Analise Multivariada

MINISTRIO DA EDUCAO E DO DESPORTO UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CINCIAS EXATAS
ANLISE MULTIVARIADA
Daniel Furtado Ferreira
LAVRAS, MG 1996
ii
SUMRIO 1. Aspectos da anlise multivariada 1.1. Introduo 1.2. Aplicao das tcnicas multivariadas 1.3. Organizao de dados 1.4. Distncias 1.5. Exerccios
Pg. 1 1 3 5 15 24
2. lgebra vetorial e matricial 2.1. Introduo 2.2. Elementos de lgebra vetorial 2.3. Elementos de lgebra matricial 2.4. Exerccios
25 25 26 34 82
3. Amostragem multivariada 3.1. Introduo 3.2. Geometria amostral 3.3. Amostras aleatrias e esperanas do vetor de mdia e da matriz de covarincia amostral. 3.4. Varincia generalizada 3.5. Varincia generalizada de variveis generalizadas 3.6. Outra generalizao da varincia 3.7. Exerccios
89 89 90 101 104 113 116 117
iii
4. Distribuio normal multivariada 4.1. Introduo 4.2. Pressuposies das anlises multivariadas 4.3. Densidade normal multivariada e suas propriedades 4.4. Distribuio normal bivariada 4.5. Distribuio amostral de X e S 4.6. Distribuies amostral derivada da distribuio normal multivariada 4.7. Verificando a normalidade 4.8. Exerccios
119 119 120 121 125 133
138 143 169
5. Inferncias sobre o vetor mdia 5.1. Introduo 5.2. Inferncias sobre mdia de uma populao normal 5.3. Regio de confiana e comparaes simultneas de componentes de mdia 5.4. Inferncias sobre propores de grandes amostras 5.5. Comparaes pareadas 5.6. Comparaes de vetores de mdias de duas populaes 5.7. Exerccios
171 171 171 177 190 192 199 215
6. Anlise de varincia multivariada 6.1. Introduo 6.2. Delineamento de classificao simples
219 219 220
iv
6.3. Intervalos de confiana simultneos para o efeito de tratamentos 6.4. Exerccios
230 232
7. Componentes principais 7.1. Introduo 7.2. Componentes principais populacionais 7.3. Componentes principais amostrais 7.4. Grficos dos componentes principais 7.5. Inferncias para grandes amostras 7.6. Exerccios
233 233 234 250 256 259 282
8. Anlise de agrupamento 8.1. Introduo 8.2. Medidas de parecena (similaridades e dissimilaridades) 8.3. Agrupamentos 8.4. Exerccios
285 285 286 296 308
9. Anlise de fatores 9.1. Introduo 9.2. Modelo de fatores ortogonais 9.3. Estimao de cargas fatoriais 9.4. Rotao fatorial 9.5. Teste da falta de ajuste do modelo fatorial
309 309 310 316 342 346
9.6. Escores fatoriais 9.7. Exerccios
349 354
10. Anlise de correlao cannica 10.1. Introduo 10.2. Variveis cannicas e correlao cannica populacionais 10.3. Variveis e correlaes cannicas amostrais 10.4. Inferncias para grandes amostras 10.5. Exerccios 11. Referencias bibliogrficas Apndices ndice remissivo
355 355 356 371 380 386 389 395 397
||[
1.1. Introduo
Aspectos da anlise multivariada
]||
Nos trabalhos cientficos, o problema de se inferir, a partir de dados mensurados pelo pesquisador, sobre os processos ou fenmenos fsicos, biolgicos ou sociais, que no se pode diretamente observar, uma realidade constante. A pesquisa cientfica se constitui num processo interativo de aprendizado. Para explicao de um fenmeno, o pesquisador em geral coleta e analisa dados de acordo com uma hiptese. Por outro lado, a anlise destes mesmos dados coletados de amostragem ou experimentao geralmente sugere modificaes da explicao do fenmeno, alm disso, devido complexidade destes fenmenos, o pesquisador deve coletar observaes de diferentes variveis. Neste contexto, a inferncia estatstica realizada de acordo com o paradigma hipottico-dedutivo (Bock, 1975). Devido aos fenmenos serem estudados a partir de dados coletados ou mensurados em muitas variveis, os mtodos estatsticos delineados para obter informaes a partir destes conjuntos de informaes, so denominados de mtodos de anlises multivariados. A necessidade de compreenso das relaes
1. Aspectos da anlise multivariada
entre as diversas variveis faz com que as anlises multivariadas sejam complexas ou at mesmo difceis. O objetivo do presente material apresentar a utilidade das tcnicas multivariada de uma forma clara, usando exemplos ilustrativos e evitando o mximo de possvel de clculo. Sendo assim, os objetivos gerais, para os quais a anlise multivariada conduz so: a. reduo de dados ou simplificao estrutural: o fenmeno sob estudo representado da maneira mais simples possvel, sem sacrificar informaes valiosas e tornando as interpretaes mais simples;
b. ordenao e agrupamento: agrupamento de objetos (tratamentos) ou variveis similares, baseados em dados amostrais ou experimentais;
c. investigao da dependncia entre variveis: estudos das relaes estruturais entre variveis muitas vezes de interesse do pesquisador;
d. predio: relaes entre variveis devem ser determinadas para o propsito de predio de uma ou mais varivel com base na observao de outras variveis;
e. construo e teste de hipteses.
Os modelos multivariados possuem em geral, um propsito atravs do qual o pesquisador pode testar ou inferir a respeito de uma hiptese sobre um
Ferreira, D.F. Estatstica multivariada
determinado fenmeno. No entanto a sua utilizao adequada depende do bom conhecimento das tcnicas e das suas limitaes. A frase utilizada por Marriott (1974) descreve bem este fato: No h mgica com os mtodos numricos, e que apesar de serem uma importante ferramenta para anlise e interpretao de dados, no devem ser utilizados como mquinas automticas de encher lingia, transformando massas numricas em pacotes de fatos cientficos.
1.2. Aplicao de tcnicas multivariadas
As tcnicas estatsticas constituem se uma parte integral da pesquisa cientfica e em particular as tcnicas multivariadas tem sido regularmente aplicada em vrias investigaes cientficas nas reas de biologia, fsica, sociologia e cincias mdicas. Parece, neste instante, ser apropriado descrever as situaes em que as tcnicas multivariadas tm um grande valor.
Medicina
Nos estudos onde as reaes de pacientes a um determinado tratamento so mensuradas em algumas variveis e possuem difcil diagnstico, as tcnicas multivariadas podem ser usadas para construir uma medida de resposta simples ao tratamento, na qual preservada a maior parte da informao da amostra e das mltiplas variveis respostas. Em outras situaes as tcnicas
multivariadas podem ser usadas tambm quando a classificao de um paciente, baseada nos sintomas medidos em algumas variveis, difcil de ser realizada. Neste caso, uma tcnica multivariada de classificao, em que se cria uma funo que pode ser usada para separar as pessoas doentes das no doentes, pode ser implementada.
Sociologia
Em alguns estudos o inter-relacionamento e o agrupamento de indivduos, cidades ou estados em grupos homogneos em relao mobilidade, nmero de estrangeiros nascidos e de segunda gerao em determinado pas necessria em alguns estudos sociolgicos. As tcnicas de anlise multivariada, conhecidas como anlise de agrupamento (Cluster analysis), pode ser empregada com esta finalidade.
Biologia
No melhoramento de plantas necessrio, aps o final de uma gerao, selecionar aquelas plantas que sero os genitores da prxima gerao. a seleo deve ser realizada de maneira que a prxima gerao seja melhorada em relao resposta mdia de uma srie de caractersticas da gerao anterior. O objetivo do melhorista consiste em maximizar o ganho gentico em um espao
mnimo de tempo. As anlises multivariadas podem ser usadas para converter uma srie de caractersticas para um ndice, na qual a seleo e escolha dos pais possam ser feitas. Em algumas situaes se deseja a separao de algumas espcies, e as tcnicas multivariadas tm sido utilizadas com esta finalidade. Uma funo construda e os seus valores so usados para esta separao.
1.3. Organizao de dados
Atravs deste material pretende-se tratar das anlises realizadas em muitas caractersticas ou variveis. Essas medidas, muitas vezes chamadas de dados, devem ser organizadas e apresentadas em vrias formas. Por exemplo, a utilizao de grficos e arranjos tabulares so importantes auxiliares nas anlises de dados. Por outro lado, nmeros que resumem, ou seja, que descrevem quantitativamente certas caractersticas, so essenciais para a interpretao de os dados amostrais ou experimentais.
Arranjos
Os dados multivariados so provenientes de uma pesquisa em determinada rea em que so selecionadas p 1 variveis ou caractersticas para
serem mensuradas. As medidas so tomadas em cada unidade da amostra ou do experimento. A representao destes dados feita com a notao xjk para indicar um valor particular da j-sima unidade amostral ou experimental e da k-sima varivel mensurada. Conseqente, estas medidas de p variveis em n unidades amostrais ou experimentais, podem ser representadas conforme o arranjo apresentado na Tabela 1.1.
Tabela 1.1. Representao de dados atravs da notao xjk para indicar um valor particular da k-sima varivel mensurada na j-sima unidade amostral ou experimental. Variveis
Unidades amostrais ou experimentais
1 X11 X21 . . . Xj1 . . . Xn1
2 ... X12... X22... . . . Xj2... . . . Xn2...
k ... X1k... X2k... . . . Xjk... . . . Xnk...
p X1p X2p . . . Xjp . . . Xnp
1 2 . . . j . . . n
Estes
valores,
apresentados
na
Tabela
1.1,
podem
ser
representados em um arranjo retangular, denominado de X, com n linhas e p colunas, da seguinte forma:
x11 x 21 X = x j1 xn1
x12 x22 x j2 xn 2
x1k x2 k x jk xnk
x1 p x2 p x jp xnp
Exemplo 1.1 Uma seleo de 4 firmas de rao de Minas Gerais foi obtida para avaliar a venda de raes. Cada observao bivariada forneceu a quantidade de sacos de rao vendidos e a quantidade de reais de cada venda. Os dados obtidos na forma tabular so: Varivel 1 (Reais/venda) Varivel 2 (nmero de sacos de rao vendidos) 80 10 120 12 90 6 110 8
Usando a notao proposta anteriormente, tem-se:
X11=80
X21=120
X31=90
X41=110
X12=10
X22=12
X32=6
X42=8
E a matriz X dos dados :
80 10 120 12 X = 90 6 110 8
A organizao dos dados em arranjos facilita a exposio e permite que os clculos sejam efetuados de uma forma ordenada e eficiente. Os ganhos na eficincia so: (1) descrio dos clculos como operaes com matrizes e vetores; e (2) sua fcil implementao em computadores.
ESTATSTICAS DESCRITIVAS
Grandes conjuntos de dados possuem um srio obstculo para qualquer tentativa de extrao de informaes visuais pertinentes aos mesmos. muitas das informaes contidas nos dados podem ser obtidas por clculo de certos nmeros, conhecidos como estatsticas descritivas. Por exemplo, a mdia aritmtica ou mdia amostral, uma estatstica descritiva que fornece informao de posio, isto , representa um valor central para o conjunto de dados. Como um outro exemplo, a mdia das distncias ao quadrado de cada dado em relao mdia, fornece uma medida de disperso, ou variabilidade. s estatsticas descritivas que mensuram posio, variao e associao linear so enfatizadas. As descries formais destas medidas esto apresentadas a seguir. A mdia amostral, simbolizada por X , dada por:
Xk =
1 n X jk n j =1
k=1, 2, ..., p
(1.1)
Uma medida de variao fornecida pela varincia amostral, definida para as n observaes de i-sima varivel por:
Sk2 = Skk =
2 1 n ( X jk X k ) n 1 j =1
k = 1, 2, ..., p
(1.2)
A raiz quadrada da varincia amostral,
S kk , conhecida como
desvio padro amostral. Esta medida de variao est na mesma unidade de medida das observaes. Uma medida de associao entre as observaes de duas variveis, variveis k e k, dada pela covarincia amostral:
S kk ' =
1 n ( X jk X k )( X jk ' X k ' ) n 1 j =1
k, k=1,2, ..., p
(1.3)
Se grandes valores de uma varivel so observados em conjunto com grandes valores da outra varivel, e os pequenos valores tambm ocorrem juntos, Skk ser positiva. Se grandes valores de uma varivel ocorrem com pequenos valores da outra, Skk ser negativa. Se no h associao entre os
10
valores das duas variveis, Skk ser aproximadamente zero. Quando k=k, a covarincia reduz-se a varincia amostral. Alm disso, Skk= Skk, para todo k e k. A ltima estatstica descritiva a ser considerada aqui o coeficiente de correlao amostral. Esta medida de associao linear entre duas variveis no depende da unidade de mensurao. O coeficiente de correlao amostral para k-sima e k-sima varivel, definido por:
rkk ' =
S kk ' = n j =1 n 2 2 S kk S k ' k ' ( X jk X k ) ( X jk ' X k ' )

j =1 j =1
( X jk X k )( X jk ' X k ' )
n
(1.4)
Verifica-se que rkk=rkk para todo k e k. O coeficiente de correlao amostral a verso estandardizada da covarincia amostral, onde o produto das razes das varincias das amostras fornece a estandardizao. O coeficiente de correlao amostral pode ser considerado como uma covarincia amostral. Suponha que os valores Xjk e Xjk sejam substitudos pelos valores padronizados,
( X jk X k ) S kk
( X jk ' X k ' ) Sk ' k '
. Esses valores padronizados
so expressos sem escalas de medidas (adimensionais), pois so centrados em zero e expressos em unidades de desvio padro. O coeficiente de correlao amostral justamente a covarincia amostral das observaes estandardizadas. A propriedades: correlao amostral (r), em resumo, tem as seguintes
11
1. Os valores de r devem ficar compreendidos entre -1 e 1;
2. Se r = 0, implica em inexistncia de associao linear entre as variveis. Por outro lado, o sinal de r, indica a direo da associao: se r < 0 h uma tendncia de um dos valores do par ser maior que sua mdia, quando o outro for menor do que a sua mdia, e r > 0 indica que quando um valor do par for grande o outro tambm o ser, alm de ambos valores tender a serem pequenos juntos;
3. Os valores de rkk no se alteram com a alterao da escala de uma das variveis.
As estatsticas Skk e rkk, em geral, no necessariamente refletem todo o conhecimento de associao entre duas variveis. Associaes no lineares existem, as quais, no podem ser reveladas por estas estatsticas descritivas. Por outro lado, estas estatsticas so muito sensveis a observaes discrepantes (outliers). Alm destas, outras estatsticas como a soma de quadrados de desvios em relao mdia (Wkk) e a soma de produtos de desvios (Wkk), so muitas vezes de interesse. Essas esto apresentadas a seguir:
12
n
W kk = ( X jk X k ) j =1
Wkk ' = ( X jk X k )( X jk ' X k ' )

j =1
As estatsticas descritivas multivariadas calculadas de n observaes em p variveis podem ser organizadas em arranjos.
Mdias da amostra
X1 X2 X = X p
Matriz de covarincia amostral
S11 S 21 S = S p1
S12 S22 Sp 2
S1p S2 p S pp
13
Matriz de correlaes amostral
1 r21 R = r p1
r12 1 rp 2
r1p r2 p 1
Exemplo 1.2 Considerando os dados introduzidos no exemplo 1.1, encontrar as o vetor de mdias X e as matrizes S e R. Neste exemplo, cada firma de rao, representa uma das observaes multivariadas, com p = 2 variveis (valor da venda em reais e nmero de sacos de raes vendidas). As mdias amostral so:
X1 =
1 4 1 X j1 = 4 (80 + 120 + 90 + 110) = 100 4 j=1
X2 =
1 4 1 X j2 = 4 (10 + 12 + 6 + 8) = 9 4 j=1
X 100 X = 1 = X2 9
A matriz de covarincia amostral :
14
S11=[(80-100)2+(120-100)2+(90-100)2+(110-100)2]/3 = 333,333
S22=[(10-9)2+(12-9)2+(6-9)2+(8-9)2]/3 = 6,667
S12=[(80-100)(10-9)+(120-100)(12-9)+(90-100) (6-9)+(110-100)(8-9)]/3 = 20,000
S21=S12=20,000, e
333,333 S= 20,000
20,000 6,667
A correlao amostral :
r12 =
20 33,333 6,667
= 0,424 3
r21=r12=0,4243
Portanto,
1, 0000 0, 4243 R= 0, 4243 1, 0000
15
1.4. Distncias
A maioria das tcnicas multivariadas baseada no simples conceito de distncia, por mais formidvel que isso possa parecer. O conceito de distncia euclidiana deve ser familiar para a maioria dos estudantes. Se for considerado um ponto P=(x1, x2) no plano cartesiano, a distncia deste ponto P da origem O=(0, 0), definida por d(O,P), dada pelo teorema de Pitgoras por:
d (O, P ) =
2 x1 + x2 2
(1.5)
Esta situao ilustrada na Figura 1.1. Em geral, se o ponto P tem p coordenadas, de tal forma que P=(x1, x2, ... xp), a distncia de P da origem O=(0, 0, ..., 0), pode ser generalizada por:
d (O, P ) =
2 x 1 + x 2 +...+ x 2 p 2
(1.6)
16
d(O, P)
X2
X1
Figura 1.1. Distncia entre um ponto P=(x1, x2) e a origem O=(0, 0), fornecida pelo teorema de Pitgoras.
Todos os pontos (x1, x2, .., xp) que contm uma distncia ao quadrado, denominada c2, da origem, satisfaz a equao:
2 d (O, P ) = x 1 + x 2 +...+ x 2 = c p 2
(1.7)
A expresso em (1.7) representa a equao de uma hiperesfera (um crculo se p = 2), e os pontos eqidistantes da origem por uma distncia d(O, P) pertencem a essa hiperesfera. A distncia de um ponto P a um ponto arbitrrio Q, com coordenadas P=(x1, x2, ... xp) e Q=(y1, y2, ... yp) dada por:
d ( P ,Q ) =
( x 1 y 1) 2 + ( x 2 y 2 ) 2 +...+( x p y p )
(1.8)
17
A distncia euclidiana insatisfatria para muitas situaes estatsticas. Isso ocorre devido contribuio de cada coordenada ter o mesmo peso para o clculo da distncia. Quando estas coordenadas representam medidas so provenientes de um processo que sofre flutuaes aleatrias de diferentes magnitudes muitas vezes desejvel ponderar as coordenadas com grande variabilidade por menores pesos em relao quelas com baixa variabilidade. Isto sugere o uso de uma nova medida de distncia. Ser apresentada a seguir uma distncia que considera as diferenas de variao e a presena de correlao. Devido a escolha de a distncia depender das varincias e das covarincias amostrais, a partir deste instante, ser utilizado o termo distncia estatstica para distinguir de distncia euclidiana. A princpio, ser considerada a construo de uma distncia entre um ponto P, com p coordenadas, da origem. O argumento que pode ser usado refere-se ao fato de que as coordenadas de P podem variar no espao produzindo diferentes posies para os pontos. Para ilustrar, suponha que se tenha n pares de medidas em duas variveis (x1 e x2) e que as medidas de x1 variam independentemente das mensuraes em x2. O significado de independente neste ponto pode ser dado pelo fato de que os valores de x1 no podem ser preditos com nenhuma acurcia a partir dos valores de x2 e vice-versa. Em adio, assumido que as observaes de x1 possuem maior variabilidade que as de x2. Uma ilustrao desta situao est apresentada na Figura 1.2.
18
6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 0 2 4 6 X2 -6 -4 -2
Figura 1.2. Diagrama de disperso, mostrando a maior variabilidade na direo de x1 do que na direo de x2.
Observando a Figura 1.2, verifica-se que no surpreendente encontrar desvios na direo de x1 que se afastem da origem consideravelmente, o que no ocorre na direo de x2. Parece ser razovel, ento, ponderar x2 com mais peso do que x1 para um mesmo valor, quando as distncias da origem forem calculadas.
19
Um modo de fazer isso dividir cada coordenada pelo desvio padro

