Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações
|
|
- João Pedro de Figueiredo de Almeida
- 7 Há anos
- Visualizações:
Transcrição
1 Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações Diogo de Carvalho Bezerra Universidade Federal de Pernambuco Núcleo de Gestão dicbezerra@hotmail.com SOBREA Sociedade Brasileira de Engenharia de Avaliações IV Simpósio, Recife, Novembro de 2014.
2 Outline 1 Apresentação 2 Análise dos Componentes Principais 3 Análise de Fatores 4 Aplicação dos Componentes Principais 5 Conclusão
3 Considerações Na análise estatística, normalmente, se trabalha com variáveis que não são independentes uma das outras. Análise de componentes principais é elaborada para reduzir o número de variáveis que necessitam ser consideradas a um número menor de índices (chamados componentes principais) os quais são combinações lineares das variáveis originais. Análise de Fatores também tem como objetivo estudar a variação em uma quantidade de variáveis originais usando um número menor de variáveis índices ou fatores.
4 Representação Uma representação de possíveis componentes é dada por: I 1 = X 1 + X 2 + X 3 + X 4 + X 5 Outro Índice: I 1 = X 1 + X 2 + X 3 X 4 X 5 O segundo índice poderia ser responsável por representar outra dimensão.
5 Aspectos Hitóricos e Objetivo Historicamente, a análise dos principais componentes foi descrita por Karl Pearson (1901). É um dos métodos de análise multivariada mais simples? não estatístico. O objetivo é tonar p variáveis X 1,... X p e encontrar combinações destas para produzir índices Z 1,..., Z p que sejam não correlacionados na ordem de importância, e que descrevam a variância da maioria dos índices. A ordem dos índices é tal que VAR(Z 1 ) VAR(Z 2 ) VAR(Z p )
6 Procedimento 1 Codificando as variáveis para terem médias zero e variâncias unitárias. Isto é usual, mas é omitido em alguns casos em que se assume que a importância das vaiáveis é refletida em suas variâncias; 2 Calcular a matriz de covariância, ou de correlação se o passo 1 for feito; 3 Encontrar os autovetores e autovalores. 4 Descarte quaisquer componentes que explicam somente uma pequena proporção da variação nos dados.
7 Procedimento Inicialmente, tem-se dados de p variáveis para n indivíduos. O primeiro componente principal, pode ser representado como a combinação linear das p variáveis: Z 1 = a 11 X 1 + a 12 X 2 + a 13 X a 1p X p Que vai variar tanto quanto possível para os indivíduos, sujeitos à condição de que a a a a2 1p = 1 A restrição é imposta para garantir que a variância de Z 1 não aumente indefinidamente.
8 Procedimento Repete o procedimento para o segundo componente principal: Z 2 = a 21 X 1 + a 22 X 2 + a 23 X a 2p X p Que vai variar tanto quanto possível para os indivíduos, sujeitos à condição de que a a a a2 2p = 1 Além de que Z 1 e Z 2 tenham correlação zero para os dados. Segue-se então a construção dos p componentes principais de forma a garantir uma maior representação da variância ordenadas dos indivíduos. Porém, a forma de cálculo da determinação dos componentes principais é irrelevante. O que se precisa é o cálculo dos autovalores e autovetores da matriz de covariância (ou correlação).
9 Procedimento Repete o procedimento para o segundo componente principal: Z 2 = a 21 X 1 + a 22 X 2 + a 23 X a 2p X p Que vai variar tanto quanto possível para os indivíduos, sujeitos à condição de que a a a a2 2p = 1 Além de que Z 1 e Z 2 tenham correlação zero para os dados. Segue-se então a construção dos p componentes principais de forma a garantir uma maior representação da variância ordenadas dos indivíduos. Porém, a forma de cálculo da determinação dos componentes principais é irrelevante. O que se precisa é o cálculo dos autovalores e autovetores da matriz de covariância (ou correlação).
