Análise Fatorial. Matriz R de coeficientes de correlação: Não confundir análise de componentes principais com análise fatorial!
|
|
- Lara Alencastre Godoi
- 7 Há anos
- Visualizações:
Transcrição
1 Análise Fatorial 1 Na análise fatorial as variáveis y1, y,..., Yp, são combinações lineares de umas poucas variáveis F1, F,..., Fm (m<p) denominadas fatores. Os fatores são constituintes subjacentes ou variáveis latentes que originam as y i. Assim como as variáveis originais, os fatores variam de indivíduo para indivíduo, mas ao contrário das variáveis, os fatores não podem ser medidos ou observados. A existência destas variáveis hipotéticas é, portanto, uma questão em aberto. Matriz R de coeficientes de correlação: Variáveis 1 e correspondem a um fator. Variáveis 3, 4 e 5 correspondem a outro fator Não confundir análise de componentes principais com análise fatorial! As componentes principais são definidas como combinações lineares das variáveis originais. Na análise fatorial, as variáveis originais são expressas como combinações lineares dos fatores. A análise de componentes principais, procura explicar a maior parte da variância total existente nas das variáveis. Na análise fatorial, procura-se explicar as covariâncias e/ou ou correlações entre as variáveis 4 Outras diferenças: Análise de componentes principais não requer essencialmente nenhuma suposição, enquanto que a análise fatorial faz várias suposições-chave As componentes principais são únicas, assumindo distintos autovalores, enquanto a análise fatorial esta sujeita a uma rotação arbitrária Se for alterado o número de fatores, os fatores estimados podem mudar. A capacidade de rotação melhorar a facilidade de interpretação é uma das vantagens da análise fatorial sobre a análise a análise de componentes principais. 5 Diferentemente da análise de componentes principais, que é uma manipulação matemática, a análise fatorial pode ser considerada como uma técnica estatística. Quando o método foi estabelecido por psicólogos, interessados em testes de inteligência, a condição fundamental era que o número de fatores "p" a se determinar, deveria ser conhecido "a priori" antes de se efetuar a análise. Dificilmente essa condição é preenchida, pois geralmente os "fatores " são estabelecidos em função dos resultados obtidos, o que torna os resultados questionáveis. 6 1
2 As variáveis, expressas em termos de vetores num sistema de coordenadas ortogonais, em que o comprimento representa a magnitude, agrupar-se-ão conforme o relacionamento entre si. Por esses agrupamentos de vetores poderão passar eixos, denominados fatores, que acusarão, pelo valor da projeção dos vetores sobre os eixos, a carga fatorial (factor loading) das variáveis sobre si. Esses fatores representam o número mínimo de causas que condicionam um máximo de variabilidade existente. A comunalidade (communallity), h², isto é, a soma dos quadrados das cargas fatoriais das variáveis sobre cada fator indica a eficiência dos mesmos na explicação da variabilidade total. 7 Os fatores são encontrados fazendo com que o primeiro eixo esteja em tal posição que a soma dos quadrados dos pesos fatoriais em relação a ele seja maximizada, o que equivale a colocá-lo paralelamente ao principal agrupamento de vetores. O segundo eixo é colocado ortogonalmente, de modo que também seja maximizada a soma de quadrados dos pesos fatoriais para este segundo eixo, e assim por diante quanto aos demais fatores. 8 Três métodos de extração de fatores latentes são os mais comuns: Componentes principais: É a mesmo método usado na análise de componentes principais. Fatores principais: É provavelmente o mais usado. É um método iterativo que permite que as comunalidades sejam gradualmente convergentse. Os cálculos são interrompidos quando a variação máxima nas comunalidades está abaixo de um determinado limiar ou quando o número máximo de iterações é alcançado. Seqüência de cálculos (modo R) O cálculo dos autovalores e autovetores é feito a partir de uma matriz padronizada de variâncias-covariância (matriz de coeficientes de correlação) entre variáveis padronizadas. Os autovetores são calculados de tal modo a definirem vetores com tamanho unitário. Isso é conseguido multiplicando cada elemento do autovetor normalizado pela raiz quadrada do correspondente autovalor. O resultado é um fator, vetor constituído por cargas fatoriais. Probabilidade máxima: Este método assume que as variáveis de entrada obedecem a uma distribuição normal. Como parte deste método, um teste de ajuste é calculado. A estatística utilizada para o teste segue uma distribuição de Chi com (p-k) / - (p + k) / graus de liberdade, onde p é o número de variáveis e k o número de fatores. 