Métodos de Análisis Cluster Difusos

Abstract

En numerosas aplicaciones estadísticas, es interesante crear grupos con los individuos de un conjunto de datos de manera que los miembros de cada grupo tengan características similares. Estos grupos son lo que estadísticamente se conocen como clusters, y el método de búsqueda automatizada de estos clusters es conocido como Análisis Cluster. En este Trabajo Fin de Grado, se tratan distintos métodos de Análisis Cluster, especialmente los métodos difusos “fuzzy”, que no asignan cada individuo a un único grupo, sino que se asigna a cada individuo probabilidades de pertenencia a cada cluster. Esto puede ser interesante en muchos problemas y se resuelven algunos problemas asociados a estos métodos que asignan cada observación a un único cluster (métodos “hard”). Se presentarán algunos métodos de Análisis Cluster Robustos que son capaces de resistir el efecto de algunas observaciones atípicas. Los distintos métodos serán ilustrados usando ejemplos mediante el software R.

In numerous statistical applications, it’s interesting to create groups with the individuals in a data set so that the members in each group have similar features. Theses groups are statistically known as clusters, and the method of automated searching of this clusters is known as Cluster Analysis. In this project, everything about Cluster Analysis Methods will be addressed, especially fuzzy methods, which don’t assign each individual to an unique group, but each individual’s belonging probabilities are assigned to each cluster. This can be interesting in many problems, and those issues asociated to methods which assign each individual to an unique cluster (“hard” methods) are solved. Some Robust Clustering Methods that are capable of resisting the effect of some outliers, will be presented. All of the different methods will be ilustrated using examples of their application with the software R.