10 Procedimento A matriz de covariância das p variáveis é representado por c 11 c c 1p c 21 c c 2p C = c p1 c p2... c pp onde c ij é a covariância entre X i e X j. Codificando as variáveis C representa a matriz de correlação. A variância dos componentes principais são os autovalores da matriz C. Os autovetores correspondentes ao autovalor λ i definem os valores de (a i1, a i2, a i3,..., a ip ). Uma propriedade importante dos autovalores é λ 1 + λ λ p = c 11 + c c pp
11 Objetivo A análise de fatores tem o objetivo semelhante ao da análise de componentes principais. A diferença principal é que o método de análise de fator é baseado em um modelo estatístico. Desenvolvido inicialmente por Charles Spearman em Spearman observou em uma matriz de correlação entre escores de testes para meninos de uma escola preparatória a seguinte relação: que quaisquer duas linhas eram quase proporcionais se as diagonais fossem ignoradas.
12 Representação Spearman sugeriu que os escores fossem descritos pela equação X i = a i F i + e i onde X i é o i ésimo escore depois ter sido padronizado; a i é uma contante; F é um fator com média zero e variância 1; e e 1 é a pare de X i que é especifica para o i ésimo teste somente.
13 Resultados É fácil verificar que: Var(X i ) = Var(a i F + e i ) = Var(a i F) + Var(e i ) = a 2 i Vaf (F) + Var(e i) Tem-se, ainda, que = a 2 i + Var(e i ) 1 = a 2 i + Var(e i )
14 Resultados Pode-se, concluir que a i, chamada de carga do fator, é tal que seu quadrado é a proporção da variância de X i que está contida no fator. Spearman formulou sua teoria de dois fatores de testes mentais. De acordo com esta teoria, cada resultado do teste é composto de duas partes, uma que é comum a todos os testes (inteligência geral), e outras que é especifica para o teste.
15 Generalização O modelo de análise de fatores geral estabelece X i = a i1 F 1 + a i2 F a im F m + e i onde F 1 a F m são fatores comuns não correlacionados, cada um com média zero e variância unitária.
16 Procedimento O procedimento para uma análise de fatores é descrito em termos de três estágios: Primeiro, cargas de fator provisórias são determinadas através do método de componentes principais. Segundo, as cargas são modificadas através de um método de rotação para facilitar a interpretação dos dados. Terceiro, escores de fator são calculados, os quais são fatores para os indivíduos que possuem os valores de X conhecidos.
17 Procedimento Na segunda etapa a rotação de fatores pode ser ortogonal (para dar fatores não correlacionados) ou oblíqua (para dar fatores correlacionados)
18 Avaliação da Venda de Terrenos - Sergipe Apesar da base de dados apresentar um n = A maioria das vaiáveis não são pelo menos ordinal. A aplicação a nível de ilustração será com cinco variáveis: 1 Renda média do chefe de família em salários mínimos; 2 Coordenada UTM X; 3 Coordenada UTM Y; 4 Infraestrutura (Agregação de serviços como: guias e sarjetas; iluminação; rede de energia; telefone; água potável; esgotamento; galeria de águas pluviais; e pavimentação.) 5 Frente.
19 Avaliação da Venda de Terrenos - Sergipe Apesar da base de dados apresentar um n = A maioria das vaiáveis não são pelo menos ordinal. A aplicação a nível de ilustração será com cinco variáveis: 1 Renda média do chefe de família em salários mínimos; 2 Coordenada UTM X; 3 Coordenada UTM Y; 4 Infraestrutura (Agregação de serviços como: guias e sarjetas; iluminação; rede de energia; telefone; água potável; esgotamento; galeria de águas pluviais; e pavimentação.) 5 Frente. A análise foi realizada com base na correlação.
20 Table: Autovalor CP Autovalor % Variância Autovalor % Acumulativo Total Acumulativo Z1 2, ,3584 2, ,3584 Z2 1, ,3181 3, ,6764 Z3 0, ,7365 4, ,4129 Z4 0, ,5837 4, ,9966 Z5 0,0002 0,0034 5, ,0000
21
22 Table: Autovetores Z1 Z2 Z3 Z4 Z5 Renda (SM) - 0,0290 0,7094-0,0002 0,7042-0,0048 coordx - 0,7011 0,0317 0,0669-0,0559 0,7070 coordy - 0,7013 0,0201 0,0697-0,0540-0,7071 INFRA 0,0607 0,6905-0,1970-0,6933-0,0070 Frente 0,1104 0,1359 0,9756-0,1321 0,0007
23 Table: Contribuição da Variável baseado na correlação. Z1 Z2 Z3 Z4 Z5 Renda (SM) 0,0008 0,5033 0,0000 0,4959 0,0000 coordx 0,4915 0,0010 0,0045 0,0031 0,4999 coordy 0,4918 0,0004 0,0049 0,0029 0,5000 INFRA 0,0037 0,4768 0,0388 0,4806 0,0000 Frente 0,0122 0,0185 0,9519 0,0175 0,0000
24 O objetivo de redução do número de variáveis é possível. A importância dos métodos analisados se faz quando o número de variáveis é ainda maior, próximo de vinte, porém o número de fatores pode ser reduzido a três.
