Estatística Aplicada à Administração II. Tópico. Análise de Componentes Principais
|
|
- Stella Aquino Oliveira
- 5 Há anos
- Visualizações:
Transcrição
1 Estatística Aplicada à Administração II Tópico Análise de Componentes Principais Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 99
2 Análise de Componentes Principais Tem a finalidade de substituir um conjunto de variáveis correlacionadas por um conjunto de novas variáveis não-correlacionadas, sendo essas, combinações lineares das variáveis iniciais e colocadas em ordem decrescente de suas variâncias. Por exemplo, para p variáveis: CP e X +e X +e X +...+e p X p CP e X +e X +e X +...+e p X p M CP p e p X +e p X +e p X +...+e pp X p
3 Análise de Componentes Principais Um exemplo simples: pesquisa com clientes de banco 7 x x Cliente SSE OC 7 c Tabela : Resultado da pesquisa aplicada aos clientesde umbanco. Foramatribuídas notasde a 7 para: SSE - Serviços Sem Erros; e OC - Operações Confidenciais. X 7 Operações Confidenciais (Nota atribuída) 0 7 Serviços Sem Erros (Nota atribuída) Cálculo de covariâncias e correlações:
4 Análise de Componentes Principais Determinaçãodacovariância(S) e dacorrelação(r) entre as variáveis x e x (SSE e OC, respectivamente) 7 X x 7 X desv X desv X desv S 0,8,8,8,8 S / / SD D R 0,99 0,99 R X desv
5 Componentes Principais exemplo Covariânciasno SPSS: Analyze > Correlate > Bivariate > options: Statistics [x]... covariances S,8,8,8 0,8 R 0,99 0,99
6 Analisando a variância total (Exemplo clientes banco) Variância total:soma das variâncias, ou seja, Variância Total Tr (S) S +S +S +...+S pp,8,8 Para o nosso exemplo: S,8 0,8 Variância Total Tr(S) S +S,8 + 0,8, Se usarmos variáveis padronizadas, a variância total é o traço da matriz de correlação, que é igual ao número de variáveis, ou seja, p. Para o nosso exemplo: 0,99 R 0,99 Variância Total
7 Componentes Principais Queremos encontrar uma combinação linear (componentes principais) das variáveis originais, de forma que estas combinações não estejam correlacionadas, mas tenham alta variância. CP e X +e X X X CP e X +e X CP CP X R λ e CP... S... X p CP p p variáveis p componentes principais 7
8 Componentes Principais CP e X +e X CP e X +e X Os autovalores de S, (λ, λ,..., λ p ) correspondem a variância associada a cada componente principal (CP, CP, CP... F p ). Oscoeficientese ij correspondemaoselementosdos auto-vetores normalizados e ortogonais e, e, e,..., e p dos respectivos autovalores da matriz de covariância(ou de correlação). 8
9 Componentes Principais - CP Para duas variáveis, x e x, espera-se que os dados estejam correlacionados, os dados num diagrama de dispersão são representados pela elipse na figura abaixo. CP tem maior variância, corresponde ao maior eixo da elipse. CP tem menor variância e é perpendicular ao eixo maior. As variâncias são proporcionais aos autovalores. 9
10 Componentes Principais Variância Explicada A contribuição de cada componente principal CP i é medida em termos da proporção da variância total explicada, que é dada por: p Var( CP i ) Var( CP i i ).00 p λ i i λ i.00 λi.00 Tr( S) Se usarmos variáveis padronizadas: Σλ i Tr(R) p 0
11 Número de Componentes Principais O número de componentes principais é igual ao número de variáveis. Na análise fatorial o interesse será ter menos componentes principais do que variáveis originais. ()Podemos estipular o número de componentes (k) com base na variância acumulada, por exemplo: Variância acumulada k i p i λ λ 70% sendo k < p ()Uma maneiravisualéatravésdográficodedeclive (scree plot). Gráfico dos autovalores ordenados do maiorparaomenor. (scree: declive do fundo de um precipício) i i 00%
