ComponentesPrincipais.Misto: Componentes principais para dados mistos (qualitativos e quantitativos)

Description

Esta funcao possibilita o estudo dos componentes principais considerando dados quantitativos e qualitativos simultaneamente.

Usage

ComponentesPrincipais.Misto(Dados,
plot="all",
NomeTrat=NULL,
NomeVar=NULL)

Value

Esta funcao retorna informacoes importantes para o estudo de componentes princiapais considerando dados quantitativos e qualitativos simultaneamente.

Arguments

Dados

Dataframe com os valores para obtencao dos componentes principais.Esta matriz deve conter os valores observados, sendo as variaveis respostas na coluna. Esta matriz nao deve conter a identificacao dos tratamentos na primeira coluna. Ha a opcao de colocar o nomes nas linhas para a representacao grafica. Obrigatoriamente, as colunas com as variaveis quantitivas devem ser do tipo "numeric" ou "integer". Ja as colunas com valores dos dados qualitativos devem ser do tipo "logic", "character" ou "factor.

plot

Indica o tipo de grafico desejado:

"all": Serao apresentados os quatro tipos de graficos.
"individuos": Sera apresentado o grafico com a dispersao dos individuos (tratamentos).
"nivel" : Sera apresentado o grafico com a dispersao dos niveis das variaveis qualitativas.
"correlacao" : Sera apresentado o grafico com a correlacao das variaveis quantitativas com os componentes principais.
"pesos" : Sera apresentado no grafico a contribuicao de cada variavel qualitativa na explicao dos componentes.

NomeTrat

vetor contendo o nome dos tratamentos/individuos. Se for igual a NULL sera considerado o nome das linhas do objeto D (conjunto de dados)

NomeVar

Vetor contendo o nome das variaveis resposta. Se for igual a NULL sera considerado o nome das colunas do objeto D (conjunto de dados)

References

PlayList "Curso de Analise Multivariada": https://www.youtube.com/playlist?list=PLvth1ZcREyK72M3lFl7kBaHiVh5W53mlR

Package PCAmix: https://cran.r-project.org/web/packages/PCAmixdata/vignettes/PCAmixdata.html

CRUZ, C.D. and CARNEIRO, P.C.S. Modelos biometricos aplicados ao melhoramento genetico. 3nd Edition. Vicosa, UFV, v.2, 2014. 668p. (ISBN: 8572691510)

FERREIRA, D.F. Estatistica Multivariada. (2018) 3ed. UFLA. 624p. (ISBN 13:978 8581270630)

HAIR, J.F. Multivariate Data Analysis. (2016) 6ed. Pearson Prentice HalL. (ISBN 13:978 0138132637)

Examples

Run this code

# \donttest{
data("Dados.Misto")

NomeTrat=paste("Trat",1:nrow(Dados.Misto),sep="_")
ComponentesPrincipais.Misto(Dados.Misto,NomeTrat = NomeTrat)
ComponentesPrincipais.Misto(Dados.Misto,NomeTrat = NomeTrat,plot = "individuos")
ComponentesPrincipais.Misto(Dados.Misto,NomeTrat = NomeTrat,plot = "correlacao")
# }