Estatística Aplicada à Administração II. Tópico. Análise de Componentes Principais
Estatística Aplicada à Administração II Tópico Análise de Componentes Principais Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 99 Análise de Componentes Principais
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 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 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 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 maisGPDI Grupo de Profissionais de Dados e Inteligência
GPDI Grupo de Profissionais de Dados e Inteligência Estatística e sua relação de dados Uma aplicação na redução da dimensionalidade em matrizes de dados Grupo de Profissionais de Dados e Inteligência Quem
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 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 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 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 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 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 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 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 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 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 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 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 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 maisGAAL - Terceira Prova - 15/junho/2013. Questão 1: Analise se a afirmação abaixo é falsa ou verdadeira:
GAAL - Terceira Prova - /junho/3 SOLUÇÕES Questão : Analise se a afirmação abaio é falsa ou verdadeira: [ A matriz A é diagonalizável SOLUÇÃO: Sabemos que uma matriz n n é diagonalizável se ela possuir
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 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 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 maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
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 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 mais5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão Encontre os autovalores, os autovetores e a exponencial e At para
5 a Lista de Exercícios de Introdução à Álgebra Linear IMPA - Verão 2008 1. Encontre os autovalores, os autovetores e a exponencial e At para [ ] 1 1 1 1 2. Uma matriz diagonal Λ satisfaz a regra usual
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 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 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 maisPalavras-Chave: Autovalores, Matriz, Método de Jacobi. (1)
MSc Alexandre stácio Féo Associação ducacional Dom Bosco - Faculdade de ngenharia de Resende Caixa Postal: 8.698/87 - CP: 75-97 - Resende - RJ Brasil Professor e Doutorando de ngenharia aefeo@yahoo.com.br
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 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 maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia mais- identificar operadores ortogonais e unitários e conhecer as suas propriedades;
DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;
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 maisNOTAS DE AULA DA DISCIPLINA CE076
7. ANÁISE DE CORREAÇÃO CANÔNICA 7. INTRODUÇÃO A Análise de Correlação Canônica foi desenvolvida por Hotelling (935) com obetivo de Identificar e quantificar as associações ou relações entre dois conuntos
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 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 maisMatrizes. Lino Marcos da Silva
Matrizes Lino Marcos da Silva lino.silva@univasf.edu.br Introdução Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas. Por exemplo, ao recolhermos os dados população, área e distância
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 maisOTIMIZAÇÃO DE PONTOS AMOSTRAIS DE QUALIDADE DE ÁGUA EM RESERVATÓRIOS
OTIMIZAÇÃO DE PONTOS AMOSTRAIS DE QUALIDADE DE ÁGUA EM RESERVATÓRIOS Alan Pinheiro de Souza¹; Francisco Jácome Sarmento² Universidade Federal da Paraíba - alanpinheirolp@gmail.com¹; jacomesarmento@hotmail.com².
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
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 mais10 a Lista de Exercícios
Álgebra Linear Licenciaturas: Eng. Biológica, Eng. Ambiente, Eng. Química, Química 1 ō ano 2004/05 10 a Lista de Exercícios Problema 1. Decida quais das expressões seguintes definem um produto interno.
Leia maisAnálise Fatorial Hierárquica do Sigma Test. Por Hindemburg Melão Jr.
Análise Fatorial Hierárquica do Sigma Test Por Hindemburg Melão Jr. www.sigmasociety.com Representação, em coordenadas polares, das ligações hierárquicas entre os 36 itens do Sigma Test com escores dicotomizados:
Leia mais5. Seja A uma matriz qualquer. Assinale a afirmativa
UFRJ Instituto de Matemática Disciplina: Algebra Linear II - MAE 125 Professor: Bruno, Gregório, Luiz Carlos, Mario, Milton, Monique e Umberto Data: 12 de julho de 2013 Terceira Prova 1. Considere no espaço
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia maisChamamos de grandezas coisas que podem ser medidas. Por exemplo, tempo, área, volume, temperatura, velocidade, aceleração, força, etc..