12 Nro de Componentes Principais Scree Plot Num caso com autovalores teremos componentes principais. Critérios para considerar componentes: (a) Critério de Kaiser. Autovalores maiores que um. Por este critério: componentes. (b) Autovalores até o declive(cotovelo). Por este critério: componentes Componentes
13 Voltando ao exemplo - Clientes Banco A matriz de covariância obtida foi Autovalores são calculados por: Como s s,osautovalores são dados por: λ det,8,8,8 0,8 Variância total λ + λ,9 + 0,09, Tr(S) S s s λ ( ) ( ) ( s + s s + s s s ) s ± E os autovetores de S? Se λ s s λ 0 λ,9 λ 0,09 λ e Se e
14 Autovetores Considerando a matriz de covariância, os autovetores sãoobtidossupondovetores v i quesatisfaçam Sv ou seja: i λivi,8,8 v i vi λi,8 0,8 vi vi No caso mais geral supomos v i e encontramos s no nosso exemplo: + s λi vi λ i s s v v 0,87 -,09 Estes vetores não estão normalizados
15 Autovetores e Componentes Principais Os vetores normalizados são obtidos dividindo v i pelo módulode v i. Nonossoexemploosmódulossão: v,07 v,79 Os autovetores normalizados são: e 0,9 e 0,8 e e e 0,8 e - 0,9 As componentes dos auto-vetores correspondem aos coeficientes dos componentes principais. CP e X +e X CP e X +e X CP 0,9X +0,8X CP 0,8X -0,9X
16 Componentes principais e variância explicada Porcentagem da variação total dos dados explicada por CP : λ, ,0 % λ + λ, Porcentagem da variação total dos dados explicada por CP : λ 0, ,9 % λ + λ, Cada componente principal sintetiza a máxima proporção de variância contida nos dados
17 Componentes principais O próximo passo é calcular o valor de cada componente principal para os dados originais: Variáveis originais Variáveis geradas para as CP's Cliente SSE OC CP CP 7 8,8 -,09,7 -,7, -,0,9 -,9 7,7 -,, -, CP 0,9SSE+0,8OC CP 0,8SSE-0,9OC 7
18 λ,9 λ 0,09 Componentes principais - Correlações e 0,9 0,8 e 0,8-0,9 Correlações entre as componentes principais e a variáveis originais podem ser calculadas por: Correlações entre CP e x corr (CP, x ) i j e ij s λ jj i SSE,8,8,8 0,8 A primeira componente possui maior correlação com as variáveis, ela tem maior importância. S OC CP 0,998 0,987 CP 0,00-0, 8
19 Análise de Componentes Principais - resumo A tabela mostra os componentes principais encontrados na análise, os autovalores, os autovetores (em linha), a correlação existente entre as componentes a as variáveis, a percentagem de explicação de cada componente e a percentagem total de variância acumulada pelas componentes principais. Comp. Autovalor Coeficiente de ponderação Correlação entre % da variância % acumulada princ. associado às variáveis CP e x de CP i da variância x x x x CP,9 0,9 0,8 0,998 0,987 98,0 98,0 CP 0,09 0,8-0,9 0,00-0,,9 00,00 9
20 Operações Confidenciais (Nota atribuída) 7 Componentes Principais - ilustração Na figura abaixo os autovetores foram inseridos no ponto médio dos valores das variáveis originais e e 0 7 Serviços Sem Erros (Nota atribuída) As notas para Operações Confidenciais e Serviços Sem Erros estão correlacionadas. Podemos encontrar um componente principal que explica 98,0% da variação total dos dados. O exemplo indica que estas variáveis podem formar um único fator: Confiança, por exemplo. Esta será a tarefa da Análise Fatorial 0
ANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 015 Decomposição Espectral Autovalores e autovetores MANLY, Cap. Objetivo e Definição
Leia maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisAnálise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações
Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações Diogo de Carvalho Bezerra Universidade Federal de Pernambuco Núcleo de Gestão e-mail:dicbezerra@hotmail.com SOBREA Sociedade
Leia maisEstudo dirigido de Análise Multivariada
Estudo dirigido de Análise Multivariada Conceitos Iniciais De um modo geral, os métodos estatísticos de análise multivariada são aplicados para analisar múltiplas medidas sobre cada indivíduo ou objeto
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões PCA. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões PCA Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos de PCA e suas aplicações
Leia maisSensoriamento Remoto II
Sensoriamento Remoto II Componentes principais Revisão de matemática Análise de componentes principais em SR UFPR Departamento de Geomática Prof. Jorge Centeno 2016 copyright@ centenet Revisão matemática
Leia maisReconhecimento de Padrões. Principal Component Analysis (PCA) Análise dos Componentes Principais
Universidade Federal de Ouro Preto (UFOP) Programa de Pós-Graduação em Ciência da Computação (PPGCC) Reconhecimento de Padrões Principal Component Analysis (PCA) Análise dos Componentes Principais David
Leia maisEstatística Aplicada à Administração II
Estatística Aplicada à Administração II Tópico: Análise Discriminante (No SPSS e no Minitab) Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 1992 L.J. Corrar; E. Paulo;
Leia maisFunção prcomp. 1. Introdução
Função prcomp 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz de
Leia maisAula 25: Análise Fatorial. Prof. Eduardo A. Haddad
Aula 25: Análise Fatorial Prof. Eduardo A. Haddad Utilização específica Como identificar o potencial de desenvolvimento agropecuário dos municípios brasileiros? Banco de dados municipais: Tamanho do rebanho,
Leia mais8. Análise em Componentes Principais - ACP
8. Análise em Componentes Principais - ACP 8.1 Introdução O propósito principal da ACP é substituir as variáveis originais por um número menor de variáveis que são função das variáveis originais. A ACP
Leia maisA2 - ANÁLISE FATORIAL
A2 - ANÁLISE FATORIAL Prof. Evandro M Saidel Ribeiro A2.1 A Análise Fatorial A2.2 Modelo matemático da análise fatorial A2.3 Fatores em termos de variáveis A2.4 Exemplo Clientes de um banco A2.5 Exemplo
Leia maisAvaliação climatológica da cidade de Uberlândia por meio da Análise de Componentes Principais
Avaliação climatológica da cidade de Uberlândia por meio da Análise de Componentes Principais Bruna Queiroz de Melo Prado 1 Heverton Rodrigues Fernandes 2 Tatiane Gomes Araújo 3 Nádia Giarette Biase 4
Leia maisAnálise multivariada
UNIFAL-MG, campus Varginha 11 de Setembro de 2018 Dada uma matriz A (p p), podemos obter um escalar λ e um vetor v (p 1) de modo que seja satisfeita? Av = λv (1) Dada uma matriz A (p p), podemos obter
Leia maisAnálise Multivariada. Distribuição Normal Multivariada. Roteiro. Lupércio França Bessegato Dep. Estatística/UFJF
Análise Multivariada Lupércio França Bessegato Dep. Estatística/UFJF. Introdução. Vetores Aleatórios 3. Normal Multivariada Roteiro 4. Componentes Principais 5. Análise Fatorial 6. Análise de Conglomerados
Leia maisExemplo 1: Variáveis padronizadas Z t = ( Z 1 (1), Z 2 (1), Z 1 (2), Z 2 Z 1 (1) Z (1) = Z (2) = Z 2. Matriz de correlações:
Exemplo : Variáveis padronizadas t = (,,, ) = = Matriz de correlações: Ρ Ρ Ρ Ρ Ρ.0 0.4 0.5 0.6 0.4.0 0.3 0.4 0.5 0.3.0 0. 0.6 0.4 0..0 De onde se obtém: /.068 0.9.047 0.083 Ρ Ρ 0.9.068 0.083.047 Ρ / /
Leia maisAnálise Fatorial. Matriz R de coeficientes de correlação: Não confundir análise de componentes principais com análise fatorial!
