MVar.pt (version 2.1.1)

PCA: Analise de componentes principais (PCA).

Description

Realiza analise de componentes principais (PCA) em um conjunto de dados.

Usage

PCA(data, type = 1)

Arguments

data

Dados a serem analizados.

type

1 para analise utilizando a matriz de covariancia (default), 2 para analise utilizando a matriz de correlacao.

Value

mtxC

Matriz de covariancia ou de correlacao conforme "type".

mtxAutvlr

Matriz de autovalores (variancias) com as proporcoes e proporcoes acumuladas.

mtxAutvec

Matriz de autovetores - componentes principais.

mtxVCP

Matriz da covariancia dos componentes principais com as variaveis originais.

mtxCCP

Matriz da correlacao dos componentes principais com as variaveis originais.

mtxscores

Matriz com os escores dos componentes principais.

References

HOTELLING, H. Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, Arlington, v. 24, p. 417-441, Sept. 1933.

MINGOTI, S. A. Analise de dados atraves de metodos de estatistica multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, 2005. 297 p.

FERREIRA, D. F. Estatistica Multivariada. 2a ed. revisada e ampliada. Lavras: Editora UFLA, 2011. 676 p.

RENCHER, A. C. Methods of multivariate analysis. 2th. ed. New York: J.Wiley, 2002. 708 p.. 708 p.

See Also

Plot.PCA

Examples

# NOT RUN {
data(DataQuan) # conjunto de dados quantitativos

data <- DataQuan[,2:8]

rownames(data) <- DataQuan[1:nrow(DataQuan),1]

PC <- PCA(data = data, 2) # executa o PCA

print("Matriz de Covariancia/Correlacao:"); round(PC$mtxC,2)

print("Componentes Principais:"); round(PC$mtxAutvec,2)

print("Variancias dos Componentes Principais:"); round(PC$mtxAutvlr,2)

print("Covariancia dos Componentes Principais:"); round(PC$mtxVCP,2)

print("Correlacao dos Componentes Principais:"); round(PC$mtxCCP,2)

print("Escores dos Componentes Principais:"); round(PC$mtxscores,2)
# }