* amostral. Aps a diviso, tm-se as coordenadas estandardizadas x 1 = x 1
s11
x * = x2 2
s 22
. Aps eliminar as diferenas de variabilidade das variveis
(coordenadas), determina-se a distncia usando a frmula euclidiana padro:
d (O, P ) = ( x 1 ) + ( x 2 ) =
* 2
* 2
2 x1
S 11
x2 2 S 22
(1.9)
Usando a equao (1.9) todos os pontos tendo como coordenadas (x1, x2) e com distncia quadrada (c2) da origem devem satisfazer:
2 x1
S 11
x2 2 S 22
=c
(1.10)
A expresso (1.10) a equao de uma elipse, cujos maiores e menores eixos coincidem com os eixos das coordenadas. A Figura 1.3 mostra o caso geral para p = 2 coordenadas.
20
X2
cS 22
0.5
-cS 11
0.5
O
0.5 -cS 22
cS 11
0.5
X1
Figura 1.3. Elipse de uma distncia estatstica quadrtica d2(O,P)=
2 x1
S 11
x2 2 S 22
=c
Exemplo 1.3 Um conjunto de pares (x1, x2) de duas variveis forneceu X1 = X 2 = 1 , S11=9 e S22=1. Supe-se que as observaes de x1 so independentes de x2. A distncia quadrtica de um ponto arbitrrio (P) da origem, uma vez que as varincias da amostra no so iguais, dada por:
d (O, P ) =
x1 9
x2 1
21
Todos os pontos (x1, x2) que possuem distncias quadrada da origem igual a 1, satisfazem a equao:
x1 9
x2 1
=1
(1.11)
As coordenadas de alguns pontos com distncia quadrtica unitria da origem foram apresentadas na Tabela 1.2.
Tabela 1.2. Coordenadas de alguns pontos com distncia quadrtica unitria da origem. Coordenadas (x1, x2) ( 0, 1) ( 0,-1) ( 3, 0) (-3, 0) Distncia ao quadrado
0 9
2
+ 11 = 1
( 1) 1
2
0 9
+
2
=1
3 9
+
2
0 1
=1
2
( 3 ) 9
0 1
=1
O grfico da equao (1.11) uma elipse centrada na origem (0,0), cujo maior eixo o da direo de x1 e o menor da direo de x2. A metade do maior eixo (semi-eixo maior) c S11 = 3 e do menor c S 22 = 1 . A elipse de distncia quadrtica unitria foi plotada na Figura 1.4.
22
5 4 3 2 1 0 -5 -4 -3 -2 -1 -1 -2 -3 -4 -5 0
x2
x1 5
Figura 1.4. Elipse de distncia unitria quadrtica da origem obtida a partir da equao 1.11.
A expresso (1.9) pode ser generalizada para o clculo da distncia entre pontos P e Q, cujas coordenadas variam, mutuamente independentemente uma da outra. O caso mais geral, em que a hiptese de independncia no satisfeita, ser abordado futuramente.
d (P ,Q ) =
(x1 y1) S11
(x 2 y 2 ) S 22
+ +
(x p y p ) S pp
(1.12)
23
Todos os pontos (P) situados a uma distncia quadrtica constante de Q, pertencem a uma hiperelipside centrada em Q, cujos maiores e menores eixos so paralelos aos eixos das coordenadas. O programa SAS, apresentado a seguir, contm os cdigos necessrios para a obteno das principais estatsticas descritivas multivariadas apresentadas nesse captulo. O programa contm cdigos matriciais e ser abordado com mais detalhe nos prximos captulos. Os dados do exemplo 1.1 so utilizados para a ilustrao.
Proc IML; X={ 80 10, 120 12, 90 6, 110 8}; Print X; n=nrow(X);p=ncol(X); Xbar=x`*j(n,1,1)/n; Print Xbar; q=i(n)-(1/n)*j(n,n,1); print q; S=(1/(n-1))*X`*q*X; W=(n-1)*S; print S W; V=diag(S); Vroot=half(V); IVroot=inv(Vroot); R=Ivroot*S*Ivroot; Print V Vroot IVroot; Print R; Quit;
Foi motivado nesse captulo o estudo das anlises multivariadas e tentou-se fornecer alguns rudimentares, mas importantes, mtodos de organizar e resumir os dados. Em adio, o conceito geral de distncia foi apresentado, e ser abordado e generalizado nos prximos captulos.
24
1.5. Exerccios
Considere as amostras com 8 observaes e 3 variveis apresentadas a seguir: x1 x2 x3 3 6 14 5 11 9 6 11 9 4 9 13 8 15 2 9 16 2 6 10 9 7 12 5
a) Construa o grfico de disperso dos pontos das variveis x1 e x2, x1 e x3, x2 e x3. Comente sobre sua aparncia.
b) Calcule: X , S e R e interprete os valores em R.
c) Calcule
distncia
euclidiana
dada
em
(1.8)
de
um
ponto
P=( x1, x2, x3)=(5, 12, 8) em relao a origem e em relao a X .
d) Calcule as mesmas distncias do item c, usando (1.12).
||[
2.1. Introduo
lgebra vetorial e matricial
]||
desejvel que as p respostas multivariadas sejam representadas por uma notao concisa. Os dados multivariados podem ser dispostos convenientemente como um arranjo de nmeros, como foi apresentado no captulo 1. Em geral, um arranjo retangular destes nmeros, com n linhas e p colunas, por exemplo, chamada de matriz de dimenses n x p. Se por outro lado, o arranjo consiste em n mensuraes em apenas 1 varivel, ou ainda, de uma observao multivariada em p variveis, esses arranjos so denominados de vetores. Com esse arranjo bidimensional, no s, a notao fica mais concisa, mas os muitos resultados matemticos de lgebra vetorial e matricial facilitam a derivao e exposio dos mtodos estatsticos multivariados. Neste material, os elementos de lgebra vetorial e matricial, sero considerados como conhecidos. Nesse captulo, no entanto, para os estudantes no familiarizados com o assunto, ser apresentada uma breve reviso.
2. lgebra vetorial e matricial
26
2.2. Elementos de lgebra vetorial
De um ponto de vista geomtrico, as observaes multivariadas, podem ser consideradas como pontos no espao p-dimensional, cujas coordenadas so dadas por (x1, x2, ..., xp). Esse ponto pode ser visto como o final de um segmento de reta da origem (0, 0, ..., 0) ao ponto (x1, x2, ..., xp). Tal segmento de reta denominado de vetor de posio e pode ser denotado simplesmente por X . O vetor de posies apenas um exemplo de vetor, para os quais pode ser elaborada a lgebra, baseada nos seguintes postulados.
POSTULADOS
1. Para qualquer vetor X dado um nmero escalar c, a multiplicao do escalar pelo vetor, resulta em outro vetor Y , definido por:
Y = cX
c ser considerado um nmero real;
2. A adio de dois vetores conduz a um nico vetor definido como:
Ferreira, D.F.
Estatstica multivariada
27
Z = X + Y
3. A adio de vetores :
Comutativa: X + Y = Y + X
Associativa: X + ( Y + Z ) = ( X + Y ) + Z
4. Se 0 o vetor nulo, ento:
X + 0 = X 0 .X = 0
COMPRIMENTO, NGULO E DISTNCIA Inicialmente, definido produto interno entre dois vetores, que representa a soma de produtos de pares de coordenadas correspondentes. Para dois vetores (n x 1) de posio X e Y , o produto interno ser o escalar, dado por:
X.Y = x i yi = x1 y1 + x 2 y 2 +
i =1
+ x n yn
28
fcil verificar que X.Y = Y.X . Por meio, do produto interno possvel generalizar o teorema de Pitgoras para o espao euclidiano n-dimensional:
2 X = X.X = x i2 = x1 + x 2 + 2 2 i =1
+ x 2 = d 2 (P, O) n
(2.1)
em que P, o ponto do espao n-dimensional, definido pelas coordenadas do vetor
X . A expresso (2.1) o comprimento ao quadrado do vetor X . A
expresso entre mdulo | X | indica a norma de X . Dessa forma o comprimento do vetor definido por:
X = X.X
(2.2)
O ngulo entre dois vetores ( X e Y ) pode ser expresso em funo do produto interno e do comprimento dos vetores, obtido atravs da lei dos cosenos, por:
Cos ( ) =
X.Y X.X Y.Y
(2.3)
As distncias apresentadas no captulo 1, entre os pontos coordenados dos vetores X e Y , podem ser expressos agora como o
Ferreira, D.F.
29
comprimento do vetor diferena das coordenadas de X e Y . A distncia entre X e Y :
d(X, Y) = X Y = (X Y).(X Y)
(2.4)
Alm de ser no negativa, essa distncia entre os dois vetores independente da direo das medidas e satisfaz a desigualdade triangular:
d( X , Y ) d( X , Z ) + d( Y , Z )
(2.5)
Derivada a partir da desigualdade de Cauchy-Schwars:
a.b a . b
(2.6)
O que implica, no fato, que o valor do co-seno do ngulo entre a e b no pode exceder a unidade.
ORTOGONALIDADE
Dois vetores no nulos so denominados ortogonais, se o co-seno do ngulo entre eles for zero. Isto indica que:
30
X.Y = 0
(2.7)
Muitas vezes desejvel (em sistemas de equaes lineares) construir uma base ortonormal de vetores, isto , cada vetor da base possui comprimento unitrio
( Xi .Xi = 1)
e cada par de vetor da base so ortogonais
( X .X
i
= 0, i j) . Para um conjunto de vetores arbitrrios pode-se empregar a
construo de Gram-Schimidt. O algoritmo est apresentado a seguir, considerando o conjunto X1 , X 2 , ..., X n de vetores:
Passo 1: normalize X1 :
X1 =
X1 X1.X1
X1 .X1 0
* Passo 2: Ortonormalize X 2 calculando o produto interno entre X1 e X 2 , e * subtraindo de X 2 os componentes de X1 :
Ortogonalizando X1 e X 2 :
* * X = X 2 ( X 2 .X1 ) X1 2
Ento, normalizando-se X : 2
Ferreira, D.F.
31
X* = 2
1 X .X
2 2
X 2 ; X .X 0 2 2
* Passo 3: Calcule o produto interno de X 3 com X1 e X* , e subtraia de X 3 os 2 * componentes de X1 e X* , 2
* * X 3 = X 3 ( X 3 .X1 ) X1 ( X 3 .X* ) X* 2 2
Ento, normalizando-se X 3 :
X* = 3
1 X .X
3 3
X 3 ; X 3 .X 3 0
E assim por diante, at o n-simo estgio, quando todos os vetores entrarem na construo. Se o i-simo vetor for linearmente dependente dos vetores anteriores, ento X i ser igual ao vetor nulo, X i = 0 , devendo ser eliminado do conjunto e o processo deve continuar com o vetor X i +1 . O nmero de vetores no nulos remanescentes no conjunto, constituem a dimenso do espao vetorial original.
32
Exemplo 2.1
Dado o conjunto de vetores, a seguir, utilizar como ilustrao a construo de Gram-Schimidt.
1 1 X= 1 1
1 1 0 0
0 0 1 1
Os vetores de X so dados por:
X = [ X1 X 2 X 3 ]
Passo 1. Normalize X1 :
1 1 1 * X1 = 2 1 1
Passo 2: Ortonormalize X 2 :
* Produto interno: X 2 . X1 = 1
Ferreira, D.F.
33
1 1 1 1 1 1. 1 = 1 1 ortogonalizao: X 2 = 0 2 1 2 1 0 1 1
1 1 1 1 1 1 1 Normalizao: X* = . = 2 1 2 1 2 1 1 1
Passo 3: Ortonormalizao de X 3
* Produto interno: X 3 .X1 = 1 e X 3 .X* = 1 2
0 1 1 0 1 + 1 0 2 2 0 1 1 0 1 + 1 0 1 1 2 ortogonalizao: X 3 = 1. (1). = 1 12 = 1 2 1 2 1 1 2 2 0 1 1 1 1 1 1 2 2 0
Verifica-se neste passo que X 3 linearmente dependente dos vetores X1 e X 2 , e deve ser eliminado da base vetorial. fcil verificar que
X 3 = X1 X 2 . Agrupando os vetores linearmente independentes ortonormalizados
obtm-se a base vetorial de Gram-Schimidt.
34
1 2 1 2 X2 = 1 2 1 2
1 2 1 2
1 2 1 2
Pode ser observar facilmente que o produto interno dos vetores em X2, igual a zero. Um importante tipo de matriz inversa, denominado de inversa de MoorePenrose, obtido de uma base ortonormal das colunas de uma matriz para a qual se deseja obter a inversa generalizada de Moore-Penrose. Seja A uma matriz de dimenso qualquer nxp e seja U a base ortonormal de vetores obtida da ortonormalizao das colunas de A, ento, defini-se T por:
T=UA
Logo, a inversa generalizada de Moore-Penrose (A+) definida por:
A+ = T(TT)-1U.
2.3. Elementos de lgebra matricial
Na lgebra matricial as relaes e operaes so definidas atravs de operaes em arranjos retangulares dos elementos, denominados de matrizes. Um exemplo de matriz :
Ferreira, D.F.
35
a 11 a 21 Ap= n x a n1
a a a
12 22
a a
n2
2p a np
1p
O nmero de linhas de uma matriz denominado de ordem de linha e o nmero de colunas, ordem de colunas. Se o nmero de linhas n e o nmero de colunas p, diz-se que a matriz possui ordem nxp. Pode-se representar a matriz por:
A=[aij]
i=1, 2,..., n
j=1, 2, ..., p
(2.8)
Nas anlises multivariadas, muitas vezes, ser feito referncias a matriz de dados, a qual consiste de p respostas de n observaes ou unidades experimentais, e ter ordem nxp.
POSTULADOS
1. Igualdade: Duas matrizes necessariamente com o mesmo nmero de linhas e colunas so iguais, se e somente se os elementos correspondentes, forem iguais:
A=B
aij=bij
i=1, 2, ..., n e j=1, 2, ..., p
36
2. Adio: A soma de duas matrizes de mesma ordem obtida pela soma dos elementos correspondentes:
A+B = [ aij] + [bij] = [aij + bij]
A adio com matriz nula 0, contendo elementos iguais a zero :
nAp + n0p
= nAp
3. Multiplicao por escalar: o produto de um escalar e uma matriz obtido pela multiplicao de cada elemento da matriz pelo nmero escalar:
cA = c[ aij] = [ caij]
4. Multiplicao de matriz: a multiplicao de matrizes definida para aquelas em que a ordem coluna do fator que pr multiplica igual a ordem linha do fator que ps multiplica. Tais matrizes so denominadas conformveis para multiplicao. O elemento (i, k) da matriz resultante do produto a soma dos produtos dos elementos correspondentes, da i-sima linha do fator que pr multiplica com os da k-sima coluna do fator que ps multiplica.
q Aq qBp = AB = a ij b jk = [ai1b1k + ai2b2k + ... + aiqbqk] = [cik] = C n j=1
Ferreira, D.F.
37
Em geral AB BA.
A matriz quadrada com unidades na diagonal e zero nas demais partes denominada de matriz unitria ou identidade:
1 0 0 1 = 0 0
0 0 1
Verifica-se que:
nAp pp
= nAp
nn nAp
= nAp
A matriz quadrada cujos elementos fora da diagonal principal so iguais a zero denominada matriz diagonal:
d1 0 0 d 2 D = diag[d1, d2, ..., dn] = 0 0
0 0 dn
38
A pr-multiplicao por uma matriz diagonal, simplesmente re-escala as linhas do fator que ps multiplica, e a ps-multiplicao re-escala as colunas do pr-fator.
5. Inverso de matriz: a inversa de uma matriz quadrada A, nxn, chamada de A-1 e definida de tal forma que A A-1 = A-1 A = .
A inversa de um produto de matrizes o produto do inverso dos fatores em ordem inversa a ordem de multiplicao original:
(AB)-1 = B-1A-1
Pois, B-1A-1AB = B-1B = e AB B-1A-1 = AA-1 =
6. Matriz transposta: uma matriz obtida pela troca de linhas por colunas a partir de uma matriz especfica denominada de matriz transposta. denotada por A.
nAP
= [aij], ento, pAn = [aij] = [aji]
(A + B) = A + B
(AB) = BA
Ferreira, D.F.
39
(A-1) = (A)-1
7. Matrizes particionadas: deixe as r linhas de uma matriz A (mxn) ser particionada das restantes s=m-r linhas, e as p colunas particionadas das remanescentes q = n - p colunas. Ento, A pode ser representada por submatrizes, como a seguir:
A12 r A A = 11 A 21 A 22 s p q
Seja B uma matriz particionada de forma similar e sejam A e B tais que suas parties sejam conformveis para adio, logo,
A + B11 A + B = 11 A 21 + B21 p
A12 + B12 r A 22 + B22 s q
Suponha agora que B seja particionada em p e q linhas e em t e u colunas. Ento, possvel verificar que:
40
r A AB = 11 s A 21 p
A12 B11 A 22 B21 q t
B12 p B22 q u A11B12 + A12 B22 r A 21B12 + A 22 B22 s u
A B + A12 B21 = 11 11 A 21B11 + A 22 B21 t
Ainda possvel verificar que:
1 1 p A B p A 1 + A 1B ( D CA 1B ) CA 1 = 1 q C D q ( D CA 1B ) CA 1 p q p
1 A 1B ( D CA 1B ) ( D CA 1B )1 q
Mtodo prtico para clculo de matrizes inversas
As rotinas para computadores usualmente fazem uso da verso compacta do mtodo de Gauss, denominado de mtodo de Gauss-Jordan (Householder, 1953, 1964). Os clculos do mtodo de Gauss-Jordan so recursivos, sendo que os elementos da matriz no estgio i+1 so trocados pelos resultados da chamada operao pivotante dos elementos do estgio i, por:
( i +1) k
=a
(i) k
i a (kj) a (ji )
a (jji )
ke
Ferreira, D.F.
41
( i +1) j
a (ji ) a (jji )
( i +1) kj
i a (kj)
a (jji )
kj
a (jji +1) =
1 a (jji )
O elemento a (jji ) chamado de piv, e sua linha e coluna so chamados de linha e coluna pivotais. Aps n operaes pivotantes, a matriz original substituda pela sua inversa, garantindo-se que cada linha e coluna seja pivotada somente uma vez.
Exemplo 2.2
Use o algoritmo de Gauss-jordan para inverter a matriz A (2x2) a seguir:
4 2 A(0) = 2 2
Passo 1. Um bom compromisso com a preciso pivotar a linha e coluna cujo elemento da diagonal seja o maior de todos os no pivotados. Assim o
42
elemento escolhido para piv o elemento a11=4. A matriz aps a primeira ao pivotante :
1 A (1) = 4 2 4
2 1 1 4 = 4 2 2 2 21 1 2 4
Passo 2. Neste passo, a nica coluna ou linha no pivotada a 2. Portanto o piv a22=1, e a matriz resultante da operao pivotante :
( 2)
2 2 1 1 ( 1 ) 4 1 = 1 2 1
1 2 1 1 1
1 = 21 2
1 1 1 1 2 = 1 2 1 2
Ao final da operao pivotante, a matriz resultante, A(2), a matriz inversa de A.
Matrizes ortogonais
Classes especiais de matrizes, que sero utilizadas rotineiramente nas tcnicas multivariadas, so denominadas de matrizes ortogonais, sendo simbolizadas em geral por Q e caracterizada por:
Ferreira, D.F.
43
QtQ = QQt = ou Qt = Q-1
O nome deriva da propriedade de que se Q tem i-sima linha q it , ento, se QQt = implica que q it q i = 1 e q it q j = 0 para ij, sendo que as linhas possuem tamanho unitrio e so mutuamente ortogonais (perpendiculares). De acordo com a condio de que QtQ = , as colunas tm a mesma propriedade.
Exemplo 2.3
Dado a matriz Q, a seguir, verifique sua ortogonalidade:
12 Q= 1 2
1 2
1 2
A transposta de Q dada por:
Q =
t
1 2 1 2
1 2 1 2
ento,
12 QQ = 1 2
t
1 2
1 2
1 2 1 2
1 2 1 2
1 2 0 1 0 = = 2 0 2 0 1
44
e,
QQ=
t 1 2 1 2
1 2 1 2
12 1 2
1 2 0 1 0 = = 1 2 0 2 0 1 2
1 2
sendo, QtQ = QQt = ou Qt = Q-1, verificou-se que Q ortogonal.
Determinantes
Uma funo escalar importante de uma matriz A quadrada nxn, o determinante da mesma. O determinante da matriz A simbolizado por |A| e definido por:
A = a11 A = a ij A ij ( 1)
j=1 n i+ j
se n = 1 se n > 1
(2.9)
em que Aij a matriz quadrada (n-1)x(n-1) obtida deletando-se a i-sima linha e a j-sima coluna de A, para qualquer escolha arbitrria de i=1, 2, ..., n.
Exemplo 2.4
Para ilustrar a definio (2.9), sero consideradas as seguintes matrizes:
Ferreira, D.F.
45
A = [4]
4 1 B= 1 2
4 2 2 C = 2 2 0 2 0 2
A = 4;
B = 4 2 (1) 2 + 1 1 (1)3 = 4.2.1 1 1 1 = 7 ;
C = 4
2 0 0 2
(1) 2 + 2
2 0 2 2
(1)3 + 2
2 2 2 0
(1) 4
= 4 [2 2 (1) 2 + 0 0 (1)3 ] (1) 2 + 2 [2 2 (1) 2 + 0 2 (1)3 ] (1)3 + + 2 [2 0 (1) 2 + 2 2 (1)3 ] (1) 4 = 16 8 8 = 0 C =0
Propriedades dos determinantes
1. A t = A ;
2. Se uma linha ou coluna de A for multiplicada por uma constante k, o determinante ficar multiplicado pela constante;
3. Se A multiplicada por uma constante k, o determinante resultante ficar multiplicado por kn;
46
kA = k n A
4. Se duas linhas ou duas colunas so trocadas de posio, ento o determinante muda de sinal;
5. Se duas linhas ou duas colunas so proporcionais, ento o determinante de A ser igual a zero;
6. O determinante obtido deletando a i-sima linha e j-sima coluna de A denominado menor de A, e denotado por |Aij|. A relao entre |A| e |Aij| foi apresentada na definio de determinante (2.9);
7. A 1 =
1 1 =A ; A
8. |AB| = |A||B|.
Determinante e posto (rank)
Se |A|0, ento, A denominada de posto completo, ou como mais comum dizer, A no-singular e A-1 existe. Uma condio necessria e suficiente para a existncia da inversa de A que |A|0.
Ferreira, D.F.
47
Teorema da multiplicao
Seja a matriz A de ordem 2n x 2n, particionada em sub-matrizes n x n dadas por:
B C n A= D E n n n
Supe-se que o determinante de A no nulo, e se necessrio for, linhas e colunas correspondentes de A devem ser trocadas para assegurar que B seja no-singular. Como o nmero de trocas de linhas e colunas necessariamente par, o valor de |A| no se altera. Considere matrizes elementares, com determinante 1, dadas por:
0 B1C DB1 e 0
Se A for pr e ps-multiplicada, respectivamente, por essas matrizes o resultado :
48
DB1
0 B C B1C D E 0
C 0 B B1C B = = 1 1 0 E DB C 0 DB C + E 0
Ento, A foi reduzida para sua forma quase-diagonal ou bloco diagonal. Seja uma matriz V (2n x 2n) particionada da seguinte forma:
V V= 1 0 n
0 n V2 n n
ento, o determinante de v dado por:
V = V1 V2
Aplicando essa regra a A transformada pela pr e ps-multiplicao por matrizes elementares, cujo determinante igual a 1, o que no altera o valor de |A|, tem-se:
A =
B 0
0 E DB C
1
= B E DB1C
Observe que se A for quasi-triangular, ou seja, triangular por blocos, o determinante o produto dos determinantes de suas sub-matrizes principais:
Ferreira, D.F.
49
B C 0 E
=B E
Agora possvel apresentar e provar o teorema da multiplicao. Se A e B so matrizes quadradas n x n, ento, |AB|=|A|.|B|. Considere para isso a identidade:
I A A 0 0 AB 0 I I B = I B
O produto do lado esquerdo da igualdade envolve operaes elementares que no afeta o determinante. Assim, o determinante de ambos os lados igualado e o resultado obtido :
I B
0 I
AB B
Colocando o lado direito na forma quasi-triangular por meio de trocas nas ltimas n colunas o resultado obtido dado por:
I B
= ( 1)n
AB B
0 I
50
Usando o resultado do determinante de uma matriz triangular por blocos, tm-se:
n A B = ( 1) AB I n n A B = ( 1) ( 1) AB 2n A B = ( 1) AB
AB = A B
Infelizmente, no h teorema simples para a soma de matrizes. Decorre desse teorema que:
A 1A = I A 1 A = 1 1 = A 1 A 1 = A
Derivadas de vetores e matrizes
As derivadas de funes envolvendo vetores e matrizes so necessrias em inmeras aplicaes na multivariada e em outras reas. Apesar de ser possvel escrever essas mesmas funes em uma forma expandida e tomar as derivadas elemento a elemento pelas regras de diferenciao escalar, vantajoso definir regras que retenham vetores e matrizes na notao (Bock, 1975).
Ferreira, D.F.
51
A seguir so apresentadas as principais regras de diferenciao vetorial e matricial.
Derivadas de matrizes de funes em relao a variveis escalares