Análise Fatorial 1 Na análise fatorial as variáveis y1, y,..., Yp, são combinações lineares de umas poucas variáveis F1, F,..., Fm (m
Leia maisFunção prcomp em R. 1. Introdução
Função prcomp em R 1. Introdução Apresentamos alguns exemplos de utilização da função prcomp do pacote stats em R. Esta função permite realizar uma análise de componentes principais a partir de uma matriz
Leia mais4 ANÁLISE DE DADOS. Erro do balanço iônico (%) = Σ cátions - Σ ânions x 100 Σ (cátions + ânions) (1)
ANÁLISE DE DADOS 4 ANÁLISE DE DADOS A definição das características das águas subterrânea baseou-se nas análises químicas e físico-químicas e na utilização de métodos estatísticos, como a estatística multivariada
Leia maisTransformação dos dados. Analise de Componentes Principais - PCA
Transformação dos dados Tratamento nos dados Redução de Dimensionalidade Dados centrados na média e variância xm = /n Σ i=n x i x i = ( x i - xm)/σ (centrados na média) Escalamento ela variância ( quando
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 7 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Relações de interdependência entre variáveis quantitativas: A Análise Factorial Análise Factorial: técnica
Leia maisSME0822 Análise Multivariada 2 o semestre de 2014
SME0822 Análise Multivariada 2 o semestre de 2014 Prof. Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/ cibele Sala 3-139 Coteia Wiki: http://wiki.icmc.usp.br/index.php/sme0822 6 de agosto de 2014
Leia maisSME0822 Análise Multivariada 2 o semestre de 2014
SME0822 Análise Multivariada 2 o semestre de 2014 Prof. Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/ cibele Sala 3-139 Coteia Wiki: http://wiki.icmc.usp.br/index.php/sme0822 7 de agosto de 2014
Leia maisSME0822 Análise Multivariada 2 o semestre de Prof. Cibele Russo. Sala 3-113
SME0822 Análise Multivariada 2 o semestre de 2016 Prof. Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-113 2. semestre 2016 1 / 25 Principais objetivos do curso Estudar e desenvolver
Leia maisPrograma de Educação Tutorial PET Departamento de Estatística-UFSCar
UMA AVALIAÇÃO DA TAXA DE CONSUMO DE ENERGIA NO ESTADO DE SÃO PAULO Flavia Da Silva Costa Julia Pettan Victor de Andrade Corder Victor José Sanches de Souza Pedro Ferreira Filho Programa de Educação Tutorial
Leia mais29 e 30 de julho de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 29 e 30 de julho de 2013 Dia 2 - Conteúdo 1 2 3 Dados multivariados Estrutura: n observações tomadas de p variáveis resposta.
