PCA {MVar.pt} | R Documentation |
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), |
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. |
Author(s)
Paulo Cesar Ossani
Marcelo Angelo Cirillo
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
Examples
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)