- 130 -correlacionados entre sí, condensándose la información en términos de una pocaspero sobresalientes variables y con una pérdida mínima de información.Para obtener el número adecuado de componentes es necesario tomar en cuenta loscomponentes contengan en lo posible un porcentaje alto de la varianza total explicadadel total de la información inicial.ComponenteTABLA XVI: VARIANZA TOTAL EXPLICADA, SELECCIÓN <strong>DE</strong> COMPONENTESTotalAutovalores iníciales% de lavarianza%acumuladoSumas de las saturaciones alTotalcuadrado de la extracción% de lavarianza%acumulado1 11,519 98,123 98,123 11,519 98,123 98,1232 ,150 1,276 99,399 ,150 1,276 99,3993 ,047 ,399 99,7994 ,022 ,189 99,9885 ,001 ,006 99,9946 ,000 ,004 99,9987 ,000 ,002 99,9998 8,003E-5 ,001 100,000Fuente: Análisis realizado en SPSS – Método de Extracción de Componentes Principales.Para la selección del número de componentes (Tabla XVI), a utilizarse se tomo encuenta, aquellos factores cuya varianza total explicada sea del 99,4% de la informacióninicial. De esta manera se obtuvo un nuevo resultado que las nuevas variablesrepresentan el 99,4% del problema original. Así, se ha reducido de 8 variables a 2componentes que representan la composición química de las hachas moneda decobre.
- 131 -Gráfico 8: Gráfico de Sedimentación para la varianza acumulada.El gráfico de sedimentación es explicito en cuanto a la selección adecuada del númerode componentes adecuado.TABLA XVII: DOS PRIMERASCOMPONENTESComponentesVariable 1 2Sb 0,00035 0,00093Ag 0,00008 0,00031Bal -0,70434 0,51518As 0,00940 -0,10420Pb 0,00922 -0,63034Cu 0,70948 0,51419Fe -0,01926 -0,24540Ca -0,00290 -0,04236Fuente: Análisis realizado en MINITABComponentes Principales.De acuerdo a la primera componente se puede decir que no existe en primer lugar unaalta correlación positiva entre las variables ya que no todas sus coordenadas son