Seja A uma matriz m x n cujos elementos so funes diferenciveis com relao a uma varivel escalar x. A derivada de A em relao a x uma matriz m x n:
a11 x A = x a m1 x
a1n x a mn x
(2.10)
Seja A uma matriz m x n de funes diferenciveis em x e B outra matriz p x q cujos elementos, tambm, so diferenciveis em x. Para cada caso abaixo, so adotadas dimenses tais que as operaes matriciais sejam conformveis.
( A + B ) A B = + ; x x x
m = p, n = q
(2.11)
( AB ) B A =A + B; x x x
n=p
(2.12)
52
( A 1 ) A 1 A ; = A 1 x x
m = n, A 0
(2.13)
Seja X uma matriz m x n com o elemento xij na i-sima linha e j-sima coluna, ento,
X = 1ij x ij
(2.14)
em que 1ij uma matriz m x n com 1 na i-sima linha e j-sima coluna e 0 nas demais posies. Se X for uma matriz diagonal n x n, logo,
X = 1ii x ii
(2.15)
Derivadas de uma funo escalar de matrizes em relao a um vetor ou matriz varivel

Seja g uma funo escalar qualquer de uma matriz X, que pode ser por exemplo o determinante, o trao, entre outras, ento, a diferenciao de g em relao a X :
Ferreira, D.F.
53
g g x x1n 11 g = X g g x x mn m1
(2.16)
a) o trao
O trao de uma matriz n x n uma funo que aparece com muita freqncia na estatstica multivariada, o qual a soma dos elementos da diagonal principal dessa matriz:
tr ( A ) = a ii
i =1
(2.17)
Para as matrizes A, B e C de ordem m x n, p x q e r x s, respectivamente, o trao tem as seguintes propriedades:
tr ( A + B ) = tr ( A ) + tr ( B ) ,
m=n=p=q
(2.18)
tr ( A ) = tr ( A ) ,
m=n
(2.19)
tr ( A t ) = tr ( A ) ,
m=n
(2.20)
tr ( AB ) = tr ( BA ) ,
m = q, n = p
(2.21)
54
tr ( ABC ) = tr [ (AB)C] = tr ( CAB ) ,
m = s, n = p, q = r
(2.22)
Seja C uma matriz r x s de constantes e X uma matriz u x v de variveis. As seguintes diretivas de derivao do trao de funes de C e X com relao aos elementos de X, resultam em matrizes de dimenso u x v:
tr ( C ) = 0, X
r=s
(2.23)
tr ( X ) = I, X
r =s
(2.24)
tr ( XC ) = Ct , X
r = v, s = u
(2.25)
tr ( X t CX ) = ( C + C t ) X, X
r=v=s=u
(2.26)
Essas diretivas de derivao so invariantes as permutaes cclicas sofridas por transposio ou permutao dos fatores de multiplicao de matrizes. no entanto, as derivadas com relao a transposta de X resultam em transpostas das matrizes anteriores de ordem v x u. Em particular:
Ferreira, D.F.
55
tr ( XC ) = Ct , X t
r = v, s = u
(2.27)
tr ( X t CX ) = X t ( Ct + C ) , t X
r=v=s=u
(2.28)
Para obter derivadas de funes elementares das matrizes algumas diretivas tambm so definidas. Sejam os elementos de A e B funes de X, e seja C uma matriz de constantes. Ento,
tr ( A + B ) tr ( A ) tr ( B ) = + , m=n=p=q X X X
(2.29)
tr ( AB ) tr ( AB ) tr ( AB ) = + , m = q, n = p X X X
(2.30)
tr ( A 1 ) tr ( A 2 A ) , m = n, A 0 = X X
(2.31)
tr ( A 1C ) tr ( A 1CA 1A ) = , m = n = r = s, A 0 X X
(2.32)
A barra acima das matrizes anteriores em (2.29) a (2.32) indica que essas so consideradas constantes para fins de diferenciao.
56
b) determinante
X t = adj ( X t ) = X ( X 1 ) , X
u = v, X 0
(2.33)
ln X adj ( X t ) t = = ( X 1 ) , X X
u = v, X 0
(2.34)
Restries da varivel de diferenciao

Alguns problemas esto sujeitos a maximizao ou minimizao com relao a uma varivel que por sua vez est sujeita a restries. Os casos especiais so queles em que X simtrica. Logo X=Xt e os elementos fora da diagonal so sujeitos a:
xij = xji
i<j
(2.35)
Uma abordagem apropriada para o problema impor restries por meio de multiplicadores de Lagrange. Para aplicar esse mtodo, deve-se diferenciar com relao a x no restrita a expresso da forma:
1 g + tr [ U ( X X t )] 2
Ferreira, D.F.
57
em que g uma funo escalar de X, U a n x n matriz de multiplicadores de Lagrange. Logo, X deve satisfazer:
g 1 + ( U Ut ) = 0 X 2
(2.36)
Como tambm
t g 1 t g 1 t + (U U) = (U U) = 0 X 2 X 2
(2.37)
Somando essas expresses obtm-se a condio para o extremo restrito:
g g + =0 X X
(2.38)
Outro caso importante de matriz X restrita : se X uma matriz diagonal n x n e Y uma matriz funo de X, ento,
tr(Y) tr(Y) = Diag X x11
tr(Y) x 22
tr(Y) x nn
(2.39)
E se X = x , ento,
58
tr(Y) tr(Y) = X x
(2.40)
Regra da cadeia para funes escalares de matrizes

Seja g uma funo escalar de A diferencivel com relao aos elementos de A, e deixe os elementos de A ser funo diferencivel de x. Ento,
g g A t = tr x A x
(2.41)
Por exemplo, para |A|0, g=ln|A| de (2.34) tem-se:
g ln A ln A A t = = tr x x A x
A t = tr ( A 1 ) t x
(2.42)
derivada de uma funo de um vetor com relao a um vetor

Seja um vetor z m x 1, cujos elementos so diferenciveis pelos elementos 1 x n do vetor x t = [ x1 a matriz m x n:
x2 x n ] . A derivada de Z em relao a x t
Ferreira, D.F.
59
z z i = 1, 2, ..., m = x t x j ij j = 1, 2, ..., n
(2.43)
Por exemplo, de (2.26) tem-se a primeira derivada de x t Ax , sendo A simtrica,
t x t Ax tr ( x Ax ) = = 2Ax x x
(2.44)
De (2.43), a segunda derivada representada em forma matricial por:
t x t Ax ( x Ax x ) 2Ax = = = 2A x t x x t x t
(2.45)
Formas quadrticas
Definindo A como uma matriz simtrica no nula (nxn), e o vetor
x t = [X1
X2
X n ] a expresso:
Q = x t A x = a ii X i2 + 2
i =1 i =1
n 1
j= i +1
a XX
ij i
60
dita forma quadrtica, pois s contm termos quadrados
( x i2 )
e de produtos
( xix j ) .
Exemplo 2.5
Obtenha a expanso da forma quadrtica, dado o vetor x e a matriz A, a seguir:
x = [ x1
x2 ]
4 1 A= 1 2
Q = [ x1
4 1 x1 x2 ] = [ 4x1 + x 2 1 2 x 2
x x1 + 2x 2 ] 1 x2
2 Q = 4x1 + 2x1 x 2 + 2x 2 2
Assumindo, para o momento, que p elementos x1, x2, ..., xp, de um vetor x so realizaes de p variveis aleatrias X1, X2, ..., Xp pode-se consider-los como coordenadas de um ponto no espao p-dimensional. A distncia desse ponto [x1
x2
x p ] da origem pode e deve, nesse caso, ser
interpretada em termos de unidades de desvio padro. Desse modo, pode-se considerar a incerteza inerente (variabilidade) s observaes. Pontos com a mesma incerteza associada so considerados de mesma distncia da origem. Introduzindo agora uma frmula geral de distncia mais apropriada tm-se:
Ferreira, D.F.
61
d ( 0,P ) = a ii x + 2 a ijx i x j
2 i =1 2 i i =1 j=i +1
n 1
(2.46)
e garantindo que d2 > 0 para todo ponto P0, e fazendo aij=aji, tm-se:
0 < d 2 = x t Ax = x 1
a 11 a 21 x p a p1
a a a
12 22
a a
p2
2p a pp
1p
x 1 x p
(2.47)
Verifica-se que (2.47) uma forma quadrtica, o que permite que a interprete como uma distncia. A determinao, dos coeficientes da matriz A de (2.47) ser apresentada oportunamente.
Classificao de formas quadrticas
As formas quadrticas podem ser classificadas, quanto aos resultados que produzem. Nesta seo, o interesse residir nas formas quadrticas no negativas e nas matrizes associadas (denominadas positivas definidas). Uma condio necessria e suficiente para que A seja positiva definida (pd) que esta possa ser fatorada por:

t A n = n Sn n Sn
62
e que o posto de S seja n, em que S uma matriz triangular, denominada fator de Cholesky de A (Bock, 1975). Portanto, se uma matriz admite o fator de Cholesky, ela positiva definida.
Q = x t Ax = x t (SSt )x = (St x) t (St x) = z t z

