ContribuicaoRelativa: Contribuicao das variaveis independentes para o agrupamento

Description

Esta funcao retorna a contribuicao relativa entre as variaveis independentes no agrupamento formado pelo metodo Tocher, Kmeans ou Dendrograma.

Usage

ContribuicaoRelativa(obj,layout=2,theme="default")

Value

A funcao retorna a contribuicao das variaveis independentes no agrupamento.

Arguments

obj: Objeto que se obtem como saida pelas funcoes `Dendrograma()`, `Tocher()` ou `Kmeans()`.
layout: variavel numerica que indica o layout do grafico. Os valores podem variar entre 1 e 5.
theme: Tema utilizado para o graficos do `ggplot2` (Ex.:theme_gray(), theme_bw(), theme_linedraw(), theme_light(), theme_dark(), theme_minimal(), theme_classic(), theme_void(), theme_test()).

References

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

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{
    #Dados sem repeticao considerando o metodo Kmeans
     data("Dados.MED")
     Dados=Dados.MED
     rownames(Dados)=paste("Genotipo",1:10,sep="_")
     no=Kmeans_NumeroOtimo2(Dados,design=1,Metodo = 2)
     km=Kmeans(Dados,design=1,nclusters=no$ClusterNumber)
     km$predict
     ContribuicaoRelativa(km,layout = 2)

    #Dados de experimento em dic considerando o dendrograma
    data("Dados.DIC")
    m=MANOVA(Dados = Dados.DIC,Modelo = 1)
    dist=Distancia(Dados=m$Med,Metodo =7,Cov = m$CovarianciaResidual)
    Dendro=Dendrograma(Dissimilaridade = dist,corte = "Dunn")





    #Dados de experimento em dbc
    data("Dados.DBC")
    Kmeans_NumeroOtimo(Dados=Dados.DBC,design=3,nboot=100,method="silhouette",NumMax=NULL)
    Kmeans(Dados=Dados.DBC,design=3,nclusters=2,iter.max = 20,nstart = 1,
           algorithm = "Hartigan-Wong")

    #Dados de experimento em DQL
    data("Dados.DQL")
    Kmeans_NumeroOtimo(Dados=Dados.DQL,design=4,nboot=100,method="silhouette",NumMax=NULL)
    Kmeans(Dados=Dados.DQL,design=4,nclusters=2,iter.max = 20,nstart = 1,
           algorithm = "Hartigan-Wong")

    #Dados de experimento em Esquema fatorial em DIC
    data("Dados.Fat2.DIC")
    Kmeans_NumeroOtimo(Dados=Dados.Fat2.DIC,design=5,nboot=100,method="silhouette",NumMax=NULL)
    Kmeans(Dados=Dados.Fat2.DIC,design=5,nclusters=2,iter.max = 20,nstart = 1,
           algorithm = "Hartigan-Wong")

    #Dados de experimento em Esquema fatorial em DBC
    data("Dados.Fat2.DBC")
    Kmeans_NumeroOtimo(Dados=Dados.Fat2.DBC,design=6,nboot=100,method="silhouette",NumMax=NULL)
    Kmeans(Dados=Dados.Fat2.DBC,design=6,nclusters=2,iter.max = 20,nstart = 1,
           algorithm = "Hartigan-Wong")

# }