Introdução a vetor Professor Fiore O que são grandezas? Chamamos de grandezas coisas que podem ser medidas. Por exemplo, tempo, área, volume, temperatura, velocidade, aceleração, força, etc.. O que são
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 maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisDeterminação numérica de autovalores e autovetores: Método de Jacobi
Determinação numérica de autovalores e autovetores: Método de Jacobi Marina Andretta/Franklina Toledo ICMC-USP 3 de setembro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco. Marina Andretta/Franklina
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 de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisDadas as observações x 1, x 2,..., x n p-variadas, a AF busca responder a seguinte questão.
Análise Fatorial Métodos de Estimação Dadas as observações x 1, x 2,..., x n p-variadas, a AF busca responder a seguinte questão. O MFO, com um número pequeno de fatores, representa adequadamente os dados?
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 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 maisMAT Álgebra Linear para Engenharia II
MAT2458 - Álgebra Linear para Engenharia II Prova de Recuperação - 05/02/2014 Nome: Professor: NUSP: Turma: INSTRUÇÕES (1) A prova tem início às 7:30 e duração de 2 horas. (2) Não é permitido deixar a
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisUniversidade Federal da Paraíba Departamento de Matemática. Álgebra Linear e Geometria Analítica
Departamento de Matemática Álgebra Linear e Geometria Analítica João Pessoa, 16 de março de 2013 AGENDA Primeira prova: 31 de janeiro de 2013 - Sistemas de Equações Lineares e Espaços Vetoriais Segunda
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 maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
Leia maisRepresentação esquemática de estruturas de dados
UNIVERSIDADE DE SÃO PAULO - USP Instituto de Química de São Carlos - IQSC Grupo de Química Medicinal do IQSC/USP 1 Representação esquemática de estruturas de dados 2 1 Tipos de variáveis Contínua Concentração,
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia mais3 a. Lista de Exercícios
Última atualização 07/05/008 FACULDADE Engenharia Disciplina: Álgebra Linear Professor(: Data / / Aluno(: urma a Lista de Exercícios Dentre as aplicações, as mais importantes são as aplicações lineares
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 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 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 maisFaculdade de Economia, Administração e Contabilidade da Universidade de São Paulo. Disciplina: EAD 351. Técnicas Estatísticas de Agrupamento
Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo Disciplina: EAD 351 Técnicas Estatísticas de Agrupamento Análise Fatorial Tem o objetivo de obter um número menor de variáveis
Leia mais(a) (1,5) Obtenha os autovalores e autovetores de L. (b) (1,0) A matriz de L em relação à base canônica de M 2 2 é diagonalizável? Explique.
Nome do(a) estudante(a): ALI0001(PRO11-0A) Prova IV 8/06/016 Prof. Helder G. G. de Lima ˆ Identifique-se em todas as folhas. ˆ Mantenha o celular e os demais equipamentos eletrônicos desligados durante
Leia maisGeometria (X 6 ) Português (X 3 ) Álgebra (X 4 )
ROTAÇÃO E INTERPRETAÇÃO DAS COMPONENTES PRINCIPAIS Consideremos o seguinte exemplo (exercício 6): 15 alunos de uma determinada escola foram sujeitos a testes de 6 disciplinas e os resultados obtidos encontram-se
Leia maisGeometria Analítica e Álgebra Linear
UNIFEI - Universidade Federal de Itajubá campus Itabira Geometria Analítica e Álgebra Linear Parte 1 Matrizes 1 Introdução A teoria das equações lineares desempenha papel importante e motivador da álgebra
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisANÁLISE FATORIAL EXPLORATÓRIA APLICADA A DADOS DE AVALIAÇÃO DO ESTADO NUTRICIONAL DE IDOSOS. Elen Daniele Paulino
ANÁLISE FATORIAL EXPLORATÓRIA APLICADA A DADOS DE AVALIAÇÃO DO ESTADO NUTRICIONAL DE IDOSOS Elen Daniele Paulino Dissertação apresentada à Universidade Estadual Paulista Júlio de Mesquita Filho para a
Leia maisÁlgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
Leia mais. Repare que ao multiplicar os vetores (-1,1) e
Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais
Leia maisMarcelo M. Santos DM-IMECC-UNICAMP msantos/
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 0 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Identificação de Cônicas
Leia maisSumário e Objectivos. Mecânica dos Sólidos não Linear Capítulo 2. Lúcia Dinis 2005/2006
Sumário e Objectivos Sumário: Deformações. Sólido Uniaxial. Descrição Lagrangeana e Euleriana. Gradiente de Deformação. Decomposição Polar. Tensores das Deformações de Green e Lagrange. Deformação de Corte.