2 = Z1 + Z2 + 2
+ Z2 n
Devido a S ter posto coluna completo, no existe x no nulo, tal que

z = St x = 0 . Portanto, a forma quadrtica Q sempre positiva, como foi afirmado.
Se por outro lado, o posto de S for rn, ento o posto de A ser r, e a forma quadrtica Q = x ' Ax 0, denominada positiva semidefinida (psd). Isso se deve ao fato de que para algum vetor x 0, a igualdade Q = 0, acontece. O algoritmo para obteno do fator de Cholesky de uma matriz pd, est apresentado a seguir.
Algoritmo para obteno do fator de Cholesky de uma matriz positiva definida
1. Dada uma matriz A (nxn), com elementos aij.
Ferreira, D.F.
63
2. Obteno da transposta do fator de Cholesky St, dada pelo algoritmo abaixo, sendo que os elementos desta matriz no contemplados pelo mtodo devem ser considerados iguais a zero:
1a linha:
S11 = a11
S1j =
a1j S11
j >1
i-sima linha:
i 1 2 Sii = a ii Sri r =1
Sij =
i 1 1 a ij SriSrj Sii r =1
i2
j>i
3. A obteno de S-1, inversa de S, com elementos Sij, dada por:
Sii =
1 Sii
Sij =
1 Sii
S S
r =1 ri
i 1
rj
i> j
para i < j
Sij = 0
4. A obteno da A-1, inversa de A, com elementos aij, em que aij=aji, dada por:

n n
64
a ii = ( Sri )
r =i
a ij = SriSrj
r =i
i> j
Exemplo 2.6
Obtenha o fator de Cholesky (S), sua inversa (S-1) e a matriz inversa (A-1), a partir da matriz A, apresentada a seguir:
4 2 0 A = 2 2 1 0 1 2
Obteno de St:
Primeira linha:
S11 = 4 = 2; S12 =
2 0 = 1; S13 = = 0 2 2
Segunda linha:
S22 = 2 12 = 1
2
S23 =
1 [1 1 0] = 1 1
Terceira linha:
Ferreira, D.F.
65
S33 = 2 ( 02 + 12 ) = 1
1 2
Logo,
2 1 0 S = 0 1 1 0 0 1
t
2 0 0 S = 1 1 0 0 1 1
A matriz S-1 obtida por:
Linha 1:
1 S11 = ; 2
Linha 2:
S12 = S13 = 0 i < j
1 S22 = = 1; 1
1 1 S21 = 1 1 = ; 2 2
S12 = 0 pois i < j
linha 3:
1 S33 = = 1; 1
1 1 1 S31 = 1 0 + 1 = 2 2 2
S32 = 1 (1 1) = 1
66
logo,
1 0 0 2 1 S1 = 1 0 2 1 1 1 2
A matriz A-1 obtida por:
Diagonal principal:
3 1 1 1 a = + + = 4 2 2 2
11
a 22 = 12 + ( 1) = 2
2
a 33 = 12 = 1
Demais elementos:
1 1 a 21 = 1 + (1) = 1; 2 2 1 1 a 31 = 1 = ; a 32 = 1 (1) = 1; 2 2 1 a12 = a 21 = 1; a13 = a 31 = ; a 23 = a 32 = 1 2
Ferreira, D.F.
67
Logo,
3 1 1 4 2 1 2 1 1 A = 1 1 1 2
O fator de Cholesky S e sua inversa tm as seguintes propriedades:
1. SSt = A
2. S-1S = St(S-1) t =
3. S-1A = S t
4. A(S-1) t = S
5. (S-1)A(S-1) t =
6. (S-1) t (S-1) = A-1
68
Maximizao de formas quadrticas
Na estatstica multivariada e em outras reas aplicadas, muitas vezes necessria a maximizao de uma forma quadrtica. Devido forma quadrtica Q = x t Ax poder ser feita arbitrariamente grande tomando-se os valores dos elementos de x grandes, necessrio maximizar Q condicionada a alguma restrio no comprimento de x . Uma conveniente alternativa tomar uma soluo normalizada de x , ou seja, uma soluo tal que x tenha comprimento unitrio. Ento a maximizao da forma quadrtica Q pode ser transformada na maximizao da razo:
x t Ax xtx
para toda matriz A simtrica real. Para a maximizao deve-se tomar a derivada em relao a x e igualar a zero, resolvendo o sistema obtido, como demonstrado a seguir.
Q x t Ax = = 2Ax x x
x t x = 2x x
usando a regra do quociente:
Ferreira, D.F.
69
2 x t Ax 2Ax(x t x) 2(x t Ax)x = = t A t x (x t x) 2 x x xx x
igualando a zero essa derivada e dividindo-a por 2 ( x t x ) , obtido o sistema homogneo de equaes:
x t Ax A t x = 0 xx
Desde que
x t Ax = , ento para um ponto estacionrio qualquer i, xtx
( A i ) x i = 0
(2.48)
Para que o sistema de equaes em (2.48) no possua apenas a soluo trivial, A-i no pode ter posto completo. Isto significa que seu determinante deve ser zero:
|A-i| = 0
(2.49)
A equao polinomial em , resultado da expanso dos termos a esquerda na equao (2.49) atravs do uso da definio (2.9), chamada de equao caracterstica de A. A i-sima raiz da equao (i) denominada de valor
70
caracterstico de A; x i denominado vetor caracterstico de A associado a i. Outras terminologias podem ser empregadas, tais como, autovalores e autovetores, ou, valores e vetores prprios, ou ainda, raiz e vetor latente.
Pares de formas quadrticas
de fundamental importncia na anlise multivariada o problema de maximizar razo entre duas formas quadrticas:
x t Ax x t Bx
B 0
em que B uma matriz pd. O mximo dado da mesma forma que apresentado anteriormente, a partir da derivada em relao a x , igualando-a a zero, como apresentado a seguir:
x t Ax x t Bx Bx = (A B)x = 0 = Ax t 2 x Bx x
(2.50)
O sistema homogneo de equaes (2.50) ter soluo no trivial ( x 0 ), se e somente se,
A B = 0
(2.51)
Ferreira, D.F.
71
Os autovalores () de A em relao a B so denominados de valores prprios, razes caractersticas, e os autovetores de vetores caractersticos ou prprios. Desde que B seja pd, possvel fator-la atravs do fator de Cholesky, por:
t B = SBSB
t Ento definindo-se z = SB x e usando as propriedades do fator de
Cholesky tem-se que x = ( SB1 ) z . Agora, se (2.50) for pr multiplicada por SB1 e
t
x = ( SB1 ) z for substitudo na expresso, tm-se:

t
S1A S1B ( S1 ) z = 0 B B B
t
(2.52)
S1A ( S B
1 t B
z = 0
desde que S1B ( S1 ) = B B

t
A soluo de (2.52) a mesma da obtida pela maximizao de uma

forma quadrtica, apresentada em (2.48), exceto que x = ( SB1 ) Z deve ser
t
recuperado, uma vez que Z obtido. Os autovalores, no entanto, so invariantes transformao no-singular realizada.
72
Clculo prtico dos autovalores e autovetores
Ser apresentado aqui o mtodo denominado Power method derivado por Hotelling (1936). Esse mtodo apropriado para problemas em que somente r autovalores de maior magnitude e os seus respectivos autovetores so necessrios (rn). O mtodo iterativo, dado um vetor inicial arbitrrio v (0) . O vetor do estgio i ser representado por v (i) e o da prxima iterao ser obtido por:
v (i +1) = Av (i)
Usualmente um vetor de elementos iguais a 1 usado como vetor inicial. Os vetores caractersticos devem ser normalizados em cada estgio, para que o critrio de convergncia seja verificado. Quando uma aproximao desejada para 1 e x1 sejam alcanados, o segundo autovalor e autovetor devem ser encontrados na matriz A2, definida por:
t A 2 = A 1 x1 x1
(2.53)
E assim o processo repetido at que um nmero rn de pares de autovalores e autovetores sejam obtidos.
Ferreira, D.F.
73
Exemplo 2.7
aplicar o power method e determinar os autovalores e autovetores da matriz apresentada a seguir:
4 2 A= 2 1
1. Determinao de 1 e x1
1 O vetor v (0) ser considerado como: v (0) = 1
Na avaliao da convergncia, o autovetor em cada estgio ser padronizado atravs da diviso pelo elemento de maior valor do mesmo.
(i)
(1)
= Av
(0)
4 2 1 6 = = 2 1 1 3
Normalizando v (1) :
(1)
6 1 = 6 = 1 3 6 2
74
Para avaliar a convergncia, os vetores v (0) e v (1) devem ser comparados. Ser considerado, convergente se todos os elementos de v (1) forem semelhantes aos elementos correspondentes de v (0) , para uma preciso pr estipulada, ou seja, de 1x10-8. Neste caso, os vetores diferem consideravelmente.
(ii)
4 2 1 5 v (2) = Av (1) = 1 = , normalizando 2 1 2 2.5 1 v (2) = 1 2
Comparando-se v (2) com v (1) , padronizados, verifica-se que so idnticos, indicando que o critrio de convergncia foi alcanado. O autovetor x1 obtido pela normalizao de
t autovalor 1, por 1 = x1 A x1 .
v (2) e o primeiro
V (2) V (2)t V (2)
0,8944 = 0, 4472
0,8944 t 1 = x1 A x1 = [ 4, 4721 2, 2361] =5 0, 4472
2. determinao de 2 e x 2
4 2 0,8944 0 0 t A 2 = A 1x1 x1 = 5 0, 4472 [ 0,8944 0, 4472] = 0 0 2 1
Ferreira, D.F.
75
Portanto os demais autovalores e autovetores de A so nulos (2=0 e

x 2 = 0 ).
Os autovalores da matriz da forma quadrtica podem servir para classificao das mesmas. Demonstra-se que se todos os autovalores da matriz A, dado Q = x t Ax , forem positivos e maiores que zero a matriz A positiva definida e a forma quadrtica positiva. Se A possui autovalores positivos e nulos a matriz ser psd, e a forma quadrtica poder ser nula para um vetor x 0 . Os resultados apresentados at agora, a respeito de formas quadrticas, so conseqncias da expanso de matrizes simtricas em um processo denominado de decomposio espectral. A decomposio espectral de uma matriz A (nxn), simtrica, dada por:
t t A = 1e1e1 + 2 e 2 e 2 +
t + n en en
(2.54)
em que i (i=1, 2, ..., n) so os autovalores de A e ei so os autovetores normalizados associados.
Exemplo 2.8
Considere a matriz simtrica:
4 2 A= 2 2
com os autovalores e autovetores normalizados, apresentados a seguir:
76
0,8507 1 = 5, 2361 e1 = 0,5257
0,5257 2 = 0, 7639 e 2 = 0,8507
Obtenha a decomposio espectral de A.
3, 7893 2,3417 t 1e1e1 = 2,3417 1, 4471
0, 2111 0,3416 t 2e2e2 = 0,3416 0,5528
4 2 3, 7893 2,3417 0, 2111 0,3416 2 2 = 2,3417 1, 4471 + 0,3416 0,5528
A expresso da distncia como raiz quadrada de uma forma quadrtica positiva definida permite que se obtenha a interpretao geomtrica baseada nos autovalores e autovetores de uma matriz. Dada uma matriz A, pxp, e suponha que p=2, os pontos x t =[x1, x2] de distncia constante satisfazem a: c da origem
2 2 x t Ax = a11X1 + a 22 X 2 + 2a12 X1 X 2 = c 2
pela decomposio espectral de A, como no exemplo 2.8, tem-se:
Ferreira, D.F.
t t A = 1e1e1 + 2 e 2 e 2
77
x t Ax = 1 ( X t e1 ) + 2 ( X t e 2 )
2
2 Fazendo yi = x t ei , obtm-se: c 2 = 1 y1 + 2 y 2 que uma elipse, pois i>0. Verifica2
t se que x = c1 2 e1 satisfaz x t Ax = 1 c1 2 e1e1

1
= c2 e x = c 2 e 2 fornece a 2
1
apropriada distncia na direo de e 2 . Portanto, os pontos de distncia
pertencem a uma elipse cujos eixos so dados pelos autovetores de A com tamanhos proporcionais ao recproco da raiz quadrada dos autovalores. A constante de proporcionalidade c. A situao ilustrada na Figura 2.1. Se p>2 os pontos pertencem a uma hiperelipside de distncia c constante da origem, cujos eixos so dados pelos autovetores de A. O semi eixo na direo i tem comprimento de
i
c
e 2 c 1 c
-0,5 -0,5
e 1
Figura 2.1. Pontos de distncia c constante da origem (1 < 2).
78
Matriz raiz quadrada
A partir da decomposio espectral, possvel definir uma categoria de matriz, em funo dos autovalores e autovetores, denominada de matriz raiz quadrada. Sendo A (nxn), uma matriz com decomposio espectral dada por
A = i ei eit , pode-se construir uma matriz P, cujas colunas so os autovetores

i =1
normalizados de A, tal que, P = [ e1 e 2
e n ] , e uma matriz diagonal, como os
autovalores de A, tal que, =diag[i]. fcil verificar que:
A = P P t
n 1 A 1 = P 1P t = ei eit i =1 i
(2.55)
Definindo, 1/2 como uma matriz diagonal com
i como elemento
da i-sima diagonal, ento, a matriz a seguir definida como matriz raiz quadrada de A e simbolizada por A1/2.
A = i ei eit = P 2 P t
1 2 1
(2.56)
i =1
Ferreira, D.F.
79
As suas propriedades so:
1. (A1/2)t= A1/2
(A1/2 simtrica)
2. A1/2A1/2=A
3. A
( )
1 2
=
i =1
1 i
ei eit = P 2 P t
1
4. A1/2A-1/2=A-1/2A1/2=
A-1/2A-1/2=A-1
em que A-1/2 = (A1/2)-1
Exemplo 2.9
Obtenha a matriz raiz quadrada e a inversa da matriz utilizada no exemplo (2.8), usando as equaes (2.55) e (2.56):
4 2 A= 2 2
com autovalores e autovetores normalizados, apresentados a seguir:
80
0,8507 1 = 5, 2361 e1 = 0,5257
0,5257 2 = 0, 7639 e 2 = 0,8507
As matrizes P e foram obtidas pelos autovalores e autovetores, e esto apresentadas a seguir:
0,8507 0,5257 P= 0,5257 0,8507
0 5, 2361 = 0, 7639 0
0,8507 0,5257 1 5,2361 A 1 = P 1P t = 0,5257 0,8507 0
0 0,8507 0,5257 1 2 1 2 = 1 0,8507 1 2 1 0,7639 0,5257
A 2 = P 2 P t =
1 1
0,8507 0,5257 5, 2361 = 0 0,5257 0,8507
0,8507 0,5257 1,8975 0, 6324 = 0, 7639 0,5257 0,8507 0, 6324 1, 2649 0
A seguir, um programa SAS apresentado contendo os principais comandos para a realizao das vrias operaes matriciais e vetoriais descritas nesse captulo.
Ferreira, D.F.
81
/* Capitulo 2 de multivariada - principais operaes matriciais descritas */ /* por meio do proc iml. Rotinas de inverso, multiplicao, transposio */ options nodate nonumber ps=1000 ls=76; proc iml; /* elementos de algebra vetorial*/ x1={1,1,1,1}; x2={1,1,0,0}; x3={0,0,1,1}; print x1 x2 x3; y=4*x1; z=x1+x2; print y z; yz=y` * z; yy=y`*y; /*distancia quadratica*/ dy=sqrt(yy); /* distancia da origem*/ zz=z`*z; dz=sqrt(zz); costeta=yz/(dy*dz); print yz yy zz dy dz costeta; /* elementos de algebra matricial*/ x=x1||x2||x3;/* concatenando vetores para obter uma matriz*/ xpx=x`*x; xx=xpx#xpx; /* produto de xpx elemento a elemento por xpx*/ print x xpx xx; /*calculo da base ortonormal de Gramshimidt - a matriz p contm as colunas ortonormalizadas de X*/ Call Gsorth(p, t, lindep, X); print lindep p t; /* calculo de autovalores e autovetores */ pu=eigvec(xpx); /* pu matriz de autovetores */ au=eigval(xpx); /* au vetor de autovalores */ print pu; print au; a={4 2,2 2}; /* matriz A*/ ainv=inv(a); /* inversa de A*/ deta=det(a); /* determinante de A*/ print a ainv deta; c={4 2 2,2 2 0, 2 0 2}; detc=det(c); print c detc; /* fator de Cholesky A=S`S em que S e uma matriz triangular superior */ /* S e a transposta do fator de Cholesky */ Sc=root(c); /* matriz c e singular, porem o SAS calcula assim mesmo o fator de Cholesky */ /* pode-se observar que a ultima linha, da matriz Sc e nula devido a isso*/ Sa=root(a); b={4 2 0,2 2 1,0 1 2}; print b; sb=root(b); print Sc Sa sb; /*maximizao de pares de formas quadrticas */ /* resolver (D - lG)e=0 */ D={4 2,2 2}; G={7 1,1 4}; print D G; Sg=root(G); /* transposta do fator de Cholesky de G */ Sginv=inv(Sg); /* inversa da transposta do fator de Cholesky de G */
2. lgebra vetorial e matricial print Sg Sginv; II=Sginv`*G*Sginv; /* mostrar que igual a identidade */ print ii; H=Sginv`*D*Sginv; /* operar D, e em seguida extrair auto valores e vetores */ print H; /* D transformada */ zh=eigvec(H); /* zh matriz de autovetores */ auh=eigval(H); /* auh vetor de autovalores */ xh=Sginv*zh; /* matriz de autovetores recuperados */ teste=xh`*g*xh; print teste;/*mostrar que resulta na identidade*/ print xh; print auh; /* obtencao de matriz raiz quadrada - exemplificar com a matriz D */ aud=eigval(D); /* autovalores de D*/ lamb=diag(aud); /* diagonalizando aud e resultado em lamb */ print lamb; lambS=root(lamb); /* achando a raiz quadrada de lamb */ avd=eigvec(D); /* autovetores de D em avd */ Droot=avd*lambS*avd`; /* usando a definio para encontrar a matriz raiz quadrada de D */ print Droot; DD=avd*lamb*avd`; /* checando propriedades */ print DD; /* deve ser igual a D */ quit;
82
2.4. Exerccios
2.1. Sejam os vetores x =[3, 2, 4] e y ' =[-1, 2, 2]
(a) plote os dois vetores
(b) encontre (i) o comprimento de x , (ii) o ngulo entre x e y , e (iii) a distncia entre x e y .
(c) plote os vetores x x.1 e y y.1 ( x = 3 e y = 1).
Ferreira, D.F.
83
2.2. Dada a matriz

