A Resolução Analise Multivariada

...

→backwork ( para cada variavel calculase uma estatistica e o menor valor entre elas é eliminado... vai repetindo a operação até quando não for mais possivel eliminar variaveiselimina variaveis)

→stepwise ( algoritimo, vai colocando e retirando variaveis é uma combinação dos mentodos anteriores / é o mais importante / Para cada passo do forward aplica-se o bacwork)

r = correlação -1─ 1

r= Sxy

√Sxx.Syy

Residuos = Y – Y^

3 – multicolinariedade

[pic 1]

Matriz de correlação

y

x1

x2

1

x1

0,6

1

x2

0,5

0,7

1

Cor(y1x1(x2)) = cor (y1x1)- cor(yx2) * cor (x1x2)

√1-(cor²(x1x2)

Calcula a correlação, eleva ao quadrado para achar as areas.

Areas = variancia unica

variancia compartilhada

Ex =

y

x1

x2

Y

1

x1

0,823

1

x2

-0,977

-0,913

1

Cor(y1x1(x2)) =cor (y1x1)- cor(yx2) * cor (x1x2)

√1-(cor²(x1x2)

Cor(y1x1(x2)) =0,823-(-0,977)*(-0,913) → Cor(y1x1(x2)) =0,823-0,892001

√1-(-0,913²) √1-0,833569

Cor(y1x1(x2)) = - 0,069011 → Cor(y1x1(x2)) = -0,069011 → Cor(y1x1(x2))= -0,169161

√0,166431 0,40796

Cor(y1x1(x2)) = -0,169161 ² = 0,0286 ( variancia unica)

0,823² - 0,0286

0,6773-0,0286 = 0,6487 ( variancia compartilhada)

AULA 3 – 22/03/2016

Analise Discriminante

Objetivos: discriminar / classificar

Tecnica de dependencia.

Metodo fischer : busca encontrar a melhor definicao de y no sentido de maximizar a distancia entre as duas medias (grupo a e b) e minimizar a variabilidade e requer que as matrizes de covariancia do vetor x para as populações sejam iguais.

Valores amostrais:

Diferença da AD e ARM é que podemos ter mais de uma função discriminante, portanto cada unidade pode ter mais di que um escore discriminante

Etapas:

→definir obejtivos

→planejamento

→mais grupos + funções

→escolhas das variaveis independentes

→tamanho da amostra

→compreender as suposições na avaliação da adequabilidade do uso da tecnica a um problema

→duas abordagens computacionais para estmação do modelo discriminante e avaliação de ajuste geral do modelo

→interpretação dos resultados

→ rotação das funções

→indice de potencia

→ mapa territorial (grafico)

→ grafico vetorial

→validação dos resultados

Ex:

Y = a → comprariam

b → não comprariam

grupo

individuos

x1

x2

x3

y^

A

1

8

9

6

2

6

7

5

3

10

6

3

4

9

4

4

5

4

8

2

medianas

8

7

4

B

6

5

4

7

7