🔍 ML No Supervisado
🔍 ML No Supervisado

Análisis factorial en récords atléticos

Los récords atléticos nacionales de mujeres en distintas pruebas (100m, 200m, 400m, 800m, 1500m, maratón) están correlacionados: los países con buenos velocistas también tienden a tener buenos fondistas.

Problema

Los récords atléticos nacionales de mujeres en distintas pruebas (100m, 200m, 400m, 800m, 1500m, maratón) están correlacionados: los países con buenos velocistas también tienden a tener buenos fondistas. ¿Qué dimensiones latentes explican estas correlaciones y cómo posicionar cada país?

Solución

Análisis factorial (Factor Analysis) para identificar factores latentes subyacentes a los récords atléticos. Los factores encontrados permiten posicionar países según sus fortalezas atléticas estructurales más allá de los valores brutos de cada prueba.

Extracción de factores

  • Factor Analysis con factor_analyzer: número óptimo de factores por criterio de eigenvalues > 1
  • Cargas factoriales: qué pruebas atléticas se agrupan en cada factor latente
  • Factor rotación (Varimax): maximizar la interpretabilidad de los factores
  • Communalities: proporción de varianza de cada variable explicada por los factores

Posicionamiento de países

  • Factor scores: puntuación de cada país en cada factor latente
  • Visualización: países en el espacio factorial (velocidad vs. fondo, por ejemplo)
  • Comparativa con PCA: diferencias entre componentes principales y factores latentes
  • Interpretación de factores: velocidad explosiva vs. resistencia aeróbica como dimensiones latentes

Más proyectos en ML No Supervisado