Leia maisAutovetor e Autovalor de um Operador Linear
Autovetor e Autovalor de um Operador Linear Definição Seja T : V V um operador linear. Um vetor v V, v 0, é dito um autovetor de T se existe um número real λ tal que T (v) = λv. O número real λ acima é
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Componentes Principais
Estatística: Aplicação ao Sensoriamento Remoto SER 4 - ANO 9 Componentes Principais Camilo Daleles Rennó camilorenno@inpebr http://wwwdpiinpebr/~camilo/estatistica/ Associação entre Variáveis r = < r
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Agradecimentos
Leia maisAnálise de Componentes Principais
Análise de Componentes Principais Adilson dos Anjos Sensometria 2 Objetivo O objetivo dessa aula é apresentar a Análise de Componentes Principais. As análises serão realizadas com uso do R; Pacotes utilizados
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 20122 Gabarito 7 de Dezembro de 2012 1 Considere a transformação linear T : R 3 R 3 definida por: T ( v = ( v (1, 1, 2 (0, 1, 1 a Determine a matriz [T ] ε da transformação linear
Leia mais5 Análise dos resultados
5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de
Leia maisANÁLISE DISCRIMINANTE. Análise discriminante. Função discriminante. Análise de agrupamentos e Análise das componentes principais
Análise de agrupamentos e Análise das componentes principais Ambas as análises são técnicas de redução de dados. ANÁLISE DISCRIMINANTE Objetivo da análise de agrupamentos é formar grupos, reduzindo o número
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Leia maisMulticolinearidade em Modelos de Regressão
Multicolinearidade em Modelos de Regressão Simone A. Miloca 1, Paulo D. Conejo 2 1 Colegiado do Curso de Matemática - Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste do Paraná
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisEstatística II. Tópico: Análise Fatorial. Exemplo completo (Livro Corrar modificado)
Estatística II Tópico: Análise Fatorial Exemplo completo (Livro Corrar modificado) Bibliografia: L.J. Corrar; E. Paulo; J.M. Dias Filho, Analise multivariada..., Atlas, 2007 1 Análise Fatorial x i explicada
Leia maisÁlgebra Linear Teoria de Matrizes
Álgebra Linear Teoria de Matrizes 1. Sistemas Lineares 1.1. Coordenadas em espaços lineares: independência linear, base, dimensão, singularidade, combinação linear 1.2. Espaço imagem (colunas) - Espaço
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisGAAL /1 - Simulado - 2 produto escalar, produto vetorial, retas e planos. Exercício 1: Determine a equação do plano em cada situação descrita.
GAAL - 2013/1 - Simulado - 2 produto escalar, produto vetorial, retas e planos SOLUÇÕES Exercício 1: Determine a equação do plano em cada situação descrita. (a) O plano passa pelo ponto A = (2, 0, 2) e
Leia maisTRANSFORMAÇÕES MULTIESPECTRAIS (GLOBAIS)
TRANSFORMAÇÕES MULTIESPECTRAIS (GLOBAIS) Se incluem todas aquelas transformações destinadas a criação de imagens a partir da combinação de bandas da imagem original. A imagem resultante depende de toda
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Classificação. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Classificação David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Redução de Dimensionalidade Principal Component Analysis (PCA)
Leia mais(b) A não será diagonalizável sobre C e A será diagonalizável sobre R se, e
Q1. Sejam A M 6 (R) uma matriz real e T : R 6 R 6 o operador linear tal que [T ] can = A, em que can denota a base canônica de R 6. Se o polinômio característico de T for então poderemos afirmar que: p
Leia maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisG2 de Álgebra Linear I
G2 de Álgebra Linear I 2013.1 17 de Maio de 2013. Gabarito 1) Considere a transformação linear T : R 3 R 2 definida por: T (1, 1, 0) = (2, 2, 0), T (0, 1, 1) = (1, 0, 0) T (0, 1, 0) = (1, 1, 0). (a) Determine
Leia maisÁlgebra Linear I - Lista 11. Autovalores e autovetores. Respostas. 1) Calcule os autovalores e autovetores das matrizes abaixo.
Álgebra Linear I - Lista 11 Autovalores e autovetores Respostas 1 Calcule os autovalores e autovetores das matrizes abaixo. (a ( 4 1 1, (b ( 1 1, (c ( 5 6 3 4, (d 1 1 3 1 6 6, (e 3 5 1, (f 1 1 1 1 1 1
Leia maisParte 3 - Produto Interno e Diagonalização
Parte 3 - Produto Interno e Diagonalização Produto Escalar: Sejam u = (u 1,..., u n ) e v = (v 1,..., v n ) dois vetores no R n. O produto escalar, ou produto interno euclidiano, entre esses vetores é
Leia maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia mais5. Seja R : R 3 R 3 uma rotação em torno do eixo gerado por (0, 0, 1). Suponha que R mande o vetor
Universidade Federal do Rio de Janeiro Instituto de Matemática Disciplina: Álgebra Linear II Professor: Bruno Costa, Cesar Niche, Francesco Noseda, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez,
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 5 Análise Factorial de Componentes Principais
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 21 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 5 Análise Factorial de Componentes Principais 26-4-11 5.1 5. ANÁLISE FACTORIAL DE COMPONENTES PRINCIPAIS 5.1. Admita 3 variáveis
Leia maisAnálise Fatorial. Matriz R de coeficientes de correlação: Não confundir análise de componentes principais com análise fatorial!
