Análisis Factorial vs PCA

Froggy Jumps

Played 0

Create copy

About this activity

Diferencias y usos entre AF y PCA

Created by

Rebeca Quispe

Bolivia

Download the paper version to play

Top 10 results

There are still no results for this game. Be the first to stay in the ranking! Log in to identify yourself.

Make your own free game from our game creator

Compete against your friends to see who gets the best score in this game

Make challenge

Phlebotomy Order of Draw Quiz

Pamela Chapman

United States

(61)

Test your knowledge of the order of draw in Phlebotomy with these 10 questions!
pizza

Lorelay Tyana

Romania

(271)

joc despre pizza
Bill of Rights Game - The Constitutionalist

Doni The Don

United States

(92)

Test your knowledge on the Bill of Rights. A fun way to test your knowledge and focus on where you need to improve.
The Integumentary System

Breanna Nesbitt

United States

(59)

Functions and Structures of the skin
Ethos, Pathos, and Logos Quiz

Kristine Vester

United States

(135)

Test your knowledge of ethos, pathos, and logos with these 10 questions on examples of persuasive techniques.


Froggy Jumps Análisis Factorial vs PCAOnline version Diferencias y usos entre AF y PCA by Rebeca Quispe 1 ¿Qué objetivo principal tiene el Análisis Factorial (AF)? a Reducir dimensionalidad sin supuestos b Identificar factores latentes que explican correlaciones c Calcular promedios de variables 2 ¿Qué objetivo tiene PCA en general? a Mejorar la homogeneidad de grupos b Reducir dimensionalidad conservando varianza c Descubrir estructuras latentes 3 En AF, ¿qué representa cada factor? a Una variable observada b Una métrica de calidad de datos c Una variable latente que explica covariaciones 4 ¿Qué se suele usar para rotar factores en AF? a Sin rotación b Rotación lineal sólo c Rotación ortogonal o oblicua 5 En PCA, ¿qué se usa para la reducción de dimensionalidad? a Criterios de clasificación b Factores latentes no observables c Componentes principales con mayor varianza 6 ¿Qué supuestos distingue AF de PCA? a AF asume latentes y covariación entre variables b PCA asume latentes, AF no c Ninguno de los dos 7 ¿Qué indica un eigenvalor alto en AF? a Una mala calidad de dato b Una variable individual c Un factor que explica mucha varianza común 8 ¿Qué indica un eigenvalor alto en PCA? a Un componente nulo b Un componente que explica mucha varianza total c Una variable redundantemente alta 9 ¿Cuál es la salida típica de PCA? a Nuevas variables ortogonales (componentes) b Clusters de variables c Factores no correlacionados 10 ¿Cuándo es preferible AF sobre PCA? a Cuando no hay correlaciones entre variables b Cuando buscamos factores subyacentes y explicaciones teóricas c Cuando hay poca varianza

Froggy Jumps

Análisis Factorial vs PCAOnline version

Diferencias y usos entre AF y PCA

by Rebeca Quispe

¿Qué objetivo principal tiene el Análisis Factorial (AF)?

Reducir dimensionalidad sin supuestos

Identificar factores latentes que explican correlaciones

Calcular promedios de variables

¿Qué objetivo tiene PCA en general?

Mejorar la homogeneidad de grupos

Reducir dimensionalidad conservando varianza

Descubrir estructuras latentes

En AF, ¿qué representa cada factor?

Una variable observada

Una métrica de calidad de datos

Una variable latente que explica covariaciones

¿Qué se suele usar para rotar factores en AF?

Sin rotación

Rotación lineal sólo

Rotación ortogonal o oblicua

En PCA, ¿qué se usa para la reducción de dimensionalidad?

Criterios de clasificación

Factores latentes no observables

Componentes principales con mayor varianza

¿Qué supuestos distingue AF de PCA?

AF asume latentes y covariación entre variables

PCA asume latentes, AF no

Ninguno de los dos

¿Qué indica un eigenvalor alto en AF?

Una mala calidad de dato

Una variable individual

Un factor que explica mucha varianza común

¿Qué indica un eigenvalor alto en PCA?

Un componente nulo

Un componente que explica mucha varianza total

Una variable redundantemente alta

¿Cuál es la salida típica de PCA?

Nuevas variables ortogonales (componentes)

Clusters de variables

Factores no correlacionados

¿Cuándo es preferible AF sobre PCA?

Cuando no hay correlaciones entre variables

Cuando buscamos factores subyacentes y explicaciones teóricas

Cuando hay poca varianza

You can integrate the game into an LMS compatible with LTI 1.1 or LTI 1.3 such as Canvas, Moodle, or Blackboard. This way, the scores will be automatically saved into the platform’s gradebook.

Análisis Factorial vs PCA

Froggy Jumps

About this activity

Created by

Download the paper version to play

Top Games

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

pizza

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

The Integumentary System

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

Análisis Factorial vs PCAOnline version

by Rebeca Quispe

¿Qué objetivo principal tiene el Análisis Factorial (AF)?

¿Qué objetivo tiene PCA en general?

En AF, ¿qué representa cada factor?

¿Qué se suele usar para rotar factores en AF?

En PCA, ¿qué se usa para la reducción de dimensionalidad?

¿Qué supuestos distingue AF de PCA?

¿Qué indica un eigenvalor alto en AF?

¿Qué indica un eigenvalor alto en PCA?

¿Cuál es la salida típica de PCA?

¿Cuándo es preferible AF sobre PCA?

		%
	Anonymous	%
		%
		%