9 A matriz de variâncias e covariâncias observadas, [S], é igual ao produto da matriz de carregamentos fatoriais (factor loading) [AR], de dimensões m x p, multiplicada pelo seu transposto, mais uma matriz diagonal de variâncias únicas, [var Ejj] [S ]=[A R ][A R ] +[vare jj ] 10 Na análise fatorial, p < m. A variância nas m variáveis é derivada dos p fatores, porém a contribuição é feita por fontes únicas que afetam independentemente as m variáveis originais. Esses p fatores subjacentes são conhecidos como fatores comuns e resumem a contribuição independente como um único fator. Os autovalores e, consequentemente, os fatores, representam a proporção da variância total explicada pelo respectivo autovetor e cada carga fatorial é proporcional à raiz quadrada da quantia de variância atribuída pela respectiva variável ao fator. As comunalidades (h j) indicam quanto da variabilidade total está sendo explicada pelo conjunto de fatores. Para que os "p" fatores ortogonais situados no espaço "m" dimensional sejam mais facilmente entendidos é necessário que estejam em posição tal que as projeções de cada variável sobre o eixo fatorial, situem-se o melhor possível, seja junto à extremidade, seja junto à origem. 11 1
3 Haverá necessidade de um critério de maximização da variância dos carregamentos sobre os fatores, o que é conseguido pela rotação dos eixos fatoriais. s k m m p ( a / hj ) ( a / hj ) jp j j1 j1 p s j= variância das cargas fatoriais p= número de fatores m= número de variáveis originais a jp = carregamento da variável j no fator p h j= comunidade da j ésima variável A quantidade que se deseja maximizar é: V p s k k Após encontrada a matriz fatorial rotada se a mesma for multiplicada pela matriz inicial de dados obtem-se uma matriz dos "factor score". matriz fatorial inicial F1 F X ,59 X 0,940 0,340 X3-0,997 0,070 Esses factor score representam estimações das contribuições dos vários fatores à cada observação original e podem ser utilizados na classificação de amostras. A orientação dos autovetores no espaço multivariado é determinada pela direção da máxima variância. A contribuição da variância para cada autovetor deve ser maximizada. Necessidade de rotação da matriz fatorial inicial rotação dos fatores (pelo critério varimax) rotação ortogonal de uma matriz de carregamentos [X], em um novo conjunto de coordenadas [X ], requer uma matriz operacional [T] [X ] = [T] [X] ' X 1 cos sen x1 ' X sen cos x ângulo de rotação =?, para variavel j e fatores p e q 4 x jq(x jp x 4 (x jp x x jq / n j j j tan4θ (x jp x ( x ( x ( x xp x xq ) / n j j j j 17 U j =x jp-x jq V j =x jp x jq A =ΣU j =,6; A = 6,8789 B =ΣV j = -0,0001; B = 0,0000 C =Σ(U j-v j) = 1,6365 D =Σ(U j V j ) = -0,0797 tan4θ = (D-AB/n)/(C-(A -B )/n) = - 0,159/- 0,6555 = 0,49 arctan 0,49 = = 4; = sen = - 0,6598 cos = 0,
4 T 0,7515 0,6598 0,6598 0,7515 ' x ' x j1 j 0, ,9656 0,6598 0,7515 0,590 matriz fatorial rotacionada F 1 F X1 0,894 0,447 X 0,477 0,879 X3-0,79 0,609 X 11=T 11 X 11 +T 1 X 1 = (0,715*0,9656)+ (- 0,6598*- 0,590) = 0, = Análise fatorial exploratória: busca encontrar os fatores subjacentes às variáveis originais amostradas. Análise fatorial confirmatória: já se tem noção de quantos fatores estão presentes ; modelo fatorial pre-estabelecido e se deseja verificar se o mesmo é aplicável ou consistente com os dados amostrais
5 AFatorial com enfoque espacial (Bernardi, Fowler & Landim, 1997) Amostras coletadas no rio Paraíba do Sul, Pindamonhangaba/SP. Área amostrada: 900 m de comprimento por 100 m de largura; 90 pontos numa malha regular Fator I: abiótico (variáveis físico-químicas) Fator II: biológico (riqueza de gêneros do plâncton Componentes I II III N 0 Gêneros ph Temperatura OD Profundidade da luz DBO Variáveis: riqueza de gêneros do plâncton, ph, temperatura, oxigênio dissolvido, transparência da água, cor e turbidez da água. 5 Cor Turbidez % de variação Scores da primeira componente não variam na margem esquerda, direita e meio do rio antes da entrada do