1 1 X = 1 1 1 1 0 0 1 0 0 0 1 0 0 1 0 0 0 1
(a) Ortonormalize as colunas de X, usando a construo de Gram-Schimidt.
(b) Determine o vetor (coluna de x) linearmente dependente.
(c) Determine o posto coluna de X, a partir da construo de Gram-Schimidt realizada em (a).
2.3. Dadas as matrizes

4 2 2 A = 2 2 0 2 0 4 6 4 2 B = 4 4 0 2 0 6
(a) Obtenha a inversa de A e de B, usando o algoritmo de Gauss-Jordan.
(b) Verifique usando o processo de Gauss-Jordan que (AB)-1=B-1A-1.
2.4. Verifique se a matriz
84
0,8507 0,5257 P= 0,5257 0,8507
uma matriz ortogonal.
2.5. Seja
8 1 A= 1 2
(a) Calcule o determinante de A.
(b) Com base em (a) a matriz A pode ser considerada positiva definida? Porque?
(c) Obtenha o fator de Cholesky, e confirme a resposta dada em (b).
(d) Determine os autovalores e autovetores de A.
(e) Obtenha a decomposio espectral de A.
(f) Encontre A-1.
Ferreira, D.F.
85
(g) Encontre os autovalores e autovetores de A-1. Verifique que relao tem como os valores encontrados em (d).
2.6. Considere as matrizes
4, 001 4 A= 4, 001 4, 002
4, 001 4 B= 4, 001 4, 002001
As matrizes so idnticas, exceto por pequenas diferenas no elemento, a22 e b22 devida a arredondamentos. Mostre que A-1 = -3B-1 (pequenas mudanas, talvez devido a arredondamentos, podem causar substanciais diferenas na inversa).
2.7. Verifique se a forma quadrtica
2 Q = 2x1 2x1 x 2 + 4x 2 2
positiva definida.
Sugesto: Verificar se Q = x t Ax positiva, pode ser feita verificando se A pd.
2.8. Dada as matrizes
86
4 1 A= 1 2
2 1 B= 1 1
(a) determine os autovalores e autovetores que maximizam a razo
x t Ax = t x Bx
B 0
Obs. O que equivalente a resolver o sistema determinantal dado por (2.51)
A B = 0 .
(b) Determine a matriz raiz quadrada de A e de B.
2.9. Dada a matriz de covarincia amostral (S)
25 S= 2
2 4
(a) Determine R, dada D1/2, definida por:
Ferreira, D.F.
87
S11 0 1 D 2 = 0
0 S22 0
0 0 Spp
Sendo R = D
( ) S (D )
1 2
(b) Verifique a relao
S= D
( ) R (D )
1 2 1 2
88
||[
Amostragem multivariada
]||
3.1. Introduo
Com os conceitos de lgebra vetorial introduzidos no captulo 2, pode-se aprofundar na interpretao geomtrica das estatsticas descritivas X , S e R. A maioria das explicaes usam a representao das colunas de X, como p pontos no espao n dimensional. Ser introduzida neste instante a pressuposio de que as observaes constituem uma amostra aleatria. De uma forma simplificada, amostra aleatria significa (i) que as medidas tomadas em diferentes itens (unidades amostrais ou experimentais) so no relacionadas uma com as outras, e (ii) que a distribuio conjunta das p variveis permanece a mesma para todos os itens. Essa estrutura de amostra aleatria que justifica uma escolha particular de distncia e dita a geometria para a representao n dimensional dos dados. Finalmente, quando os dados podem ser tratados como uma amostra aleatria inferncia estatstica ter por base um slido fundamento.
3. Amostragem multivariada
90
3.2. Geometria amostral
Uma observao multivariada uma coleo de medidas em p variveis tomadas na mesma unidade amostral ou experimental. No captulo 1, item 1.3, as n observaes obtidas foram dispostas em um arranjo (Matriz) X por,
x11 x 21 X = x j1 xn1
x12 x22 x j2 xn 2
x1k x2 k x jk xnk
x1 p x2 p x jp xnp
em que cada linha de X representa uma observao multivariada. Desde que o conjunto todo de mensuraes muitas vezes uma particular realizao de variveis aleatrias, diz-se que os dados representam uma amostra de tamanho n de uma populao p variada. Os dados podem ser plotados por um grfico com p coordenadas. As colunas de X representam n pontos no espao p dimensional. Esse tipo de grfico fornece informaes de locao dos pontos e de variabilidade. Se os pontos pertencem a uma esfera, o vetor de mdias amostrais, X , o centro de balano ou de massa. Se a variabilidade ocorre em mais de uma direo, pode-se detectar pela matriz de covarincia, S. Uma medida numrica nica de variabilidade fornecida pelo determinante da matriz de covarincia.
Ferreira, D.F.
91
Exemplo 3.1
Calcule o vetor mdia X para a matriz X apresentada a seguir. Plote os n = 3 pontos no espao p=2 (bidimensional) e localize X no diagrama resultante.
2 1 X = 3 0 2 2
A mdia amostral dada por:
2 + ( 3 ) + ( 2 ) X = (1 + 0 + 2 )
3 1 = 3 1
t t O primeiro ponto dado por X1 = [ 2 1] , o segundo por X 2 = [ 3 0] , e t o terceiro por X 3 = [ 2 2] . A Figura 3.1 mostra os pontos juntamente com X ,
centro de massa ou de balano, obtidos a partir da matriz X.
92
3 x3 _ x 1 x2 -4 -3 -2 -1 -1
2 x1
0 0 1 2 3 4
-2
-3
Figura 3.1. Diagrama com n=3 pontos no espao bidimensional (p=2) mostrando o centro de massa, X .
Uma representao alternativa obtida atravs da considerao de p pontos no espao n dimensional. Os elementos das linhas de X so utilizados como coordenadas.
Ferreira, D.F.
93
x11 x 21 X = x j1 xn1 = y1
x12 x22 x j2 xn 2 y2
x1k x2 k x jk xnk yk
x1 p x2 p x jp xnp yp
As coordenadas do k-simo ponto
t y k = [ x1k
x 2k
x nk ]
determinada pela n-upla de todas as medidas da k-sima varivel. conveniente

t representar y k como vetor ao invs de pontos.
Exemplo 3.2
Plote os dados da matriz X, com p=2 vetores no espao tridimensional (n=3)
2 1 X = 3 0 3 2
t t y1 = [ 2 3 2] e y 2 = [1 0 2]
3
94
Y2
Y1
2 1
Figura 3.2. Diagrama da matriz de dados X como p=2 vetores no espao tridimensional.
Muita das expresses algbricas que sero encontradas na anlise multivariada, podem ser relacionadas s noes geomtricas de ngulos, comprimento (norma) e volumes. Isto importante, pois representaes geomtricas facilitam a compreenso e conduz a novas vises. Infelizmente, o ser humano est limitado a visualizar objetos no espao tridimensional, e as representaes da matriz X no sero teis se n>3. No entanto, os relacionamentos geomtricos e os conceitos estatsticos associados, descritos para o espao tridimensional ou bidimensional, permanecem vlidos para dimenses maiores.
Ferreira, D.F.
95
possvel, em funo do exposto, prover uma interpretao geomtrica ao processo de encontrar a mdia amostral. O vetor 1 (nx1) ser definido por 1t =[1 1 1]. O vetor 1 forma um ngulo igual com cada um dos eixos coordenados, de tal forma que
(1 n )1
tenha comprimento unitrio e

x 2k x nk ] , cuja
t mesmo ngulo de direo. Considerando o vetor y k = [ x1k
projeo em 1
n 1 :
1 1 y 1 1= n n
t k
X
j=1
jk
1=
1 t yk 1 1 = X k 1 n
( )
Pois, a projeo geral de X em Y dada por:
Proj ( X em Y ) =
Xt Y Y Y
Dessa forma X k =
1 t y k 1 corresponde a um mltiplo de 1, obtido a n
( )
t partir da projeo de y k em um vetor 1 , de acordo com o esquema a seguir.
96
= y
em que, y k X k 1 perpendicular a X k 1 . Observe, tambm, que e k = y k X k 1 definido como desvio da k-sima varivel em relao a sua mdia amostral, e consiste nos elementos apresentados a seguir:
x1k X k x 2k X k ek = yk X k 1 = x nk X k
A decomposio de yi , nos vetores mdia e desvio da mdia est apresentada esquematicamente na Figura 3.3 para p=2 e n=3.
Ferreira, D.F.
97
x3
1 _ x 21 e2 Y2 x2 _ x 11 e1 Y1
x1
Figura 3.3. Decomposio de y k em componentes de mdia X k 1 e componentes de desvio e k = y k X k 1 .
Exemplo 3.3
Faa a decomposio de y k em componentes de mdia X k 1 e componentes de desvio e k = y k X k 1 , k=1, 2, para os dados do exemplo 3.2.
98
2 1 X = 3 0 3 2
t y1 = [ 2 3 2]
t y 2 = [1 0 2]
X1 =
2 + (3) + (2) = 1 3
X2 =
1+ 0 + 2 =1 3
1 1 X11 = 1 1 = 1 1 1
1 1 X 2 1 = 1 1 = 1 1 1
2 1 3 e1 = y1 X11 = 3 1 = 2 2 1 1
1 1 0 e 2 = y 2 X 2 1 = 0 1 = 1 1 1 1
Observa-se que: X11 e e1 , X 2 1 e e 2 , so perpendiculares.
( X 1) (
t 1
3 y1 X11 = [ 1 1 1] 2 = 3 + 2 + 1 = 0 1
A decomposio :
Ferreira, D.F.
99
2 1 3 y1 = 3 = 1 + 2 ; e 2 1 1
1 1 0 y 2 = 0 = 1 + 1 . 2 1 1
Os vetores de resduos podem ser plotados a partir da origem, como apresentado na Figura 3.4, para os resduos do exemplo 3.3.
X3
e2 e1
X2
X1
Figura 3.4. Vetores de desvios ei do exemplo 3.3.
Considere o comprimento ao quadrado dos vetores de desvios, obtidos por (2.2):
| e k |2= e k . e k = ( x jk X k ) 2
j =1
(3.1)
Observa-se por (3.1) que o comprimento ao quadrado dos vetores de desvios proporcional varincia da i-sima varivel. Equivalentemente, o
100
comprimento proporcional ao desvio padro. Vetores longos representam maiores variabilidades que os vetores mais curtos. Para dois vetores desvios e k e e :
t ek e = ( x jk X k )( x j X j =1
(3.2)
De (2.3) e denotando o ngulo ik como o ngulo formado pelos vetores e k e e , tem-se:
Cos ( k ) =
t ek e t ek ek e t e
(3.3)
Usando (3.1) e (3.2) fcil verificar que (3.3) :
rk = Cos ( k ) =
Sk Skk S
(3.4)
O coseno do ngulo formado entre dois vetores desvios igual ao coeficiente de correlao amostral. Portanto, se os dois vetores de desvios possuem a mesma orientao, o coeficiente de correlao ser prximo de 1. Se os dois vetores esto prximos de serem perpendiculares, a correlao amostral ser prxima de zero. Se os dois vetores forem orientados em direes opostas, o coeficiente de correlao amostral ser prximo de -1. Os conceitos de
Ferreira, D.F.
101
comprimento e ngulos permitem que se faam interpretaes das estatsticas amostrais geometricamente, e auxiliam na compreenso dos seus significados.
3.3. Amostras aleatrias e esperanas do vetor de mdia e da matriz de covarincia amostral.

Com a finalidade de estudar a variabilidade amostral de estatsticas como X e S com a finalidade de se fazer inferncias, necessrio fazer pressuposies a respeito das variveis cujos valores observados constituem um conjunto de dados X. Supondo que os dados no foram ainda observados, mas pretende-se obter n mensuraes em p variveis. Antes de serem mensurados, os valores no podem em geral ser preditos exatamente. Conseqentemente, estes so tratados como variveis aleatrias. Neste contexto, os elementos (j, k) da matriz de dados representam realizaes de uma varivel aleatria, Xjk. Cada conjunto de medidas X j em p variveis um vetor aleatrio.
x11 x 21 X = x j1 xn1
x12 x22 xj2 xn 2
x1k x2 k x jk xnk
x1 p X 1t t x2 p X 2 = x jp X tj t xnp X n
(3.5)
102
Uma amostra aleatria pode ser definida por: Se o vetor coluna

X1 , X 2 , ..., X n em (3.5), representa independentes observaes com distribuio
conjunta com densidade f( x )=f(x1, x2, ..., xp), ento X1 , X 2 , ..., X n uma amostra aleatria. Se a funo conjunta de densidade igual ao produto das marginais f( x 1) . f( x 2) . ..., . f( x n), sendo f( x j)=f(xj1, xj2, ..., xjp), ento, X1 , X 2 , ..., X n uma amostra aleatria. Algumas concluses podem ser obtidas da distribuio de X e S sem pressuposies sobre a forma da distribuio conjunta das variveis. Dessa forma, considere X1 , X 2 , ..., X n como sendo uma amostra aleatria de uma distribuio conjunta com vetor mdia e matriz de covarincia . Ento, X um estimador no viciado de e sua matriz de covarincia
1 n
. Isto ,
E( X ) =
(vetor mdia populacional)
Cov( X ) =
(Matriz de covarincia populacional dividida pelo tamanho da amostra).
PROVA:
X =( X 1+ X 2+...+ X n)/n
Ferreira, D.F.
1 + n Xn )
103
1 1 E(X) = E ( n X1 + n X 2 +
1 1 = E ( n X1 ) + E ( n X 2 ) +
1 + E ( n Xn )
1 1 nE ( X j ) = n n n
E(X) =
Para provar o valor da covarincia, pode-se observar que:
1 n ( X - ) ( X - ) = Xj n j=1
t
1 n 1 X = 2 n n =1
( X
n n j=1
=1
)(
Ento,
Cov ( X ) = E X X =
t
)(
1 n2
E ( X
n n j=1
=1
)(
Sendo j
e considerando que E X j X
)(
igual a zero,
devido a covarincia entre os elementos independentes X j e X ser nula, ento,
Cov ( X ) =
1 n2
E (X
n j=1
Xj
)(
104
Desde que = E X j X j dos componentes X j , tm-se:
)(
a covarincia populacional comum
Cov ( X ) =
1 n2
E (X
n j=1
Xj =
)(
1 ( + + n2
+ ) =
1 1 (n) = 2 n n
3.4. Varincia Generalizada
Com uma nica varivel, a varincia da amostra usada para descrever a variao nas mensuraes desta varivel. Quando p variveis so observadas em cada unidade da amostra ou do experimento, a variao descrita pela matriz de varincia e covarincia amostral.
S 11 S 21 S= S p1
S 12 S 22 Sp2
S 1p S 2p S pp
A matriz de covarincia amostral contm p varincias e p(p-1) covarincias, potencialmente diferentes. Algumas vezes, no entanto, deseja-se expressar a variao por um nico valor numrico. Uma escolha deste valor o determinante de S, o qual reduz varincia amostral usual para o caso de uma
Ferreira, D.F.
105
nica varivel (p=1). Este determinante denominado de varincia amostral generalizada.
Varincia amostral Generalizada=|S|
(3.6)
Exemplo 3.4
O peso de espiga PE (X1), e o nmero de espigas NE (X2), foi avaliado em 28 variedades de milho em Sete Lagoas, MG. A matriz de covarincia amostral S, obtida dos dados :
2,905 9,096 S= 9,096 90,817
A varincia generalizada neste caso :
Varincia amostral Generalizada = |S| = 2,905x90,817 - 9,0962 = 181,0862
A varincia amostral generalizada se constitui numa forma de escrever toda a informao de todas as varincias e covarincias como um nico valor numrico. Obviamente, quando p>1 possvel que algumas informaes amostrais sejam perdidas no processo. A interpretao geomtrica, no entanto, poder mostrar a fora e as fraquezas desta estatstica descritiva.
106
Considerando-se o volume (rea) gerado no plano definido por dois vetores de desvios e1 = Y1 X11 e e 2 = Y2 X 2 1 . Seja Le1 e Le2 os comprimentos dos vetores e1 e e 2 , respectivamente. Da geometria tm-se:
e1 h= Le1Sen() Le2
e2
A rea do trapezide Le1 x Sen() x Le2, podendo ser expressa por:
rea= Le1 Le 2 1 cos 2 ( )
Mas, L e1 =
(X
j=1
j1
X1 ) 2 = (n 1)S11
L e2 =
(X
j=1
j2
X 2 ) 2 = (n 1)S22
Cos()=r12
Portanto,
Ferreira, D.F.
107
2 rea = (n 1) S11S22 (1 r12 )
(3.7)
Por outro lado,
S=
S11 S21 S11 = S12 S22 S11 S22 r12
S11 S22 r12 S22

