TY  - BOOK
TI  - Métodos multivariados aplicados al análisis de datos: Dallas E. Johnson; traducción: Hernán Pérez Castellanos; revisión técnica: Gisela Muñiz Planas; director editorial y de producción: Miguel Àngel Toledo Castellanos; editor de desarrollo: Pedro de la Garza Rosales; editor de producción: René Garay Argueta; corrector de estilo: Alfredo Páramo; tipografía: Alberto Álvarez; diseño de portada: Eikon Imagen; lecturas: Roberto Alfaro y Guadalupe Escalante. 
SN  - 968-7529-90-3
U1  - 519.535 22
PY  - 2000///
CY  - Mèxico
PB  - International thomson editores
N1  - Incluye índice; Incluye apéndice; Bibliografía : páginas 555-561.; Métodos multivariados aplicados -- correlaciones de muestras -- gráficas de datos multivariados -- eigenvalores y eigenvectores -- análisis de componentes principales -- análisis por factores -- análisis discriminantes -- métodos de regresión logística -- análisi por agrupación -- vectores medias y matrices de varianza covarianzas -- análisis multivariado de varianza -- modelos de predicción y regresión multivariada; Material bibliográfico para estudiantes universitarios, docentes e investigadores; PE-TmUNAS; Administración; Economía; Contabilidad; Agronomía; Ingeniería en Recursos Naturales Renovables; Ingeniería en Conservación de Suelos y Aguas; Ingeniería Ambiental; traducido del libro; Applied multivariate methods for data analysts; Brooks cole publishing company
N2  - los libros de texto únicamente han resaltado la teoría de los métodos multivariados o su aplicación; se daba a los lectores información demasia-do avanzada como para aplicarla o demasiado elemental como para ilustrar el poder de los métodos. En este texto rompimos ese esquema al enfocarlo sobre el porqué, el cuándo, el cómo y el qué de los análisis multivariados, y se responden las siguientes preguntas:
¿Por qué se deben usar los métodos multivariados?
¿Cuándo se deben usar?
¿Cómo se pueden usar?
¿Qué se ha aprendido por la aplicación de los métodos?

Idealmente, los usuarios de este libro deberían haber tomado algún curso previo de estadística que incluyera regresión múltiple y es conveniente aunque no indispensable tener cierta familiaridad con el álgebra de matrices . En mi enfoque se supone que se ésta familiarizado con la mayorá de los conceptos estadísticos que se encuentran en un primer curso de estadística, como las medias y las desviaciones estándares, las correlaciones, los valores p, las pruebas de hipótesis y los limites de confianza."-- página XIII.
ER  -