#########################################################################
# trabajamos con Linnerud
linnerud <- read.csv("Linnerud.csv",header = TRUE, row.names = 1); linnerud
n        <- dim(linnerud)[1]                  # número de unidades
p        <- dim(linnerud)[2]                  # número de variables   
# calculamos el inercia:
iner     <- sum(linnerud^2); iner
# antes centramos los datos
lin.mean <- apply(linnerud,2,mean)
linc     <- sweep(linnerud,2,lin.mean,"-");linc # datos centrados
apply(linc,2,mean)
iner     <- sum(linc^2); iner
# o igualmente
linc     <- scale(linnerud,center = TRUE,scale = FALSE); linc
apply(linc,2,mean)
iner     <- sum(linc^2); iner
# estandarizamos también
lin.std  <- scale(linnerud,center = TRUE, scale = TRUE); lin.std
apply(lin.std,2,mean)
apply(lin.std,2,var)
iner     <- sum(lin.std^2); iner    # ¡sale un valor bárbaro!
apply(lin.std^2,2,sum) 
# corregimos para la muestra
apply(linnerud,2,var)
lin.v    <- (n-1)/n*apply(linnerud,2,var); lin.v
lin.st   <- sqrt(lin.v); lin.st
lin.std  <- scale(linnerud,center = TRUE, scale = lin.st); lin.std
apply(lin.std,2,mean)
apply(lin.std,2,var)
iner     <- sum(lin.std^2); iner    # es 20 veces demasiado grande
# dividimos para raiz(n)
lin.1    <- lin.std/sqrt(n)
apply(lin.1,2,mean)
apply(lin.1,2,var)
iner     <- sum(lin.1^2); iner      # esto es el valor que se necesita.
##########################################################################################