(3.8)
2 2 = S11 S22 S11 S22 r12 = S11 S22 (1 r12 )
Se (3.7) e (3.8) forem comparados, pode-se observar que:
|S|=(rea)2/(n-1)2
Esta expresso pode ser generalizada para p vetores desvios por induo:
Varincia amostral Generalizada = |S| = (Volume)2.(n-1)-p
(3.9)
A equao (3.9) mostra que a varincia amostral proporcional ao quadrado do volume gerado pelos p vetores desvios. Na Figura 3.5 (a) e (b) mostra-se regies trapezoidais geradas com p=3 vetores resduos
correspondentes a grandes e pequenas varincias amostrais generalizadas, respectivamente.
108
(a)
(b)
e3 e2 e1
e2 e3 e1
Figura 3.5. (a) grande varincia amostral generalizada, e (b) pequena varincia amostral generalizada, para p=3.
Para um tamanho amostral fixo, bvio que |S| cresce com o aumento do comprimento dos vetores de desvios ei (ou
( n 1)Sii ). Em adio, o
volume aumentar para um comprimento fixado, se os vetores residuais forem movidos at possurem ngulos retos. Por outro lado se um ou mais dos vetores residuais aproximar do hiperplano formado por outros vetores residuais, o volume diminuir tendendo a zero. Apesar de a varincia amostral generalizada possuir algumas interpretaes geomtricas formidveis como as ilustradas na Figura 3.5, ela sofre
Ferreira, D.F.
109
alguns problemas como estatstica amostral capaz de sumariar a informao contida na matriz S. Para ilustrar estas deficincias, considere as matrizes de covarincias e os coeficientes de correlaes apresentados a seguir.
10 8 S= 8 10 r12 = 8 = 0,8 10 10
10 8 S= 8 10 r12 = 8 = 0,8 10 10
6 0 S= 0 6 r12 = | S |= 36 0 = 0, 0 6 6
| S |= 36
| S |= 36
Apesar das trs matrizes possurem a mesma varincia amostral generalizada (|S|=36), elas possuem estruturas de correlaes distintas. Portanto, diferentes estruturas de correlaes no so detectadas pela varincia amostral generalizada. As situaes em que p>2 podem ser ainda mais obscuras. Muitas vezes desejvel mais informaes do que um simples valor como |S| pode oferecer como resumo de S. Pode-se mostrar que |S| pode ser expresso como produto dos autovalores de S (|S|=1.2....p). A elipside centrada na mdia baseada em S-1, possui eixos de comprimento proporcionais a raiz quadrada de is de S, que reflete a variabilidade no sentido do i-simo autovalor. Esta elipside apresentada a seguir.
( X X ) 'S ( X X ) = c
1
(3.10)
110
Demonstra-se que o volume desta hiperelipside proporcional raiz quadrada de |S|. Desta forma, os autovalores, fornecem informaes da variabilidade em todas as direes da representao no espao p-dimensional dos dados. Portanto, mais til apresentar seus valores individuais do que seu produto. Este tpico ser abordado com mais detalhe quando se discutir sobre os componentes principais. A varincia amostral generalizada ser zero se um ou mais vetores residuais pertencerem a um (hiper) plano formado por uma combinao linear dos outros, ou seja, quando as linhas da matriz de desvios, forem linearmente dependentes.
Exemplo 3.5
Mostre que |S|=0 para
3 3 6 X = 1 3 4 2 0 2
O vetor mdia :
X t = [ 2 2 4]
Os vetores dos desvios so:
Ferreira, D.F.
111
X 1 X t = [ e1 e2
1 1 2 e3 ] = 1 1 0 0 2 2
t t t Verifica-se que e3 = e1 + e 2 , ou seja:
[2 0 -2] = [1 -1 0] +[1 1 -2] = [2 0 -2] c.q.d.
Isto significa que um dos vetores resduos, pertence ao plano gerado pelos outros dois. Desta forma o volume tridimensional zero (degenerescncia). Este caso ilustrado na Figura 3.6 e demonstrado numericamente atravs da obteno de |S|.
1 0 1 S = 0 3 3 1 3 4
Pela definio (2.9), tm-se:
| S| = 1
3 3 3 4
( 1) 2 + 0
0 1 3 4
( 1) 3 + 1
0 1 3 3
( 1) 4 =
= 131 + 0 + 1.( 3).1 = 3 3 = 0 ..
3
112
e1
e3
e2
Figura 3.6 Caso em que |S|=0 (degenerescncia) para o volume tridimensional.
Em qualquer anlise estatstica o resultado |S|=0 indica que existem variveis redundantes, ou seja, que possuem a mesma informao, e que estas podem ser removidas do estudo. A matriz de covarincia reduzida, ser de posto completo e a varincia generalizada diferente de zero. A questo de quais variveis devem ser removidas no caso de degenerescncia no fcil de responder e ser abordado nos estudos de componentes principais. No entanto, quando h possibilidade de escolha, o pesquisador deve reter as medidas de uma varivel (presumidamente) causal ao invs de uma caracterstica secundria.
Ferreira, D.F.
113
3.5.Varincia generalizada de variveis padronizadas

A varincia amostral generalizada influenciada pela diferena de variabilidade das mensuraes das variveis individuais, ou seja, caso a varincia amostral de uma determinada varivel (Sii) seja grande ou pequena em relao s demais. O vetor residual correspondente ei = Yi x i 1 ser muito longo ou muito curto, do ponto de vista geomtrico e ter um papel importante na determinao do volume. muitas vezes necessrio, em funo do exposto, padronizar os vetores residuais, de tal forma que eles tenham o mesmo comprimento. A padronizao destes vetores residuais equivalente a transformar as variveis originais xjk pelos seus valores
(x
jk
xk )
S kk . A matriz de
covarincia amostral das variveis padronizadas ser ento igual a R, ou seja, igual a matriz de correlao das variveis originais. Dessa forma pode-se definir:
Varincia generalizada amostral das variveis padronizadas=|R|
(3.11)
Os vetores resduos resultantes, cujos valores so dados por ejk= ( x jk xk )
S kk , possuem todos os comprimentos iguais a
n 1. A varincia
generalizada amostral das variveis padronizadas ser grande se estes vetores forem perpendiculares e ser pequena se dois ou mais deles tiverem prximas da mesma direo. Em (3.4) foi visto que o co-seno do ngulo ik entre os vetores residuais ei e e k , com ik, igual ao coeficiente de correlao amostral rik. Dessa
114
forma, o |R| ser grande quando todos os rik forem prximos de zero e ser pequeno quando um ou mais dos rik for prximo de -1 ou de +1. Utilizando os mesmos argumentos que conduziram a (3.9) pode-se verificar que:
|R|=(n-1)-p(volume)2
(3.12)
volume
gerado
pelos
vetores
desvios
de
p=3
variveis
padronizadas est ilustrado na Figura 3.7. Estes vetores desvios padronizados so correspondentes aos vetores desvios da Figura 3.5, cuja comparao revela que a influncia do vetor e 2 (com grande variabilidade na direo de x2) no volume quadrado de |S| maior do que sua influncia no volume quadrado de |R|.
(a)
(b)
e3 e2 e1 e2 e3 e1
Figura 3.7. Volume gerado por trs variveis padronizadas: (a) grande varincia e (b) pequena varincia generalizada.
As quantidades |S| e |R| so relacionadas por:
Ferreira, D.F.
115
|S| = (S11 S22 ... Spp) |R|
(3.13)
Exemplo 3.6
ilustrada atravs deste exemplo a relao (3.13) entre |S| e |R| para p=3 caracteres de milho (x1: dimetro do colmo; x2: nmero de folhas; e x3: comprimento de folhas). A matriz R e S obtidas so:
100 0,30 0,31 4,935 0,552 2,921 , , , S = 0,552 0,686 1932 e R = 0,30 100 0,55 0,31 0,55 100 , , 2,921 1932 17,993
Usando-se a definio de determinante (2.9), tem-se:
|S|=37,3878
|R|=0,6137
Usando (3.13) e os resultados obtidos:
|S| = (S11 S22 ... Spp) |R|
37,3878 = (4,935 x 0,686 x 17,993) x 0,6137
116
37,387837,3828
(verificado,
apesar
da
pequena
diferena
devido
aproximaes nos clculos)
3.6. Outra generalizao da varincia
Uma outra medida capaz de sintetizar a informao contida na matriz de covarincia que utilizada em componentes principais definida pela soma dos elementos da diagonal da matriz de covarincia S e denominada de varincia amostral total. Portanto,
Varincia amostral total = Trao de S= Tr(S) =S11+S22+...+Spp
(3.14)
Exemplo 3.7
Calcular a varincia amostral total da matriz S do exemplo (3.6)
Tr(S)= S11+S22+S33=4,935+0,686+17,993=23,614
Geometricamente a varincia amostral total representa a soma dos comprimentos ao quadrado dos vetores residuais ei (i=1, 2, ...,p) dividido por n-1. Ela no considera as orientaes dos vetores residuais, sendo portanto limitada
Ferreira, D.F.
117
para ser utilizada com variveis padronizadas, pois seu valor ser sempre o mesmo para distintos conjuntos de dados desde que o nmero de variveis destes seja igual.
3.7. Exerccios
3.7.1. Plote os n=4 pontos no diagrama bidimensional e localize X no diagrama resultante.
1 1 1 1 X = 1 1 1 1
3.7.2. Encontre o ngulo entre os vetores y1 e y 2 do exemplo 3.1. Calcule o co-seno do mesmo e discuta sobre o significado deste resultado.
3.7.3. Obtenha a decomposio dos vetores y1 e y 2 do exemplo 3.1 em componente de mdia e componente de desvio. Comprove a
ortogonalidade dos componentes de mdia com os vetores de desvios ou residuais.
118
3.7.4. Calcule usando (3.3) o coseno do ngulo entre os vetores residuais e1 e e 2 obtidos em 3.3. Calcule o coeficiente de correlao usando (1.4) entre as variveis 1 e 2, e compare os resultados obtidos.
3.7.5. Obtenha as matrizes de covarincia amostral para o conjunto de dados do exerccio 3.7.1, e calcule as varincias amostrais generalizadas das variveis originais e padronizadas. Calcule tambm a varincia amostral total.
3.7.6. Qual a rea do trapezide gerado pelos p=2 vetores desvios, do exerccio 3.7.1.
Distribuio normal multivariada

4.1. Introduo
A generalizao da densidade normal univariada para duas ou mais dimenses desempenha um papel fundamental na anlise multivariada. De fato, a maioria das tcnicas multivariadas parte do pressuposto de que os dados foram gerados de uma distribuio normal multivariada. Apesar dos dados originais no serem quase nunca exatamente normal multivariados, a densidade normal se constitui muitas vezes numa aproximao adequada e til da verdadeira distribuio populacional. A distribuio normal, alm da sua atratividade pela sua facilidade de tratamento matemtico, possui duas razes prticas que justificam a sua utilidade. A primeira, diz que a distribuio normal a mais adequada para modelos populacionais em vrias situaes; e a segunda refere-se ao fato da distribuio amostral de muitas estatsticas multivariadas ser aproximadamente normal, independentemente da forma da distribuio da populao original, devido ao efeito do limite central.
4. Distribuio normal multivariada
120
4.2. Pressuposies das anlises multivariada
importante compreender que as anlises estatsticas de modelos com erros aditivos baseiam-se na pressuposio de normalidade. A distribuio normal requerida refere-se, no a variao dos dados, mas a variao residual, dos erros existentes entre as observaes e o modelo ajustado. A variao sistemtica dos dados deve-se presumidamente aos efeitos fixos dos modelos e o restante da variao aleatria devida a pequenas influncias independentes, as quais produzem resduos com distribuio normal (Bock, 1975). Um segundo ponto, muitas vezes negligenciado nas discusses das pressuposies sobre a distribuio, refere-se ao fato de que as afirmaes probabilsticas dos testes de significncia e dos intervalos de confiana, dizem respeito a estatsticas tais como mdias amostrais ou diferenas entre mdias, e no a distribuio das observaes individuais. conhecido que a distribuio destas estatsticas torna-se tipicamente normal quando a amostra aumenta de tamanho. Este resultado se deve ao teorema do limite central. Do ponto de vista prtico existem considerveis vantagens de se trabalhar com grandes amostras. Nestes casos, a violao da pressuposio de que a populao seja normal menos crtica para os testes estatsticos e intervalos de confiana e a preciso da estimao de parmetros desconhecidos melhor.
Ferreira, D.F.
121
4.3. Densidade normal propriedades
multivariada
suas
A densidade normal multivariada uma generalizao da densidade normal univariada. Para a distribuio normal univariada com mdia e varincia
2 , a funo de densidade de probabilidade bem conhecida e dada por:
f (x) =
1 22
1 ( x ) 2 2
x ]; + [
(4.1)
O grfico da funo (4.1) tem forma de sino e est apresentado na Figura 4.1. As probabilidades so reas sob a curva entre dois valores da varivel X, limitada pela abscissa. bem conhecido o fato de que as reas entre 1 desvio padro da mdia e 2 desvios padres da mdia so respectivamente 68,3% e 95,4%, como ilustrado na Figura 4.1.
122
0,683 2 0,954 + +2
Figura 4.1. Densidade normal univariada com mdia destacando-se as reas entre e 2 .
e varincia
2 ,
O expoente da funo de densidade normal univariada:
(x )
= ( x ) ( 2 )
( x )
(4.2)
mede a distncia quadrada de x em relao em unidade de desvio padro. Esta distncia pode ser generalizada para o caso multivariado, com um vetor X de observaes (p x 1), dada por,
Ferreira, D.F.
t
123
(X ) () (X )
1
(4.3)
Nesta expresso (4.3) o vetor (px1) representa o valor esperado do vetor X e a matriz (pxp) representa a sua covarincia. Ento, (4.3) representa a distncia generalizada de X para . Substituindo a expresso (4.3) na funo de densidade (4.1), a constante univariada de normalizao
22 deve ser trocada de modo a fazer
com que o volume sob a superfcie da funo de densidade multivariada obtida, seja igual a unidade para qualquer p. Pode-se demonstrar (Anderson, 1984) que esta constante ( 2 )
p2
12
, sendo a densidade dada por:
f (X) =
( 2 )
p 2
t 1 exp X 1 X 1 2 2
(4.4)
Propriedades da distribuio normal multivariada
Seja um vetor X tendo distribuio normal multivariada, ento:
1. Combinaes lineares dos componentes de X sero normalmente distribudos: seja a combinao linear distribuio N( a t , a t a );
a t X =a1X1+a2X2+...+ apXp, ento, at X
ter
124
2. Todos os subconjuntos de X tem distribuio normal (multivariada). Pelos resultados da propriedade 1, fazendo alguns ais iguais a zero, isto se torna evidente;
X1 X 2 0] = X1 a propriedade 2 se torna evidente. Assim, Xp
i) Fazendo a t X = [1 0
X1 N( a t = 1 , a t a = 11 ). De uma forma mais geral pode-se afirmar que todo componente Xi tem distribuio N( i , ii ).
ii) A distribuio de vrias combinaes lineares :
a11 X1 + q A p p X1 = a q1 X1 +
a1p X p ~ N q ( A; AA ') ... a qp X p ...
iii) Todos os subconjuntos de X tem distribuio normal (multivariada) Tomando-se uma partio:
q X1 X1 X1 = = e suas correspondentes p (p q) X1 X 2
parties no vetor de mdia e de covarincia, dadas por:
q 11q q 1 1 1 = = e = p ( pq ) 21q (p q) 1 2
12( pq ) 22( pq ) ( p q )
q
Ferreira, D.F.
125
Logo,
X1 ~ N q 1 ; 11
Prova: Basta fazer qAp=[qIq | q0(p-q)] e aplicar (ii).
3. Se os componentes de covarincia forem zero entre dois subconjuntos de X , implica em dizer que eles so independentemente distribudos. Esta propriedade s valida se X tiver distribuio normal multivariada; e
4. A distribuio condicional de componentes de X normal (multivariada).
Dada a partio
q X1 X1 X1 = = , logo a distribuio condicional de (p q) X1 X 2
X1 / X 2 = x 2 normal e tm mdia e covarincia dados por:
c = 1 + 12 1 x 2 2 e c = 11 12 1 21 22 22
4.4. Distribuio normal bivariada
Sejam X1 e X2 duas variveis com parmetros E(X1)=1, E(X2)=2, Var(X1)=11, Var(X2)=22 e 12 =