efluente; após a entrada começam a variar decaindo a partir da coordenada NS 1100m, assumindo valores negativos e voltando a crescer a partir da coordenada NS 000 m; comportamento pode ser explicado pelo aumento de DBO5, cor e turbidez com a entrada do efluente e a diminuição do OD e da transparência. Scores da segunda componente variam pouco na margem esquerda decaindo na região do meio do rio; a margem direita começa com cargas positivas, decaindo a partir dos ponto de coordenada 1100m, voltando a crescer depois do ponto de coordenada 000m. 7 8 total arenito folhelho nclástico carbonato evaporito , Dados estratigráficos , , , , Autovalores 3,46 1,57 0,573 0,46 variância % 57,703 5,45 9,554 7,103 v. acumulada % 57,703 83,155 9,709 99,
6 Matriz fatorial total 0,953 0,6-0,131 0,155 arenito -0,006 0,866-0,491-0,093 folhelho 0,87-0,097-0,09 0,467 nclástico 0,950-0,010 0,115-0,90 carbonato 0,01 0,834 0,548 0,055 evaporito 0,943-0,14 0,08-0,97 Matriz fatorial rotacionada total 0,640 0,47 0,088 0,7 arenito -0,03 0,97 0,33 0,000 folhelho 0,41-0,100-0,035 0,899 nclástico 0,939-0,030 0,066 0,337 carbonato 0,000 0,8 0,973 0,004 evaporito 0,935-0,066-0,089 0, total 0,640 0,47 0,088 0,7 arenito -0,03 0,97 0,33 0,000 folhelho 0,41-0,100-0,035 0,899 nclástico 0,939-0,030 0,066 0,337 carbonato 0,000 0,8 0,973 0,004 evaporito 0,935-0,066-0,089 0,336 Fator 1: Circulação restrita; alta taxa de evaporação; rápida subsidência Fator : Rápida introdução de clásticos grosseiros Fator 3: Níveis normais de circulação e evaporação; taxas lentas de deposição; falta de aporte de clásticos Fator 4: Rápida subsidência; valores intermediários de circulação e evaporação; aporte de detritos de granulação fina. 3 Distribuição espacial dos pontos Exercício 03: Análise de componentes principais Usando a matriz de dados do exercício 0, para este exercício é solicitado: Aplicar a análise de componentes principais para verificar se ocorrem relações entre a classificação de solos e presença de metais pesados e também entre o uso da terra e presença de metais pesados. Comparar, também, com os resultados do exercício
7
Análise 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 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 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 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 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 maisEstatística 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 Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues
Análise Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues O que é análise fatorial? É uma técnica de interdependência, cujo propósito principal é definir
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 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 maisUm Estudo de Impacto Ambiental Utilizando Análises Estatísticas Espacial e Multivariada. Landim
Recebido em: 30/04/2001 HOLOS Environment, v.1 n.2, 2001 - P.162-172 Liberado para Publicação em: 16/10/2001 ISSN : 1519-8421 Um Estudo de Impacto Ambiental Utilizando Análises Estatísticas Espacial e
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 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 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 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 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 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 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 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 maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
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 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 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 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 maisConceitos de vetores. Decomposição de vetores
Conceitos de vetores. Decomposição de vetores 1. Introdução De forma prática, o conceito de vetor pode ser bem assimilado com auxílio da representação matemática de grandezas físicas. Figura 1.1 Grandezas
Leia maisVisualização por Computador: Teoria, Prática e Aplicações
Visualização por Computador: Teoria, Prática e Aplicações Noções de Geometria e Álgebra Linear Claudio Esperança Programa de Engenharia de Sistemas e Computação COPPE / UFRJ Master of Information Management,
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
