PCA: Componentes Principales

Froggy Jumps

Jugadas 1

Crear copia

Sobre esta actividad

Cuestionario sobre PCA y análisis multivariante

Creada por

Rebeca Quispe Orellana

Bolivia

Descarga la versión para jugar en papel

Top 10 resultados

#	Jugador	Acierto	tiempo
1	Rebeca Quispe Orellana 5 de Noviembre de 2025	% 30	00:33

¿Quieres aparecer en el Top 10 de este juego? Inicia sesión para identificarte.

Crea tu propio juego gratis desde nuestro creador de juegos

Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Crear reto

Salva a la Ranita

Melanie Rodriguez

Estados Unidos

(338)

Contesta las siguientes multiplicaciones correctamente para salvar a la ranita y evitar que caiga al agua, mucha suerte!
El valle de los lobos

Marcos Signes

España

(108)

20 preguntas de este maravilloso libro
Sabiduría animal

Educaplay Educational Resources

España

(15439)

Conviértete en un genio del Reino Animal
Quiz de Culpa mía película

Yamila Chavez

Argentina

(171)

Demuestra cuánto sabes sobre la película Culpa mía con este divertido quiz.
OPEN UP 6 UNIT 1 VOCABULARY

karen blixen

España

(100)

Repasamos el vocabulario de la unidad


Froggy Jumps PCA: Componentes PrincipalesVersión en línea Cuestionario sobre PCA y análisis multivariante por Rebeca Quispe Orellana 1 ¿Qué representa una componente principal en PCA? a La media de los datos b Una dirección de mayor varianza en los datos c La varianza total de cada variable 2 ¿Qué relación hay entre componentes principales y eigenvectores? a Son eigenvalores asociados a cada variable b Las componentes son eigenvectores de la matriz de covarianza c Son columnas de la matriz de datos 3 ¿Qué indica el primer componente principal? a La mayor varianza explicada por una sola dirección b La media de las variables c La menor varianza explicada 4 ¿Qué índice se usa para decidir cuánta varianza conservar? a Varianza explicada acumulada b Coeficiente de correlación c P-valor 5 ¿Qué significa la proyección de los datos sobre una componente? a Coeficientes de puntuación (scores) de la muestra b Residuos de la regresión c Valores originales de las variables 6 ¿Qué información proporcionan las cargas (loadings)? a La varianza total de cada componente b Contribución de cada variable a la componente c La media de cada variable 7 ¿Qué tipo de transformacion aplica PCA a los datos? a Reducción de dimensionalidad sin ortogonalidad b Escalado sin cambio de dirección c Rotación de datos para obtener direcciones ortogonales 8 ¿Qué ocurre si las variables están altamente correlacionadas? a Las primeras componentes explican la mayor parte de la varianza b Todas las componentes explican igual varianza c PCA falla y no existe solución 9 ¿Qué exige PCA sobre los datos antes de aplicar? a Eliminación de variables con cero varianza b Reducción de tamaño de muestra c Estandarización si las variables tienen distintas unidades 10 ¿Qué criterio ayuda a elegir el número de componentes? a Número de variables b Número de observaciones c Umbral de varianza explicada (p. ej., 90%)

Froggy Jumps

PCA: Componentes PrincipalesVersión en línea

Cuestionario sobre PCA y análisis multivariante

por Rebeca Quispe Orellana

¿Qué representa una componente principal en PCA?

La media de los datos

Una dirección de mayor varianza en los datos

La varianza total de cada variable

¿Qué relación hay entre componentes principales y eigenvectores?

Son eigenvalores asociados a cada variable

Las componentes son eigenvectores de la matriz de covarianza

Son columnas de la matriz de datos

¿Qué indica el primer componente principal?

La mayor varianza explicada por una sola dirección

La media de las variables

La menor varianza explicada

¿Qué índice se usa para decidir cuánta varianza conservar?

Varianza explicada acumulada

Coeficiente de correlación

P-valor

¿Qué significa la proyección de los datos sobre una componente?

Coeficientes de puntuación (scores) de la muestra

Residuos de la regresión

Valores originales de las variables

¿Qué información proporcionan las cargas (loadings)?

La varianza total de cada componente

Contribución de cada variable a la componente

La media de cada variable

¿Qué tipo de transformacion aplica PCA a los datos?

Reducción de dimensionalidad sin ortogonalidad

Escalado sin cambio de dirección

Rotación de datos para obtener direcciones ortogonales

¿Qué ocurre si las variables están altamente correlacionadas?

Las primeras componentes explican la mayor parte de la varianza

Todas las componentes explican igual varianza

PCA falla y no existe solución

¿Qué exige PCA sobre los datos antes de aplicar?

Eliminación de variables con cero varianza

Reducción de tamaño de muestra

Estandarización si las variables tienen distintas unidades

¿Qué criterio ayuda a elegir el número de componentes?

Número de variables

Número de observaciones

Umbral de varianza explicada (p. ej., 90%)

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.

PCA: Componentes Principales

Froggy Jumps

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Froggy Jumps

Salva a la Ranita

Froggy Jumps

El valle de los lobos

Froggy Jumps

Sabiduría animal

Froggy Jumps

Quiz de Culpa mía película

Froggy Jumps

OPEN UP 6 UNIT 1 VOCABULARY

Froggy Jumps

PCA: Componentes PrincipalesVersión en línea

por Rebeca Quispe Orellana

¿Qué representa una componente principal en PCA?

¿Qué relación hay entre componentes principales y eigenvectores?

¿Qué indica el primer componente principal?

¿Qué índice se usa para decidir cuánta varianza conservar?

¿Qué significa la proyección de los datos sobre una componente?

¿Qué información proporcionan las cargas (loadings)?

¿Qué tipo de transformacion aplica PCA a los datos?

¿Qué ocurre si las variables están altamente correlacionadas?

¿Qué exige PCA sobre los datos antes de aplicar?

¿Qué criterio ayuda a elegir el número de componentes?

		%
	Anónimo	%
		%
		%