Dokumen ini menjelaskan tentang Analisis Data Mulltivariat 1

Struktur file terdiri dari beberapa bab dan sub-bab, di antaranya: 1. Operasi Matriks • Penjelasan dasar matriks serta operasi aljabar (penjumlahan, pengurangan, perkalian, transpose, invers, determinan). • Contoh penggunaan R untuk manipulasi matriks. 2. Eigen Value, Eigen Vector, dan SVD • Konsep nilai eigen dan vektor eigen yang penting dalam analisis multivariat. • Penerapan dekomposisi nilai singular (Singular Value Decomposition, SVD). 3. Matriks Jarak • Berisi berbagai jenis jarak (Euclidean, Chebyshev, Manhattan, Mahalanobis, Minkowski). • Disertai aplikasi untuk analisis data multivariat, clustering, dan quality control. 4. Vektor Rata-rata, Matriks Kovarians, dan Korelasi • Menjelaskan cara menghitung rata-rata multivariat. • Menampilkan hubungan antarvariabel dalam bentuk matriks kovarians dan korelasi. 5. PCA (Principal Component Analysis) • Pengenalan metode reduksi dimensi. • Contoh analisis komponen utama untuk merangkum data menjadi lebih sederhana.

Districts

La salud mental en la niñez y la adolescencia se ha convertido en un tema de gran relevancia en los últimos años, debido al aumento en los diagnósticos de ansiedad y depresión. La base de datos seleccionada recopila información sobre la prevalencia de estos trastornos en Estados Unidos, presentando tanto porcentajes como valores absolutos de niños y adolescentes afectados en diferentes períodos de tiempo.

Sofia Pinto, Lina Gonzalez y Gabriel Bucheli

Este documento, titulado **"Grupo 2_las casas de boston"**, es una guía práctica para construir e interpretar un **modelo de regresión lineal** en R. El objetivo principal es predecir el valor mediano de las viviendas de California usando el dataset `housing.csv`. A lo largo del documento, se abordan **conceptos estadísticos clave** como el análisis exploratorio de datos (EDA) con `tidyverse`, la regresión lineal simple y múltiple, y la interpretación de los resultados del modelo. El código R proporcionado muestra los primeros pasos del proceso, incluyendo la carga de las librerías `tidyverse` y `corrplot`, la importación del conjunto de datos y el uso de `glimpse()` para obtener una vista rápida de su estructura. Todo el proyecto se centra en la **reproducibilidad**, utilizando R Markdown para combinar código, análisis y texto narrativo en un solo informe.