12 11 22 = Corr( X1 , X 2 ) . A matriz de covarincia
126
= 11 21
12 22
Cuja inversa ,
1 =
22 11 22 21 1
2 12
12 11
Fazendo
12 = 12 11 22 ,
obtm-se
2 2 = 11 22 12 = 11 22 (1 12 ) , e a distncia generalizada de (4.3) ser:
1 22 [X1 1 X2 2] 2 11 22 (1 12 ) 12 11 22
12 11 22 X1 1 = X2 2 11
(4.5)
1 = 2 1 12
2 2 X1 1 X 2 2 2 X1 1 + X 2 212 11 22 11 22
2 Desde que, ||=11 22 - (12)2 = 11 22 (1- 12 ), podem ser
substitudos -1 e || em (4.4) para se ter a expresso da densidade normal bivariada, apresentada a seguir.
Ferreira, D.F.
127
f(x1 ,x2 ) =
1
2 2 1122 (1 12 )
(4.6)
2 1 X1 1 exp 2 2(1 12 ) 11 2 X2 2 X1 1 X2 2 + 212 22 11 22
Se X1 e X2 no so correlacionadas, 12 =0, a densidade conjunta pode ser escrita como produto das densidades normais univariadas, ambas com a forma de (4.1), ou seja, f(x1,x2)= f(x1) f(x2), alm do que X1 e X2 so ditas independentes, como comentado na propriedade nmero 3 da seo 4.3. Duas distribuies normais bivariadas com varincias iguais so mostradas nas Figuras 4.2. e 4.3. A Figura 4.2 mostra o caso em que X1 e X2 so independentes ( 12 =0) e a Figura 4.3 o caso de 12 =0.8. Observa-se que a presena de correlao faz com que as probabilidades se concentrem ao longo de uma linha.
128
Figura 4.2. Distribuio normal bivariada com 11 = 22 e 12 =0.
Figura 4.3. Distribuio normal bivariada com 11 = 22 e 12 =0.8.
Ferreira, D.F.
129
Da anlise da expresso (4.4), relativa a densidade de p-variveis normais, fica claro que alguns valores padres de X fornecem alturas constantes para as densidades elipsides. Isto significa que a densidade normal constante em superfcies cujas distncias quadrticas X
) () (X )
t
so constantes.
Esses padres so chamados de contornos ou curvas de nvel.
Contornos={todo X tal que X
) ( ) ( X ) =c
t 1
(4.7)
A expresso (4.7) uma superfcie de uma elipside centrada em , cujos eixos possuem direo dos autovetores de -1 e seus comprimentos so proporcionais ao recproco da raiz quadrada dos seus autovalores. Demonstra-se que se i e ei so os autovalores e autovetores, respectivamente, de , ento a elipside
c
( X ) ( ) ( X ) =c
t 1
centrada em e tem eixos na direo de
ei (i=1, 2, ..., p).
Considerando como ilustrao a densidade normal bivariada com
11 = 22 , os eixos da elipside dados por (4.7) so fornecidos pelos autovalores e

autovetores de . Portanto, para obt-los, a equao |-I|=0 deve ser resolvida.
11 i 12 2 2 = ( 11 i ) 12 = 0 12 11 i
= ( i 11 12 )( i 11 + 12 ) = 0
130
Conseqentemente os autovalores so:
1 = 11 + 12 e 2 = 11 12
Os autovetores so determinados por:
e i = i e i
Para i=1, tem-se:
11 12 e1 e = (11 + 12 ) 12 11 2
e1 e 2
ou,
11 e1 + 12 e2 = (11 + 12 ) e1 12 e1 + 11 e2 = (11 + 12 ) e2
Essas equaes levam ao resultado de que e1=e2, e aps normalizao, o primeiro autovetor :
e1 = 1 2 1 2
Ferreira, D.F.
131
De forma similar foi obtido o segundo autovetor, o qual :
e1 =
1 2 1 2
Se a covarincia positiva, 1 = 11 + 12 o maior autovalor e seu autovetor associado se posiciona ao longo de uma linha de 450 atravs do ponto
t = [ 1 2 ] , para qualquer 12 > 0 . Os eixos so fornecidos por c i ei (i=1, 2)

e esto representados na Figura 4.4.
c c
v
11
11
12 12
Figura 4.4. Curva de nvel de densidade constante para a distribuio normal bivariada com 11 = 22 e 12 > 0 .
2 Anderson (1984) demonstra que a escolha de c2= p (), em que 2 p () o percentil (100) superior da distribuio de qui-quadrado com p graus de
132
liberdade, leva aos contornos que contm (1-)x100% de probabilidade. Para a distribuio normal multivariada (p variada), a elipside dos valores de X satisfazendo,
(X ) () (X )
t
1
2 p
()
(4.8)
tem probabilidade 1-. Os contornos contendo 95% e 99% de probabilidade sob a densidade normal bivariada das Figuras 4.2 e 4.3, esto representados nas Figuras 4.5 e 4.6.
X2
99% 2 95%
0 0
X1
Figura 4.5. Curvas de nveis de 95% e 99% de probabilidade para a distribuio normal bivariada apresentada na Figura 4.2, 11 = 22 e 12 =0.
Ferreira, D.F.
133
95% 99%
Figura 4.6. Curvas de nveis de 95% e 99% de probabilidade para a distribuio normal bivariada apresentada na Figura 4.3, 11 = 22 e 12 =0,8.
A densidade (4.4) possui mximo quando X = . Portanto, o ponto de mxima densidade ou moda, bem como o valor esperado de X , ou mdia.
4.5. Distribuio amostral de X e S
Se a pressuposio de que as linhas de
134
x 11 x = 21 p x n1
x x x
12 22
x x
n2
2p x np
1p
se constituem numa amostra aleatria de uma populao normal com mdia e covarincia for verdadeira, ento este fato suficiente para completamente definir a distribuio amostral de X e de S. So apresentadas a seguir estas distribuies amostrais, fazendo-se um paralelo com a distribuio amostral univariada que j familiar e bem conhecida. No caso univariado (p = 1), sabe-se que X possui distribuio normal com mdia (mdia populacional) e varincia
2 n
O resultado para o caso multivariado (p2) similar a este, no sentido que X possui distribuio normal com mdia e matriz de covarincia (1/n). Para a varincia amostral, caso univariado, sabe-se que a distribuio de (n 1)S2 2 possui distribuio de qui-quadrado com n - 1 graus de liberdade. Para o caso multivariado, a distribuio da matriz de covarincia
Ferreira, D.F.
135
chamada de distribuio de Wishart, aps sua descoberta, com (n 1) graus de liberdade. Os resultados a seguir resumem detalhes destas distribuies:
Sendo X1 , X 2 , ..., X n uma amostra aleatria de tamanho n de uma populao normal p-variada com mdia e matriz de covarincia . Ento, 1. X possui distribuio normal com mdia e matriz de covarincia (1/n). 2. (n-1)S possui distribuio de uma matriz aleatria de Wishart com n-1 gl. 3. X e S so independentes.
Devido a no ser conhecida, a distribuio de X no pode ser usada diretamente para se fazer inferncia sobre . Felizmente, S fornece informao independente sobre e a distribuio de S no depende de . Isto permite que se construam estatsticas para fazer inferncia sobre , como ser abordado no captulo 5.
Densidade da distribuio de Wishart
Seja S uma matriz positiva definida, com n>p, ento se pode definir,
wn1(S/ ) =
S 2
(np2)/2 tr(S 1)/2
p(n1)/2 p(p1)/4
(n1)/2
[
i=1
1 2
(n i)]
(4.9)
136
em que, (.) representa a funo gama. Retornando ao caso da distribuio das mdias amostrais, o resultado 4.1, sintetiza um importante teorema em estatstica.
Resultado 4.1. (teorema do limite central) Sendo X1 , X 2 , ..., X n uma amostra
aleatria de n independentes observaes de uma populao qualquer com mdia
e matriz de covarincia , finita e no singular. Ento,
n X possui distribuio aproximadamente normal Np( 0 , ) para grandes

amostras. Aqui n deve ser tambm bem maior do que p (nmero de variveis).
Como j foi comentado quando n grande, S converge em probabilidade para , consequentemente, a substituio de por S causa efeitos apenas negligveis nos clculos de probabilidades. Desta forma, utilizando a expresso (4.8), pode-se obter o importante resultado, apresentado a seguir.
Resultado 4.2. (teorema do limite central) Sendo X1 , X 2 , ..., X n uma amostra
aleatria de n independentes observaes de uma populao qualquer com mdia
e matriz de covarincia , finita e no singular. Ento,

n X possui distribuio aproximadamente normal Np( 0 , )
e
2 n X 1 X se distribui aproximadamente como p para n - p grande.
Ferreira, D.F.
137
Para a distribuio normal univariada, se e so conhecidos, as probabilidades sob a curva para a distribuio de X , podem ser obtidos das tabelas da distribuio normal, ou da integral da funo apresentada em (4.1) nos intervalos apropriados, com =0 e =1, sendo
z=
X n
(4.10)
Alternativamente, pode-se obter a aproximao de Hasting (1955) citado por Bock (1975), com erro mximo de 10-6, dada por
G se z 0 ( z ) 1 G se z > 0
(4.11)
em que,
Sendo que ( z ) representa a probabilidade acumulada sob a curva da distribuio normal de - a z;
G = ( a1 + a2 2 + a3 3 + a4 4 + a5 5 ) ( z );
138
1 ; 1 + 0,2316418| z|
(z) = (2 ) 2 e
1
z2
a1=0,319381530
a2=-0,356563782
a3=1,781477937
a4=-1,821255978
a5=1,330274429
4.6. Distribuies amostral normal multivariada
derivada
da
distribuio
Teoria da Distribuio das grandes amostras e distribuio exata Na anlise dos dados freqentemente so utilizadas funes das observaes chamadas estatsticas, as quais servem como estimadores dos parmetros ou como critrio para os testes de hipteses. A importncia de tais
Ferreira, D.F.
139
estatsticas muitas vezes depende do conhecimento da (1) distribuio assumida para as observaes, (2) do mtodo de amostragem, e (3) da natureza da funo das observaes. H dois tipos de teoria amostral avaliada para derivar a distribuio amostral. A teoria das grandes amostras, a qual fornece a distribuio aproximada medida que o tamanho amostral cresce indefinidamente, e a teoria das pequenas amostras ou teoria exata, a qual vlida para qualquer tamanho amostral. As distribuies derivadas assumindo o tamanho amostral
indefinidamente grande so chamadas de distribuies assintticas ou limitante. A teoria assinttica especialmente simples, como conseqncia do teorema do limite central que demonstra que muitas estatsticas tm distribuio normal como limite. Para tais estatsticas necessrio somente obter a mdia e a varincia para ter a distribuio assinttica. A distribuio amostral sem considerar os argumentos da teoria assinttica, geralmente depende do tamanho da amostra e pode ser no-normal para pequenas amostras, mesmo se a forma limite for normal. Se este for o caso, algum indicativo de qual tamanho amostral necessrio para uma dada acurcia na teoria assinttica extremamente til para trabalhos prticos. Como exemplo, pode citar que a distribuio de F, de razes de varincias, com 1 graus de liberdade do numerador e 2 do denominador, se aproxima de qui-quadrado dividido por 1 quando o valor de 2 cresce sem limite.
lim F(1 , 2 ) =
(21) 1
140
Comparando as tabelas de F e qui-quadrado dividido por 1, pode-se concluir que ao nvel de 0,05, com erro de duas unidades na segunda casa decimal, quando 2 for maior que 40, haver boa concordncia. Semelhantemente, considerando o valor nominal de significncia de 0,01, verifica-se que a concordncia com a mesma preciso se d quando o valor de 2 excede 100.
Distribuio da soma de quadrados de n desvios normais aleatrios Seja Z um vetor x 1 de observaes normais N(0,1) padronizadas. A estatstica
2 2 (2) = Z' Z = z1 + z2 +...+ z 2
(4.12)
distribuda como uma varivel qui-quadrado com graus de liberdade. Foi obtida em 1876 por Helmert e independentemente em 1900 por Karl Pearson. A funo de distribuio de qui-quadrado pode ser expressa pela funo gama incompleta.
P(2 / ) =
1
2
2 ( 2) 0
t ( 2 )1e 2 dt
t
(4.13)
Ferreira, D.F.
141
A funo de distribuio (4.13) pode ser aproximada para aplicaes em computadores pela srie convergente apresentada a seguir.
P( / ) =
2
e n n=0 ( + n +1)
(4.14)
quando
1 1 < max( ,13) , e caso contrrio pela expanso assinttica: 2 2
2 1 (1)(2) P( / ) 1e 1+ + +... 2
(4.15)
Os valores de ( a) podem ser obtidos pela frmula de Stirling:
1 139 571 1 (a) =(a1)!eaaa1/2(2)1/2 1+ + 2 3 4 12a 288a 51840a 2488320a
(4.16)
A forma recursiva ( a +1) =a ( a ) e ( 2) = (1) pode ser usada quando a for pequeno. Sabe-se que a mdia da distribuio de qui-quadrado, E( 2 ), e que sua varincia 2. Para >30, as probabilidades podem ser obtidas usando a aproximao normal assinttica usando unitrio.
2 2 2 1 como um desvio normal
142
Razo entre independentes 2 (F de Fisher)
2 Sejam 1 e 2 , dois 2 independentes com 1 e 2 graus de liberdade, 2
respectivamente. Ento,
2 1 1 F= 2 2 2
possui distribuio de uma varivel F com 1 e 2 graus de liberdade. A distribuio de F foi derivada por R. A. Fisher (1924). A funo de distribuio de F pode ser aproximada pela srie convergente da funo beta incompleta:
Ix (a, b) =
xa (1 x)b B(a +1, n +1) n+1 1+ x aB(a, b) n=0B(a + b, n +1)
(4.17)
em que, B( a, b ) =
( a )( b ) ( a + b )
Ento,
P( F, 1 , 2 ) = 1 I x (
2 1 , ) 2 2
em que, x =
2 2 + 1 F
Ferreira, D.F.
143
4.7. Verificando a normalidade
A pressuposio de que cada vetor de observao X j veio de uma distribuio normal multivariada ser requerida nas tcnicas estatsticas que sero abordadas nos captulos subsequentes. Por outro lado, nas situaes em que a amostra grande e as tcnicas dependem apenas do comportamento de X , ou distncias envolvendo X da forma n X S1 X , a pressuposio de normalidade das observaes individuais X j menos crucial. Isto devido aproximao da distribuio normal assinttica das principais estatsticas. No entanto, melhor ser a qualidade da inferncia quanto mais prxima populao parental se assemelhar da forma da distribuio normal multivariada. imperativo que existam procedimentos para detectar os casos em que os dados exibam desvios de moderados a extremos em relao ao esperado sob normalidade multivariada. Baseado na distribuio normal sabe-se que todas as combinaes lineares de variveis normais so normais e que contornos da densidade normal so elipsides. Devido s dificuldades de avaliao de um teste conjunto em todas as dimenses, os testes para checar a normalidade sero concentrados em uma ou duas dimenses. Obviamente se paga um preo por estas simplificaes, como no revelar algumas caractersticas que s podem ser observadas em dimenses maiores. possvel, por exemplo, construir uma distribuio no normal bivariada
144
com marginais normais. No entanto, muitos tipos de no normalidade so revelados em geral nas distribuies marginais, e para aplicaes prticas ser suficiente checar a normalidade em uma ou duas dimenses.
Verificando a validade da normalidade por meio da distribuio marginal Textos elementares muitas vezes recomendam que a normalidade univariada seja investigada, examinando o histograma de freqncia amostral para avaliar discrepncias entre as freqncias observadas e esperadas pelo ajuste da distribuio normal. Usualmente, sugere-se tambm que as discrepncias sejam submetidas ao teste de aderncia de qui-quadrado. Um 2 significativo (P<0,05) tido como evidncia contra a normalidade da populao. Apesar de este mtodo ter a virtude da simplicidade de computao e ser livre do tipo de desvios da normalidade que esteja sendo testado (curtose, assimetria, etc.), tem a desvantagem, quando aplicados a dados contnuos, de depender da arbitrariedade da escolha dos intervalos de agrupamento dos dados. Essa escolha determina a resoluo do histograma e o nmero de termos a ser somado para obter a estatstica de 2 . Uma escolha errada pode conduzir a resultados no consistentes. Se a escolha de a amplitude dos intervalos for muito estreita, o histograma pode ser irregular e a acurcia do 2 pode ser grandemente afetada devido aos pequenos valores esperados. Se os intervalos so largos, desvios de normalidade podem ser obscurecidos tanto no histograma quanto no teste de 2 .
Ferreira, D.F.
145
Uma melhor aproximao, evitando todas essas dificuldades, conseguida fazendo uso de mtodos que no requerem agrupamento de escores. Felizmente, excelentes procedimentos grficos e computacionais existem para este propsito.
a) Distribuio de propores
A distribuio normal univariada possui probabilidade de 0,683 para o intervalo
ii ; i + ii
e probabilidade de 0,954 para o intervalo
2 ii ; i + 2 ii (Figura 4.1). Consequentemente, para grandes amostras de
tamanho n, esperado que a proporo de Pi1 observaes contidas no intervalo
[X
s ii ; X i + s ii
seja de cerca de 0,683, e de forma semelhante, espera-se
que a proporo Pi2 de observaes em X i 2 s ii ; X i + 2 s ii seja de cerca de 0,954. Usando a aproximao normal da distribuio de Pi , ento se
| Pi1 0,683 | > 3
0,683 0,317 1,396 = n n
| Pi 2 0,954 | > 3
0,954 0,046 0,628 = n n
146
devem indicar desvios da distribuio normal para i-sima caracterstica (Johnson & Wichern, 1988).
b) Processos grficos Os grficos so em geral teis para avaliar desvios da normalidade. Dois processos grficos sero considerados neste captulo.
i) Q-Q plot
Esses grficos so obtidos da distribuio marginal das observaes de cada varivel. Consiste em plotar em um plano cartesiano os percentis amostrais versus os percentis esperados pelo ajuste de uma distribuio normal. Se os pontos pertencem a uma linha reta a pressuposio de normalidade deve ser aceita. Sejam x1, x2, ..., xn as n observaes de uma varivel X. Sejam x(1), x(2), ..., x(n) essas observaes ordenadas crescentemente, ou seja, x(1) a menor observao e x(n) a maior. Quando os x(j) so distintos, exatamente j observaes so menores ou iguais a x(j) (isto teoricamente verdadeiro quando as observaes so do tipo contnuo, o que em geral ser assumido). A proporo amostral j/n aproximada por (j-)/n, onde usado para correo de descontinuidade. Os percentis esperados sob normalidade so dados por (q(j)):
Ferreira, D.F.
q( j )
147
j 12 = n
1 2
e z
/2
dz
(4.18)
Os percentis q(j) podem ser obtidos, como se percebe por (4.18), pela inverso da funo de distribuio de probabilidade da normal, em rotinas apropriadas em computadores ou atravs de tabelas da distribuio normal. (Tabela A.1). Os percentis q(j) e x(j) so plotados em um sistema cartesiano com q(j) na abscissa e x(j) na ordenada. Desvios da normalidade podem ser observados pela inspeo deste tipo de grfico, cujos pontos, quando da normalidade devem pertencer a uma linha reta de mnimos quadrados. No exemplo 4.1 ilustram-se os clculos necessrios para obteno dos Q-Q plots.
Exemplo 4.1
Seja uma amostra (n=10) obtida de uma populao normal N(3; 4) apresentada a seguir. Neste caso, a observao 4 constitui-se um outlier, propositadamente gerado.
{3,74; 2,91; 4,79; 8,65; 2,06; 4,59; 4,02; 0,46; 1,79; 3,30}
Dessa forma para se obter o Q-Q plot necessrio os seguintes passos:
148
1) ordenar a amostra: x(1), x(2), ..., x(n) e obter os seus valores correspondentes de probabilidade acumulada (j-)/n. j 1 2 3 4 5 6 7 8 9 10* x(j) 0,46 1,79 2,06 2,91 3,30 3,74 4,02 4,59 4,79 8,65 (j-)/n 0,05 0,15 0,25 0,35 0,45 0,55 0,65 0,75 0,85 0,95 q(j) -1,645 -1,036 -0,675 -0,385 -0,126 0,126 0,385 0,675 1,036 1,645
2) calcular os percentis da distribuio normal padro.
Ex. Para a observao 1 tem-se:
j 12 1 12 = = 0, 05 = n 10
q(1)
1 2
e z
/2
dz
Portanto, q(1) = -1,645, e assim sucessivamente.
3) plotar (q(1), x(1)), (q(2), x(2)), ..., (q(n), x(n)) e examinar os resultados
Ferreira, D.F.
149
10
Q-Q Plot
Outlier
6 X(j) 4 2 0 -2 -1 0 Q(j) 1 2
Figura 4.7. Q-Q plot para os dados do exemplo 4.1, destacando a presena de um outlier.
Observa-se que os pontos amostrais se situam praticamente em uma linha reta de mnimos quadrados, com exceo da presena de um outlier, destacado na Figura 4.6. O procedimento adequado seria de eliminar esta
150
observao e refazer a anlise para os dados amostrais remanescentes, o que deixado a cargo do leitor. Este processo grfico, embora bastante poderoso para se verificar desvios da normalidade no constitui num teste formal deste propsito. Para contornar esta limitao, Johnson & Wichern (1988) apresentam um teste complementar a este processo grfico, o qual mede o ajuste dos pontos do Q-Q Plot a linha reta de mnimos quadrados por meio de uma medida de um coeficiente de correlao apresentada a seguir.
rQ =
(x
n j=1
( j)
x
2
) (q
n j=1
( j)
) )
2
(x
n j=1
( j)
) (q
(4.19)
( j)
Um poderoso teste de normalidade pode ser construdo tomando-se por base este coeficiente de correlao (4.19). Formalmente rejeita-se a hiptese de normalidade se o valor calculado for menor que os valores crticos para um determinado nvel de significncia (Tabela 4.1).
Ferreira, D.F.
151
Tabela 4.1. Valores crticos para o teste para normalidade baseado no coeficiente de correlao Q-Q plot. Tamanho amostral n 0,01 Nvel de significncia () 0,05 0,8788 0,9198 0,9389 0,9508 0,9591 0,9652 0,9726 0,9768 0,9801 0,9838 0,9873 0,9913 0,9931 0,9953 0,10 0,9032 0,9351 0,9503 0,9604 0,9665 0,9715 0,9771 0,9809 0,9836 0,9866 0,9895 0,9928 0,9942 0,9960
5 0,8299 10 0,8801 15 0,9126 20 0,9269 25 0,9410 30 0,9479 40 0,9599 50 0,9671 60 0,9720 75 0,9771 100 0,9822 150 0,9879 200 0,9905 300 0,9935 Fonte: Johnson & Wichern (1998)
Exemplo 4.1 (continuao)

