Sección ________ RUT: ______________________

EXAMEN

MARKETING II

Profesores: Juan Pablo Muñoz, Pablo Farías

Fecha: 15 de Noviembre de 2012
Duración: 120 minutos

PREGUNTAS (XX puntos)/QUESTIONS (XX Points)

1. a) Calcule el porcentaje de varianza de los componentes obtenidos en un análisis de
componentes principales (4 puntos):
Calculate the percentage of variance of the components obtained by principal component
analysis (4 points):

Componente Valor propio % de Varianza

(Component) (Eigenvalue) (% of Variance)
1 3,10 44,3%
2 1,78 25,4%
3 1,25 17,9%
4 0,30 4,3%
5 0,23 3,3%
6 0,21 3,0%
7 0,13 1,9%
El porcentaje de varianza se calcula como el valor propio dividido por la suma de todos los valores
propios (= 7).

b) Trace una gráfica de acumulación (5 puntos). Draw a scree plot (5 points).

4.00

3.00

2.00

1.00

0.00
1 2 3 4 5 6 7

c) ¿Cuántos componentes deben extraerse? Explique su razonamiento (5 puntos).

How many components should be extracted? Explain your reasoning (5 points).

Basado en la gráfica de acumulación, 3 factores deben ser considerados, ya que es

después del factor 3 que la gráfica se aplana. Usando el criterio de valores propios > 1,
tres factores deben ser extraídos. Basado en el porcentaje de varianza, dos (si el
criterio es varianza acumulada > 60%) o tres factores (si el criterio es varianza
acumulada > 70%) deben ser extraídos. Por lo tanto, es posible concluir que 3 factores
deben ser extraídos.
2. Usted recibe el siguiente output de un Análisis Factorial realizado por el Área de
Marketing de la empresa:
You get the following output of a factor analysis performed by the Department of
Marketing of the company:

a) ¿Son estos datos apropiados para realizar un Análisis Factorial? Explique su respuesta (5
puntos). Are the data appropriate for a factor analysis? Explain your answer (5 points).
Los datos son apropiados para realizar un Análisis Factorial, debido a que la Prueba de Esfericidad de
Bartlett da un p-value o nivel de significación observado de 0,000 que es menor que 0,05, que es el nivel
de significación comúnmente exigido a la prueba. Esto indica que se debe rechazar la hipótesis nula de
que las variables no están correlacionadas entre sí y por lo tanto, las variables están correlacionadas
entre sí, que es una condición necesaria para aplicar el Análisis Factorial. (2,5 puntos)
Por otra parte, la estadística de Kaiser-Meyer-Olkin (KMO) es igual a 0,748 > 0,5 que es el valor límite
para establecer que la muestra de datos es adecuada para realizar el Análisis Factorial. Este índice
compara las magnitudes de los coeficientes de correlación observada con las magnitudes de los
coeficientes de correlación parcial. Valores pequeños de la estadística KMO (< 0,5) indican que las
correlaciones entre pares de variables, no se explican mediante otras variables y que el Análisis
Factorial posiblemente no sea apropiado. (2,5 puntos)

b) Calcule la comunalidad de extracción para la variable V2 y explique qué significa (5

puntos). Calculate extraction communality for variable V2 and explain what it means (5
points).

La comunalidad de extracción para la variable V2 es 0,783 (2,5 puntos mostrando los

cálculos) y significa que los 2 factores extraídos explican un 78,3% de la varianza en la
variable V2 (2,5 puntos).

= (,876)2 + (,124)2 = ,783

c) Calcule el valor propio del componente 1 (5 puntos). Calculate the eigenvalue of

component 1 (5 points).

(0,864)2 + (0,876)2 + (0,354)2 + (0,792)2 + (-0,018)2 = 2,267

d) Determine la varianza explicada por el componente 1 (5 puntos). Calculate the variance

explained by component 1 (5 points).

2,267/5 = 0,4534  Varianza explicada por el componente 1 = 45,34%.

Sección ________ RUT: ______________________

3. Usted recibe el siguiente output de un Escalamiento multidimensional realizado por el

Área de Marketing de la empresa:
You get the following output of a Multidimensional scaling (MDS) performed by the
Department of Marketing of the company:

Stress = 0, 02532 RSQ = 0, 97047

a) Evalúe el ajuste del Escalamiento Multidimensional (5 puntos). Evaluate the fit of

multidimensional scaling (5 points).
El R cuadrado o coeficiente de determinación que en este caso es de 0,97047, lo que indica que el mapa
de posicionamiento concuerda casi en forma perfecta con los datos de entrada de similitud entre las
marcas o que el mapa explica un 97,047% de la varianza en los datos de entrada (2,5 puntos).
El Stress es un indicador del error o desajuste entre las distancias entre las marcas en el mapa de
posicionamiento y el ordenamiento de los datos de entrada de similitud entre las marcas. En este caso,
el Stress es de 2,532% lo que puede ser considerado como un buen ajuste (2,5 puntos).

b) Interprete las dimensiones en el mapa que incluye las marcas Coca-Cola, Pepsi, Sprite,
Seven Up y sus versiones light (diet) (5 puntos). Interprets the dimensions on the map
which includes the brands Coca-Cola, Pepsi, Sprite, Seven Up and light (diet) versions (5
points)