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 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 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 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 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 maisPrograma do Curso. Transformação de Dados. Sistemas Inteligentes Aplicados. Carlos Hall. Discretização de Variáveis Contínuas
Sistemas Inteligentes Aplicados Carlos Hall Programa do Curso Limpeza/Integração de Dados Transformação de Dados Discretização de Variáveis Contínuas Transformação de Variáveis Discretas em Contínuas Transformação
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 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 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 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 maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento. Relatório do Laboratório 5: Geoestatistica Linear
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Divisão de Sensoriamento Remoto Geoprocessamento Relatório do Laboratório 5: Geoestatistica Linear Fátima Lorena Benítez Ramírez Professores Responsáveis: Dr.
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 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 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 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 da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
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 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 maisSeminário de Análise Multivariada
Seminário de Análise Multivariada Capítulo 1 - Introdução Conteúdo 1 Introdução 1 11 Aplicações de Técnicas Multivariadas 2 12 Organização de Dados 3 121 Arranjos 3 122 Exemplo 11 - Seleção de recibos
Leia maisRAD5017 Estatística II Aula 2 Análise Fatorial (Conceitos Teóricos) 1. Validade (definição do conceito) x Confiabilidade (consistência da medida)
Aula 2 Análise Fatorial (Conceitos Teóricos) 1 Conceitos importantes: Validade (definição do conceito) x Confiabilidade (consistência da medida) Análise Fatorial Técnica adequada para analisar os padrões
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 maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior www.lira.pro.br 1 Apenas uma breve apresentação Para não dizerem que nunca viram Um conjunto de técnicas de análise que usa diversas variáveis dependentes simultaneamente Mais
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
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 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 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 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 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 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 maisÁlgebra Linear I - Aula Matriz de uma transformação linear em uma base. Exemplo e motivação
Álgebra Linear I - Aula 19 1. Matriz de uma transformação linear em uma base. Exemplo e motivação 2. Matriz de uma transformação linear T na base β 1 Matriz de uma transformação linear em uma base. Exemplo
Leia maisANÁLISE DE CORRESPONDÊNCIAS (ASSOCIAÇÕES)
ANÁLISE DE CORRESPONDÊNCIAS (ASSOCIAÇÕES) A análise de componentes principais ou análise fatorial exigem dados mensurados em escala numérica contínua e não é apropriada para dados nominais, tais como contagem
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 Agosto-Dezembro/2016
Leia maisO que é Análise de Fatores. As principais aplicações da técnica da Análise de Fatores (Factor Analysis) são:
Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ A teoria dos métodos estatísticos multivariados pode ser explicada razoavelmente
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 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 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 maisAula 5 - Produto Vetorial
Aula 5 - Produto Vetorial Antes de iniciar o conceito de produto vetorial, precisamos recordar como se calculam os determinantes. Mas o que é um Determinante? Determinante é uma função matricial que associa
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 maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
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 maisCAPíTULO 1. Vetores e tensores Notação indicial