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 maisEXERCÍCIOS DE ELEMENTOS DE MATEMÁTICA II (BQ, CTA, EFQ, Q) 2002/2003. Funções reais de várias variáveis
EXERCÍCIOS DE ELEMENTOS DE MATEMÁTICA II (BQ, CTA, EFQ, Q) 2002/2003 Funções reais de várias variáveis 1. Faça um esboço de alguns conjuntos de nível das seguintes funções: (a) f (x,y) = 1 + x + 3y, (x,y)
Leia maisAnálise Fatorial. Da Álgebra matricial, sabemos que uma transformação. (ou reflexão) dos eixos coordenados em relação
Análise Fatorial Rotação de Fatores Como vimos, todas as cargas são obtidas das cargas iniciais por uma transformação ortogonal com a mesma habilidade em reproduzir a matriz de covariância (correlação).
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 maisCSE-020 Revisão de Métodos Matemáticos para Engenharia
CSE-020 Revisão de Métodos Matemáticos para Engenharia Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais L.F.Perondi Engenharia e Tecnologia Espaciais ETE Engenharia
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 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 mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
Leia maisUniversidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC
Universidade Federal de Alagoas UFAL Centro de Tecnologia - CTEC Programa de Pós-Graduação em Engenharia Civil - PPGEC Introdução à Mecânica do Contínuo Tensores Professor: Márcio André Araújo Cavalcante
Leia mais1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA 657- - VIÇOSA - MG BRASIL a LISTA DE EXERCÍCIOS DE MAT 8 I SEMESTRE DE Entre as funções dadas abaixo, verifique quais são transformações
Leia maisDeterminação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia
Leia maisLista de Álgebra Linear Aplicada
Lista de Álgebra Linear Aplicada Matrizes - Vetores - Retas e Planos 3 de setembro de 203 Professor: Aldo Bazán Universidade Federal Fluminense Matrizes. Seja A M 2 2 (R) definida como 0 0 0 3 0 0 0 2
Leia mais8 JÚLIO CESAR R. PEREIRA
SUMÁRIO Lista de Tabelas... 09 Lista de Figuras... 11 Agradecimentos... 15 Apresentação... 17 Prefácio... 19 1. O Dado Qualitativo... 21 O Dado e o Evento... 21 A Análise de Dados Qualitativos e a Pesquisa
Leia maisÁlgebra Linear /2 Turma 11852
Álgebra Linear 2 202/2 Turma 852 Planejamento (última revisão: 26/0/202) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as referências e exercícios
Leia maisÁlgebra Linear (MAT-27) Ronaldo Rodrigues Pelá. 21 de outubro de 2011
APLICAÇÕES DA DIAGONALIZAÇÃO Álgebra Linear (MAT-27) Ronaldo Rodrigues Pelá IEFF-ITA 21 de outubro de 2011 Roteiro 1 2 3 Roteiro 1 2 3 Introdução Considere a equação de uma cônica: Forma Geral Ax 2 + Bxy
Leia maisÁlgebra abstrata aplicada: alguém duvida?
Álgebra abstrata aplicada: alguém duvida? IM-UFBA 22 de outubro de 2014 Álgebra é a ciência do cálculo das grandezas abstratas, representadas por letras. Álgebra é o ramo que estuda a manipulação formal
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisNota importante: U é a matriz condensada obtida no processo de condensação da matriz
Decomposição P T LU A denominada decomposição P T L U é um processo que pode ser extremamente útil no cálculo computacional, na resolução de sistemas de equações lineares. Propriedade Seja A uma matriz
Leia mais