La dimensión 1 se puede interpretar como el tipo de bebida (cola vs. no-cola) o el

sabor/color
La dimensión 2 se puede interpretar como el contenido de azúcar (diet vs. no diet,
light vs. normal).

c) Cuantos pares de objetos fueron evaluados por los consumidores en este estudio (número
de comparaciones)? (5 puntos). How many pairs of objects were evaluated by consumers in
this study (number of comparisons)? (5 points).

n*(n-1)/2 = 8*7/2 = 28 pares de marcas fueron evaluados

4. Usted recibe el siguiente output de un análisis de conglomerados realizado por el Área de
Marketing de la empresa:
You get the following output of a cluster analysis performed by the Department of
Marketing of the company:

a) Mencione el procedimiento usado de agrupamiento (5 puntos). Mention the clustering

procedure used (5 points).
Jerárquico

b) Determine el número de conglomerados (5 puntos). Determine the number of clusters (5

points).
En las dos últimas etapas los conglomerados se unen en distancias grandes. Por lo
tanto, la solución de 3 conglomerados es la apropiada.

c) Señale el tamaño de cada uno de los conglomerados seleccionados (5 puntos). Indicate

the size of each of the selected clusters (5 points).

6, 6 y 8
Sección ________ RUT: ______________________

VERDADERO-FALSO (32 puntos)/ TRUE-FALSE (32 points)

___V____En el análisis discriminante de dos grupos es posible derivar sólo una función
discriminante. Es el mínimo entre G-1 y k, por tanto es 1. VERDADERO
In two-group discriminant analysis it is possible to derive only one discriminant function.

___V____En el análisis discriminante, el valor del coeficiente para un predictor particular

depende de los otros predictores incluidos en la función discriminante. VERDADERO,
PERO NO SÉ POR QUÉ 
In discriminant analysis, the value of the coefficient for a particular predictor depends on
the other predictors included in the discriminant function.

___F____ En el análisis discriminante, no hay multicolinealidad en las variables de

predicción. Por lo tanto, no hay ninguna medida ambigua de la importancia relativa de los
predictores en la discriminación entre grupos. SÍ HAY, NO ESTOY MUY SEGURA DE
POR QUÉ . FALSO
In discriminant analysis, there is no multicollinearity in the predictor variables. Therefore,
there is no ambiguous measure of the relative importance of the predictors in discriminating
between groups.

___F___ Con el fin de utilizar un análisis factorial, es importante que las variables estén
adecuadamente medidas en una escala ordinal o nominal. DE INT O RAZÓN. FALSO
In order to use factor analysis, it is important that the variables be appropriately measured
on an ordinal or nominal scale.

___V___ Para que el análisis factorial sea apropiado, las variables deben estar
correlacionadas.
For the factor analysis to be appropriate, the variables must be correlated.

___F___ El análisis de componentes principales es adecuado cuando la preocupación

principal es identificar las dimensiones subyacentes y la varianza común es de interés.
FACTORES COMUNES
Principal components analysis is appropriate when the primary concern is to identify the
underlying dimensions and the common variance is of interest.

___F___ Las cargas factoriales representan las correlaciones entre conjuntos de variables.
Factor loadings represent the correlations between sets of variables. OH NO, HABÍA
DICHO V… ES FALSO PORQUE ES LA FUERZA Y DIRECCIÓN DE LA CORR
ENTRE VARIABLE Y FACTOR….

___V___ La rotación no afecta a las comunalidades y al porcentaje de la varianza total

explicada. Rotation does not affect the communalities and the percentage of total variance
explained.

___V___ El análisis factorial es una clase de procedimiento utilizado principalmente para

la reducción de datos y resumen.
Factor analysis is a class of procedures primarily used for data reduction and
summarization.

___V___ El valor propio representa la varianza total explicada por cada factor.
The eigenvalue represents the total variance explained by each factor.

___V___ El objetivo principal del análisis de conglomerados es clasificar objetos en grupos

relativamente homogéneos.
The primary objective of cluster analysis is to classify objects into relatively homogeneous
groups.

___F___ El dendrograma se lee de derecha a izquierda. DE IZQ A DER, BRRRP XD

The dendrogram is read from right to left.

___V___ Los centroides representan los valores medios de los objetos contenidos en el
grupo en cada una de las variables. NO ME EQUIVOQ, PERO PODRÍA
The centroids represent the mean values of the objects contained in the cluster on each of
the variables.

___V___ La medida más comúnmente utilizada de similitud es la distancia euclídea

(euclidiana) o su cuadrado. The most commonly used measure of similarity is the euclidean
distance or its square.

___V___ El número de marcas o estímulos seleccionados para su uso en los análisis de

escalamiento multidimensional (EMD) y las marcas específicas incluidas determina la
naturaleza de las dimensiones y configuraciones resultantes.
The number of brands or stimuli selected for use in MDS analysis and the specific brands
included determines the nature of the resulting dimensions and configurations.

___F___ El estrés es una medida de bondad de ajuste, los valores más altos de estrés
indican un mejor ajuste.
Stress is a goodness-of-fit measure; higher values of stress indicate better fits.