CAPíTULO 1 Vetores e tensores 1.1. Notação indicial A notação indicial é uma simplificação da notação de uma somatória. Por exemplo, seja a somatória de 3 monômios a i b i (a i multiplicado por b i ) com
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia mais1: Grandezas vetoriais e grandezas escalares
1 1: Grandezas vetoriais e grandezas escalares A Física lida com um amplo conjunto de grandezas Dentro dessa gama enorme de grandezas existem algumas cuja caracterização completa requer tão somente um
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 maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisComputação Gráfica. Engenharia de Computação. CEFET/RJ campus Petrópolis. Prof. Luis Retondaro. Aula 3. Transformações Geométricas
Computação Gráfica Engenharia de Computação CEFET/RJ campus Petrópolis Prof. Luis Retondaro Aula 3 Transformações Geométricas no plano e no espaço Introdução (Geometria) 2 Pontos, Vetores e Matrizes Dado
Leia mais4.1.1 Participantes, Instrumentos de Medição e Procedimento
4 Estudo 2 4.1 Metodologia da Pesquisa 4.1.1 Participantes, Instrumentos de Medição e Procedimento O PSWQ e o IDATE-T foram aplicados para uma segunda amostra composta por 978 universitários. As características
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
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 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 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 Fatorial Exploratória Professor: Valdecy Pereira, D. Sc. /
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
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 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 maisÍNDICE DE SATISFAÇÃO DOS USUÁRIOS DE PLANOS DE SAÚDE NO TRIÂNGULO CRAJUBAR, CEARÁ
ÍNDICE DE SATISFAÇÃO DOS USUÁRIOS DE PLANOS DE SAÚDE NO TRIÂNGULO CRAJUBAR, CEARÁ Ana Paula dos Santos Brito Ana Paula Santos da Silva 2 Eliane Pinheiro de Sousa 3 Wellington Ribeiro Justo 4 Introdução/
Leia maisVetores de força. Objetivos da aula. Mostrar como adicionar forças e decompô-las em componentes usando a lei do paralelogramo.
Objetivos da aula Vetores de força Mostrar como adicionar forças e decompô-las em componentes usando a lei do paralelogramo. Expressar a força e sua posição na forma de um vetor cartesiano e explicar como
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 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 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 maisRevisão de Álgebra Linear
Introdução: Revisão de Álgebra Linear Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2121 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Revisão de
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia maisPrograma Princípios Gerais Forças, vetores e operações vetoriais
Programa Princípios Gerais Forças, vetores e operações vetoriais Representação gráfica de vetores Graficamente, um vetor é representado por uma flecha: a intensidade é o comprimento da flecha; a direção
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 maisInstituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores
Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Teoria dos Sinais e dos Sistemas O procedimento de Gram-Schmidt: definição, exemplos e aplicações Artur Ferreira {arturj@isel.pt}
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 20 1 Matrizes diagonalizáveis Exemplos 2 Forma diagonal de uma matriz diagonalizável 1 Matrizes diagonalizáveis Exemplos Lembramos que matriz quadrada a 1,1 a 1,2 a 1,n a 2,1 a
Leia maisAnálise estatística multivariada
Análise estatística multivariada Conjunto de procedimentos para a análise simultânea de duas ou mais medidas de cada caso/observação Os dados coletados p variáveis - de uma amostra de tamanho n podem ser
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 maisTratamento estatístico de observações geodésicas
Tratamento estatístico de observações geodésicas Prof. Dr. Carlos Aurélio Nadal OBJETIVO: parâmetros estatísticos são utilizados para avaliar os métodos empregados ou para o controle de qualidade dos trabalhos.
Leia maisESPAÇOS VETORIAIS EUCLIDIANOS
ESPAÇOS VETORIAIS EUCLIDIANOS Produto interno em espaços vetoriais Estamos interessados em formalizar os conceitos de comprimento de um vetor e ângulos entre dois vetores. Esses conceitos permitirão uma
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia mais