AnovaCluster {MultivariateAnalysis}

Analise de variancia considerando clusters

Description

Esta funcao retorna o resultado da analise de variancia considerando clusters formados por diferentes metodos como dendrograma, kmeans, Tocher, etc.

Usage

AnovaCluster(Cluster,Dados=Dados,design=design,test="Pillai")

Arguments

Cluster

Vetor contendo os grupos que cada individuo/tratamento pertence. Veja os exemplos.

Dados

Matriz contendo os dados para execucao da analise. Para cada modelo o conjunto de dados precisa estar organizado de uma forma apropriada:

• Design 1: Deve ter apenas os dados numericos da pesquisa. Na primeira linha não deve ter o nome dos individuos/tratamentos.

• Design 2 e 3: As duas primeiras colunas devem conter a identificacao dos tratamentos e repeticoes/blocos, e as demais os valores observanos nas variaveis respostas.

• Modelo 4: As tres primeiras colunas devem conter as informacoes dos tratamentos, linhas e colunas, e posteriormente, os valores da variavel resposta.

• Modelos 5 e 6: as primeiras colunas precisam ter a informacao do fator A, fator B, repeticao/bloco, e posteriormente, as variaveis respostas.

design

Valor numerico indicando o delineamento:

• 1 = Experimento sem repeticoes.

• 2 = Delineamento inteiramente casualizado (DIC) .

• 3 = Delineamento em blocos casualizados (DBC).

• 4 = Delineamento em quadrado latino (DQL).

• 5 =Esquema fatorial duplo em DIC.

• 6 = Esquema fatorial duplo em DBC.

test

Nome do teste que se deseja utilizar na manova ("Pillai", "Wilks", "Hotelling-Lawley" ou "Roy").

Value

A funcao retorna a ANOVA, para todas as variaveis considerando os clustes criados.

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)

See Also

Kmeans, Tocher , Dendrograma

Examples

#######################################################
#######################################################
#Dados sem repeticoes considerando o Kmeans
data(Dados.MED)
Km=Kmeans(Dados = Dados.MED,design = 1,nclusters = 4)
AnovaCluster(Cluster = Km$Classe,Dados=Dados.MED,design = 1)

#Dados sem repeticoes considerando o Tocher
dist=Distancia(Dados = Dados.MED,Metodo = 3)
TO=Tocher(Dist = dist)
TO
AnovaCluster(Cluster = TO$Classe,Dados=Dados.MED,design = 1)

#Dados sem repeticoes considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Frey")
Dendro
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.MED,design = 1)
#######################################################################
#######################################################################
#DIC considerando o Kmeans
data(Dados.DIC)
N=Kmeans_NumeroOtimo2(Dados = Dados.DIC,design = 2)
Km=Kmeans(Dados = Dados.DIC,design = 3,nclusters = N$ClusterNumber)
Km$predict
AnovaCluster(Cluster = Km$Classe,Dados=Dados.DIC,design = 2)

#DIC considerando o Tocher
m=MANOVA(Dados.DIC,Modelo=1)
dist=Distancia(Dados = m$Med,Metodo = 3)
TO=Tocher(Dist = dist)
TO
AnovaCluster(Cluster = TO$Classe,Dados=Dados.DIC,design = 2)

#DIC considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Frey")
Dendro
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.DIC,design = 2)

#######################################################################
#######################################################################
#DBC considerando o Kmeans
data(Dados.DBC)
n=Kmeans_NumeroOtimo2(Dados = Dados.DBC,design = 3)
Km=Kmeans(Dados = Dados.DBC,design = 3,nclusters = n$ClusterNumber)
Km$predict
AnovaCluster(Cluster = Km$Classe,Dados=Dados.DBC,design = 3)

#DBC considerando o Tocher
m=MANOVA(Dados.DBC,Modelo=2)
dist=Distancia(Dados = m$Med,Metodo = 3)
TO=Tocher(Dist = dist)
dist
TO
AnovaCluster(Cluster = TO$Classe,Dados=Dados.DBC,design = 3)

#DBC considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Mcclain")
Dendro$Classe
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.DBC,design = 3)


#######################################################################
#######################################################################
#DQL considerando o Kmeans
data(Dados.DQL)
n=Kmeans_NumeroOtimo2(Dados = Dados.DQL,design = 4)
Km=Kmeans(Dados = Dados.DQL,design = 4,nclusters = n$ClusterNumber)
Km$predict
AnovaCluster(Cluster = Km$Classe,Dados=Dados.DQL,design = 4)

#DQL considerando o Tocher
m=MANOVA(Dados.DQL,Modelo=2)
dist=Distancia(Dados = m$Med,Metodo = 3)
dist
TO=Tocher(Dist = dist)
TO
AnovaCluster(Cluster = TO$Classe,Dados=Dados.DQL,design = 4)

#DQL considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Dunn")
Dendro$Classe
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.DQL,design = 4)



#######################################################################
#######################################################################
#Fat duplo em dic considerando o Kmeans
data("Dados.Fat2.DIC")
n=Kmeans_NumeroOtimo2(Dados = Dados.Fat2.DIC,design = 5)
Km=Kmeans(Dados = Dados.Fat2.DIC,design = 5,nclusters = n$ClusterNumber)
Km$predict
AnovaCluster(Cluster = Km$Classe,Dados=Dados.Fat2.DIC,design = 5)

#Fat2.DIC considerando o Tocher
m=MANOVA(Dados.Fat2.DIC,Modelo=4)
dist=Distancia(Dados = m$Med,Metodo = 3)
TO=Tocher(Dist = dist)
TO$Classe
AnovaCluster(Cluster = TO$Classe,Dados=Dados.Fat2.DIC,design = 5)

#Fat2.DIC considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Dunn")
Dendro$Classe
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.Fat2.DIC,design = 5)



#######################################################################
#######################################################################
#Fat duplo em dbc considerando o Kmeans
data("Dados.Fat2.DBC")
n=Kmeans_NumeroOtimo2(Dados = Dados.Fat2.DBC,design = 6)
Km=Kmeans(Dados = Dados.Fat2.DBC,design = 5,nclusters = n$ClusterNumber)
Km$predict
AnovaCluster(Cluster = Km$Classe,Dados=Dados.Fat2.DBC,design = 5)

#Fat2.DBC considerando o Tocher
m=MANOVA(Dados.Fat2.DBC,Modelo=5)
dist=Distancia(Dados = m$Med,Metodo = 3)
TO=Tocher(Dist = dist)
TO$Classe
AnovaCluster(Cluster = TO$Classe,Dados=Dados.Fat2.DBC,design = 5)

#Fat2.DBC considerando o Dendrograma
Dendro=Dendrograma(Dissimilaridade = dist,corte="Cindex")
Dendro$Classe
AnovaCluster(Cluster = Dendro$Classe,Dados=Dados.Fat2.DBC,design = 6)