes de la unidad original y evalúe una consulta de predictor.
Añadir, restar o multiplicar dos matrices 2×2, o encontrar la inversa de A. Introduzca cada célula por separado y siga la aritmética row-by- columna en la tabla de resultados.
Calcular la distancia multivariada de covarianza a escala de un punto de entrada, centro y matriz de covarianza positiva- definida.
Espacio reservado para publicidad.