Análise Fatorial 1 Na análise fatorial as variáveis y1, y,..., Yp, são combinações lineares de umas poucas variáveis F1, F,..., Fm (m
Leia maisANÁLISE DISCRIMINANTE. Análise discriminante. Função discriminante. Análise de agrupamentos e Análise das componentes principais
Análise de agrupamentos e Análise das componentes principais Ambas as análises são técnicas de redução de dados. ANÁLISE DISCRIMINANTE Objetivo da análise de agrupamentos é formar grupos, reduzindo o número
Leia maisCORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Leia maisAPLICAÇÃO DE TÉCNICAS MULTIVARIADAS NA SELEÇÃO DE GENÓTIPOS DE PLANTAS PARA GRAMADOS RESISTENTES A INSETOS
APLICAÇÃO DE TÉCNICAS MULTIVARIADAS NA SELEÇÃO DE GENÓTIPOS DE PLANTAS PARA GRAMADOS RESISTENTES A INSETOS Waldomiro Barioni Júnior 1, Marcos Rafael Gusmão 2, Francisco Humberto Dübbern de Souza 2, Frederico
Leia maisTutorial SPSS Módulo 17- Análise fatorial Tutorial SPSS Geração de Tabelas
Tutorial SPSS Módulo 17- Análise fatorial Tutorial SPSS Geração de Tabelas Situação Problema Uma empresa que fabrica solados de borracha desejava saber o comportamento atitudinal do consumidor final em
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 27.1 Gabarito 1) Considere a base η de R 3 η = {(1, 1, 1); (1,, 1); (2, 1, )} (1.a) Determine a matriz de mudança de coordenadas da base canônica para a base η. (1.b) Considere o
Leia maisÁlgebra Linear I - Lista 12. Matrizes semelhantes. Diagonalização. Respostas
Álgebra Linear I - Lista 12 Matrizes semelhantes. Diagonalização Respostas 1) Determine quais das matrizes a seguir são diagonalizáveis. Nos caso afirmativos encontre uma base de autovetores e uma forma
Leia maisAnálise de Componentes Principais (PCA)
Análise de Componentes Principais (PCA) Lailson B. Moraes, George D. C. Cavalcanti {lbm4,gdcc}@cin.ufpe.br Roteiro Introdução Características Definição Algoritmo Exemplo Aplicações Vantagens e Desvantagens
Leia maisNoções de Álgebra Linear
Noções de Álgebra Linear 1. Espaços vetoriais lineares 1.1. Coordenadas 2. Operadores lineares 3. Subespaços fundamentais 4. Espaços normados 5. Espaços métricos 6. Espaços de Banach 7. Espaços de Hilbert
Leia maisANÁLISE DE CORRELAÇÕES CANÓNICAS. Identificar e quantificar a associação entre dois conjuntos de variáveis.
