As técnicas de agrupamento não hierárquicas, como o método das K-médias, necessitam que o número de grupos (clusters) seja predeterminado.

O método de agrupamento hierárquico de Ward busca, dentre os possíveis agrupamentos de dois grupos, unir aqueles que resultem na menor variância global, a qual é minimizada se a distância euclidiana ao quadrado é empregada.

Na análise de componentes principais, supõe-se que as componentes não são correlacionadas entre si. A variância de cada componente principal é igual ao autovalor da matriz de covariâncias associado a ela e cada variável presente no conjunto de dados deve ficar associada a uma única componente principal.

Na análise fatorial, a aplicação de uma rotação ortogonal não altera as comunalidades nem as variâncias específicas, mas pode alterar os percentuais de explicação dos fatores. Além disso, segundo o critério de Kaiser, a escolha do número de fatores é baseada no número de autovalores da matriz de covariância que são maiores ou iguais a 1.