OBJECTIVO Identificar e quantificar a associação entre dois conjuntos de variáveis. Identificar duas combinações lineares das variáveis, num e noutro conjunto, que tenham a maior correlação possível. Identificar
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisINTRODUÇÃO À ANÁLISE DE COMPONENTES PRINCIPAIS (Com Aplicação do SAS - Statistical Analysis System)
UNIVERSIDADE FEDERAL DE GOIÁS (UFG) ESCOLA DE AGRONOMIA (EA-UFG) DEPARTAMENTO DE AGRICULTURA INTRODUÇÃO À ANÁLISE DE COMPONENTES PRINCIPAIS (Com Aplicação do SAS - Statistical Analysis System) João Batista
Leia maisAnálise de fatores aplicada à análise de princípios estéticos em odontologia
Análise de fatores aplicada à análise de princípios estéticos em odontologia Everton Batista da Rocha 1 2 3 Luiz Ricardo Nakamura 3 Carlos Tadeu dos Santos Dias 3 Núbia Inocencya Pavesi Pini 4 Bruno Frazão
Leia maisRevista de Estudos Sociais Ano 2013, Nro 29, Vol 15 Pag. 179
OTIMIZAÇÃO DAS VENDAS DE PRODUTOS DA PANIFICAÇÃO Joaquim Eduardo de Moura Nicácio RESUMO: O emprego da estatística multivariada da análise de componentes principais, também conhecida como transformada
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisÁlgebra Linear I - Aula Autovetores e autovalores de uma transformação
Álgebra Linear I - Aula 18 1. Autovalores e autovetores. 2. Cálculo dos autovetores e autovalores. Polinômio característico. Roteiro 1 Autovetores e autovalores de uma transformação linear Considere uma
Leia maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2008.2 Data: 14 de Novembro de 2008. Gabarito. 1) Decida se cada afirmação a seguir é verdadeira ou falsa. Considere uma transformação linear T : R 3 R 3 tal que existem vetores
Leia maisSCC0173 Mineração de Dados Biológicos
SCC073 Mineração de Dados Biológicos Análise Exploratória de Dados Parte A: Revisão de Estatística Descritiva Elementar Prof. Ricardo J. G. B. Campello SCC / ICMC / USP Tópicos Análise Exploratória de
Leia maisQUALIDADE DO AR USO DE ACP PARA EXPLICAR A RELAÇÃO DE FATORES METEOROLÓGICOS E MATERIAL PARTICULADO NO MUNICÍPIO DE JUNDIAÍ (SP)
QUALIDADE DO AR USO DE ACP PARA EXPLICAR A RELAÇÃO DE FATORES METEOROLÓGICOS E MATERIAL PARTICULADO NO MUNICÍPIO DE JUNDIAÍ (SP) Marla Rubia Garcia de Lima marla_rubia@hotmail.com Nathália Morgana Rissi
Leia mais(d) p(λ) = λ(λ + 1) (b) 4 (c) 1 (d) Seja A uma matriz n n. Assinale a alternativa FALSA:
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno Costa, Luiz Carlos Guimarães, Mário de Oliveira, Milton Ramirez, Monique Carmona, Nilson Bernardes e Nilson Roberty
Leia maisANÁLISE MULTIVARIADA APLICADA ÀS VARIÁVEIS DE CONTROLE DE ESTOQUE DO SETOR DE VAREJO CALÇADISTA DE FRANCA
ANÁLISE MULTIVARIADA APLICADA ÀS VARIÁVEIS DE CONTROLE DE ESTOQUE DO SETOR DE VAREJO CALÇADISTA DE FRANCA Paulo Nocera Alves Junior (UNESP ) pjnocera@yahoo.com.br Gladys Dorotea Cacsire Barriga (UNESP
Leia maisAutovalores e Autovetores Determinante de. Motivando com Geometria Definição Calculando Diagonalização Teorema Espectral:
Lema (determinante de matriz ) A B A 0 Suponha que M = ou M =, com A e D 0 D C D matrizes quadradas Então det(m) = det(a) det(d) A B Considere M =, com A, B, C e D matrizes C D quadradas De forma geral,
Leia maisPROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisESTUDO COMPARATIVO DOS ESCORES FATORIAIS E DE COMPONENTES PRINCIPAIS EM DADOS ARQUEOMÉTRICOS.
ESTUDO OMPRTIVO DOS ESORES FTORIIS E DE OMPONENTES PRINIPIS EM DDOS RQUEOMÉTRIOS. P.T.M.S. Oliveira, IME-USP,poliveir@ime.usp.br.. S. Munita, IPEN-NEN/SP, munita@curiango.ipen.br RESUMO: Em estudos arqueométricos
Leia maisANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS
ANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS ANÁLISE DE VARIÁVEIS CANÔNICAS Carlos Alberto Alves Varella 1 ÍNDICE INTRODUÇÃO... 2 DIMENSIONALIDADE
Leia maisFormas Quádricas Cônicas hlcs
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORE Formas Quádricas Cônicas hlcs Álgebra Linear A equação mais geral de uma cônica é a seguinte: Q(,)= a + b + c +d + e +f =,...() onde a,b,c,d,e,f são números reais
Leia maisTécnicas Multivariadas em Saúde. Representação de Dados Multivariados. Métodos Multivariados em Saúde Roteiro. Análise Exploratória de Dados
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisCM005 Álgebra Linear Lista 3
CM005 Álgebra Linear Lista 3 Alberto Ramos Seja T : V V uma transformação linear. Se temos que T v = λv, v 0, para λ K. Dizemos que λ é um autovalor de T e v autovetor de T associado a λ. Observe que λ
Leia maisPalavras-Chaves: Modelo, Soja,Variabilidade 1. INTRODUCÃO
Impacto da Variabilidade da Temperatura e Precipitação Sobre Um Modelo Simplificado de Estimativa de Produtividade de Soja nas Principais Regiões Brasileiras. Lima, Rosemary Ap. Odorizi; Kubota, Paulo
Leia maisDistância Estatística
Distância Estatística Renato Assunção 0/05/03 Pressão sistólica A pressão sistólica mede a força do sangue nas artérias, à medida que o coração contrai para impulsionar o sangue através do corpo. Se alta
Leia mais3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão e B =
3 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008. (a) Ache os auto-valores e auto-vetores de A = 3 4 2 0 2 0 0 0 e B = 0 0 2 0 2 0 2 0 0 (b) Mostre que λ + λ 2 + λ 3 é igual ao
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Discriminante Professor: Valdecy Pereira, D. Sc. email: valdecy.pereira@gmail.com
Leia maisGustavo Henrique Mendes Bedendo 2, Magda Metz 3. Projeto de pesquisa realizado no curso de medicina veterinária da Unijuí 2
ANÁLISE DE COMPONENTES PRINCIPAIS EM CARACTERÍSTICAS DE AVES RODE ISLAND RED 1 ANALYSIS OF MAIN COMPONENTS CHARACTERISTICS IN RHODE ISLAND RED POULTRY BREED Gustavo Henrique Mendes Bedendo 2, Magda Metz
Leia maisAnálise fatorial em R
Análise fatorial em R 1. Dados Referem-se a n = 54 observações de p = 7 variáveis apresentadas na Tabela 1.9, p. 44 em Johnson and Wichern (2007, Applied Multivariate Statisitical Analysis, sixth ed. Upper
Leia mais9 Análise Multivariada de Dados
9 Análise Multivariada de Dados 9.1 Introdução Uma das dificuldades inerentes em estatística multivariada é a visualização dos dados, principalmente em dimensões maiores que três. No entanto, é importante
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisTeorema da Triangularização de Schur e Diagonalização de Matrizes Normais
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 16 de novembro
Leia maisPLANO DE ENSINO MÉTODOS ESTATÍSTICOS II. 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina:
PLANO DE ENSINO MÉTODOS ESTATÍSTICOS II 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina: 9071008 Carga Horária: 40 horas/aula Período Letivo: Professor(a): Édila Cristina de Souza
Leia maisDescomposição de Cholesky
Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais 20 de Novembro de 2018 Frederico A. & Guilherme A. (ICEX - UFMG) 20 de Novembro de 2018 1 / 29 Motivação Métodos de otimização
Leia maisSME Roberto F. Ausas / Gustavo C. Buscaglia
SME0305-2016 Roberto F. Ausas / Gustavo C. Buscaglia ICMC - Ramal 736628, rfausas@gmail.com ICMC - Ramal 738176, gustavo.buscaglia@gmail.com Cálculo de autovalores e autovetores Existem vários problemas
Leia mais