Calculando a correlao amostral, atravs de (4.19), obteve-se:
rQ =
18, 77109 44,15849 8, 798094
= 0,9523
Como, o valor tabelado ao nvel de 5% de probabilidade (0,918) inferior ao valor calculado (0,9523), ento, no existe razo para duvidar da hiptese de normalidade.
152
ii) Grfico das probabilidades acumuladas
Um segundo processo grfico, bastante utilizado, refere-se aos grficos em que so plotados as probabilidades amostrais acumuladas versus probabilidades acumuladas da distribuio normal (Bock, 1975). O algoritmo :
1) ordenar a amostra: x(1), x(2), ..., x(n) e obter os seus valores correspondentes de probabilidade acumulada pj = (j-)/n, amostrais.
2) Calcular a mdia amostral e o desvio padro viesado
Sn =
n Xj n j=1 X2j n j=1 n
(4.20)
3) Obter as probabilidades normais acumuladas utilizando (4.11) ou tabelas da distribuio normal, atravs de:
Zj =
Xj X Sn
Pj=(Zj)
Ferreira, D.F.
153
4) Plotar Pj (abcissa) contra pj (na ordenada)
Exemplo 4.2
Com os dados do exemplo 4.1, o algoritmo apresentado no item (ii) foi executado, resultando nos seguintes valores: j 1 2 3 4 5 6 7 8 9 10* ordenada). x(j) pj = (j-)/n Pj
0,066 0,05 0,46 0,189 0,15 1,79 0,227 0,25 2,06 0,367 0,35 2,91 0,436 0,45 3,30 0,520 0,55 3,74 0,575 0,65 4,02 0,677 0,75 4,59 0,709 0,85 4,79 0,992 0,95 8,65 Na Figura 4.8 esto plotados os pontos Pj (abcissa) contra pj (na
1.0
0.8
0.6
pj
0.4
0.2
0.0 0.0
0.2
0.4
0.6
0.8
1.0
Pj
Figura 4.8. Grfico normal acumulado da amostra simulada no exemplo 4.1.
154
Se a populao for normal, os pontos tendem a cair em uma linha definida pela reta Pj=pj. Uma vez que o grfico apresenta efeitos cumulativos, os pontos no so independentes e ainda pode-se afirmar que sucessivos pontos no tendero a se situar aleatoriamente em ambos os lados da linha. Em outras palavras, um grupo de pontos sucessivos poder estar de um lado da reta ou de outro, sem ser um indicativo de desvio da normalidade. Alguma familiaridade com este tipo de grfico indicar a forma da distribuio e os desvios da normalidade que possam ocorrer. De maneira geral, as situaes mais comuns devem se enquadrar nos seguintes tipos de grficos. Distribuies assimtricas esquerda tendero a ter seus pontos de extremos no lado superior da reta, e os pontos intermedirios no lado inferior da mesma. Para distribuies assimtricas direita, o oposto deve ocorrer, ou seja, pontos extremos no lado inferior da reta e pontos intermedirios no lado superior. Os achatamentos da distribuio, conhecidos por curtose, tambm podem ser detectados. Nas distribuies leptocrticas, os pontos de menor densidade acumulada se concentram no lado inferior da reta, vindo a cruz-la no centro. Os pontos de maior densidade se concentram no lado superior da reta, a partir do centro. Nas distribuies platicrticas, o oposto se d, ou seja, pontos de menor densidade acumulada se concentram no lado superior, e os pontos de maior densidade no lado inferior da reta, vindo a cruz-la no centro. Distribuies bimodais possuem grficos que representam os casos extremos da distribuio platicrtica.
Ferreira, D.F.
155
c) Uso dos momentos
Os momentos no centrados para a mdia, podem ser calculados a partir dos dados amostrais, fazendo 1/n como densidade para cada ponto amostral. Desta forma, pode-se definir, o r-simo momento amostral no centrado para mdia por:
1 n ~ m r = x rj n j=1
(4.21)
Pode-se ento, definir a mdia amostral, e o segundo, terceiro e quarto momentos centrados na mdia, em funo dos momentos no centrados por:
Mdia:
1 = 0
(4.22)
Varincia:
~ = m m2 2 ~ 2 ~ 1
(4.23)
Assimetria
~ = m 3m m + 2m 3 ~ ~ ~ 3 ~ 3 1 2 1
(4.24)
Curtose
2 4 4 = m4 4 m1 m3 + 6m1 m2 3m1
(4.25)
156
Os valores amostrais de o coeficiente de assimetria e curtose so, respectivamente:
b1 =
~ 3 ~ ~ 2 2
(4.26)
~ b2 = ~ 4 2 2
(4.27)
O coeficiente de assimetria populacional, para a distribuio normal,

1 = 0 e o coeficiente de curtose 2=3. Se 1 < 0 , ento, a distribuio
assimtrica esquerda, caso contrrio,
1 > 0 , a distribuio assimtrica
direita. Distribuies com 2<3 so platicrticas (menos pontudas com caudas mais baixas do que a normal), e aquelas com 2>3 so leptocrticas (mais pontudas e com caudas mais altas do que a normal).
Exemplo 4.3
Utilizando os dados do exemplo 4.1 calcular os momentos e os coeficientes de assimetria e curtose amostrais.
Ferreira, D.F.
157
x 0,46 1,79 2,06 2,91 3,30 3,74 4,02 4,59 4,79 8,65 36,31 Tm-se:
~ m 1=36,31/10=3,631
x2 0,2116 3,2041 4,2436 8,4681 10,8900 13,9876 16,1604 21,0681 22,9441 74,8225 176,0001
x3 0,0973 5,7353 8,7418 24,6422 35,9370 52,3136 64,9648 96,7026 109,9022 647,2146 1046,2520
x4 0,0448 10,2663 18,0081 71,7087 118,5921 195,6530 261,1585 443,8648 526,4317 5598,4070 7244,1350
~ m 2=176,0001/10=17,6000
~ m 3=1046,2520/10=104,6252
~ m 4=7244,135/10=724,4135
~ 1 = 3,631
~ 2 = 17,6 - (3,631)2 = 4,4158
~ 3 = 104,6252 - 3 x 3,631 x 17,6 + 2 x (3,631)3 = 8,6518
~ 4 = 724,4135 - 4 x 3,631 x 104,6252 + 6 x (3,631)2 x 17,6 - 3 x (3,631)4 = 75,6182
158
b 1 = 8,6518/(4,4158 x 4,41581/2 ) = 0,9324
b2 = 75,6182/(4,4158)2 = 3,8780
c.1) Uso do coeficiente de assimetria
Para se avaliar o grau de assimetria da distribuio, um teste baseado no coeficiente de assimetria (4.26), pode ser realizado. Nveis crticos para a estatstica
b 1 , podem ser encontrados em Pearson e Hartley (1966) para
n>24, e em DAgostino e Tietjen (1973) para n variando de 5 a 35. A assimetria ser esquerda se
b1
for negativo, e direita se
b1
for positivo,
b 1 podem ser
significativamente. Em grandes amostras, os valores crticos de
obtidos com boa aproximao usando como desvio da normal padro a estatstica:
Z1 = b1
(n + 1)(n + 3) 6(n 2)
(4.28)
c.2) Uso do coeficiente de curtose
Valores crticos para o coeficiente de curtose (4.27), podem ser encontrados em Pearson e Hartley (1966) para n>49 e DAgostino e Tietjen (1971)
Ferreira, D.F.
159
para n variando de 7 a 50. Em grandes amostras, os valores crticos para o teste de achatamento da curva, podem ser aproximados usando como desvio normal a seguinte estatstica:
6 (n +1)2 (n +3) (n +5) Z2 = b2 3 + n +1 24n(n 2) (n 3)
(4.29)
Valores de b2 maiores que 3 indicam que a distribuio mais pontuda com caldas mais altas do que a normal; valores menores que 3 indicam uma distribuio achatada no centro e com caudas mais baixas do que a distribuio normal.
Exemplo 4.3 (continuao)

Os valores de Z1 e Z2, para o teste de assimetria e curtose foram:
Z1=1,609 com P(Z>|Z1|)=0,1074
Z2=1,886 com P(Z>|Z2|)=0,0592
Desta forma, ao nvel de 5% de probabilidade se aceita a hiptese de simetria e de no achatamento da curva, demonstrando no se ter desvio da normalidade.
160
Verificando a normalidade multivariada

Em geral se deseja verificar a normalidade para dimenses superiores a 1, ou seja, para a distribuio p-variada, p2. Mesmo que seja suficiente, como j comentado anteriormente, avaliar apenas as distribuies univariadas e bivariadas o procedimento apresentado nessa seo vlido para qualquer p. O caso bivariado ser enfocado nesta seo, devido s facilidades de clculos para fins didticos. Pelo resultado 4.2, dado vetor X com distribuio normal p-variada, tem-se que,
( x ) ( x ) (1)
t 1 2 p
Atravs deste resultado, pode-se ento, generalizar o processo grfico conhecido como Q-Q plot. Dada uma amostra bivariada com n observaes, o algoritmo seguinte pode ser usado para generalizar o processo grfico mencionado. importante salientar que este processo no limitado apenas ao espao bidimensional. O algoritmo ser apresentado, utilizando os dados do exemplo 1.1, com X1 representando a quantidade de reais pela venda de rao, e X2 sendo o nmero de sacos de raes vendidos, por n = 4 firmas de Minas Gerais.
Ferreira, D.F.
161
Exemplo 4.4
1) Calcular a distncia quadrada generalizada amostral d(j) de cada observao em relao mdia amostral, dada por:
d 2 = (x j x) 'S1 (x j x) , j=1, 2, ..., n j
Os valores da mdia e da matriz de covarincia amostrais foram apresentados no exemplo 1.2, e so:
333,333 20,000 100 X= e S= 9 20,000 6,667
A matriz inversa de S :
0,0037 0,0110 S 1 = 0,1829 0,0110
A distncia generalizada para primeira observao :
0, 0037 0, 0110 80 100 2 = 2, 0853 d1 = [80 100 10 9] 0,1829 10 9 0, 0110
E assim sucessivamente, para as demais observaes:

2 d 2 = 1,7926; d 3 = 1,3536 e d 2 = 0,7683. 2 4
162
2) ordenar as distncias quadrticas amostrais do menor para o maior

2 d (1) d (22 ) ... d (2n ) .
3) Obter os valores correspondentes, percentis, de probabilidade acumulada q(j)= 2 ((j-)/n), da distribuio de qui-quadrado. Estes percentis dependem da p inversa da funo de distribuio de qui-quadrado, e podem ser obtidos em vrios softwares estatsticos.
J 1 2 3 4
d (2j)
(j-)/n 0,125 0,375 0,625 0,875
q(j) 0,2671 0,9400 2,2479 4,1589
0,7683 1,3536 1,7926 2,0853
4) Plotar ( d (2j) ; q(j)) e examinar os resultados
Ferreira, D.F.
163
q(j)
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
d(j)
Figura 4.9. Q-Q plot para os dados do exemplo 1.1, destacando a possibilidade de utilizao deste processo para os casos de dimenses superiores ou iguais a 2.
Pela Figura 4.9, verifica-se que no existem razes para duvidar de que a distribuio do nmero de sacos de raes vendidos e o montante de dinheiro arrecadado pelas firmas de raes em Minas Gerais, no seja normal bivariada, apesar do pequeno tamanho de amostras.
Verificando a normalidade multivariada por meio da curtose e assimetria de Mardia

Os coeficientes de assimetria e curtose de uma distribuio multivariada qualquer so definidos por:
164
1,p = E X 1 Y
{(
)}
(4.30)
em que a varivel X independente de Y , mas tem a mesma distribuio com mdia e covarincia ; e
2,p = E X 1 X
{(
)}
(4.31)
Essas esperanas para a distribuio normal multivariada so:
1,p = 0 e 2,p = p(p + 2)
Para uma amostra de tamanho n, os estimadores de 1,p e 2,p so:
1 1,p = 2 n
g
i =1 j=1
3 ij
1 n 1 n 2,p = g i2i = d i4 n i =1 n i =1
em que,
g i j = ( X i X ) S1 n
t
(X
X) e
di = gi i
Ferreira, D.F.
165
Os estimadores 1,p (quadrado do coeficiente de assimetria quando p=1) e 2,p (igual ao coeficiente de curtose univariado quando p=1) so no negativos. Sob distribuio normal multivariada espera-se que a E( E 1,p ) seja zero. O estimador 2,p muitas vezes usado para avaliar observaes que esto a
( )
grandes distncias da mdia amostral. Mardia (1970) mostra que para grandes amostras,
k1 =
n1,p 6
segue a distribuio de 2 com p(p+1)(p+2)/6 graus de liberdade, e

{
2 ,p
k2 =
p(p + 2)
1/ 2
8p(p + 2) n
segue a distribuio normal padro. Para pequenos valores de n, as tabelas de valores crticos para testar a hiptese multivariada de normalidade so fornecidas por Mardia (1974).
Exemplo 4.5
Usando o exemplo das raes testar a normalidade multivariada pelo teste dos desvios de assimetria e curtose. Os valores amostrais so:
166
Obs 1 2 3 4
Reais 80 120 90 110
Vendas 10 12 6 8
As estatsticas amostrais so:
250 15 1 0,004878 0,014634 100 1 5 15 1 X = Sn = S n = 0,014634 ou S n = 1025 15 250 0,243902 9 15 5
Os desvios de cada observao da mdia amostral ( i ):
t t 1. 1 = [ 20 1] 2. 2 = [ 20 3]
t 3. 3 = [ 10 3]
t 4. 4 = [10 1]
i) Teste baseado no coeficiente de assimetria necessrio calcular os valores de gij para todos os pares de i e j, obtidos da seguinte forma:
20 Para i=1 e j=1, g 1 1 = [ 20 1]S1 n = 2,7805 1
20 Para i=1 e j=2, g1 2 = [ 20 1] S1 = 0, 6341 n 3
Ferreira, D.F.
167
Para as demais combinaes, tm-se: g1 3=-0,4878, g1 4=-1,6585, g2 2=2,3902, g2 3=-1,8537, g2 4=0,0976, g3 3=1,8049, g3 4=0,5366 e g4 4=1,0244.
Logo,
1,2 =
( 2, 7805
+ 2(0, 6341)3 + 16
+ 1, 02443 )
=1,2766
ento,
k1 =
n1, 2 6
4 1,2766 = 0,8511 6
Como k1 2 com p(p+1)(p+2)/6=4 graus de liberdade, e sabendo

2 que 0,05; 4 = 9,488 , ento H0 no deve ser falseada, ou seja, no existe razes
para suspeitar da violao da simetria da distribuio multivariada.
ii) Teste baseado no coeficiente de curtose
Inicialmente, estima-se o coeficiente de curtose da seguinte forma:
1 n 2 1 17,7513 2 2 2 2 = 4,4378 2,p = g i i = 2,7805 + 2,3902 + 1,8049 + 1,0244 = n i =1 4 4
168
em seguida, estima-se o valor estimado da normal (0, 1):
k2 =
4, 4378 2(2 + 2) 8 2 4 4
1 2
3,5621 = 0,8905 4
No existem razes para duvidar de que a distribuio multivariada tenha algum desvio de curtose, uma vez que k 2 < z 0, 025 = 1,96 .
iii) Programa SAS para o teste de normalidade
A seguir so apresentados um programa SAS usando o Proc Calis para o teste da curtose e um programa em IML, para ambos parmetros. O programa fornece as estatsticas amostrais e os valores das significncias observadas.
Data FR; Input Reais Vendas; cards; 80 10 120 12 90 6 110 8 ; Proc Calis data=FR Kurtosis; Title1 j=1 "Uso do Calis para testar a normalidade"; Title2 "pela Curtose de Mardia"; Lineqs Reais=e1, vendas=e2; std e1=eps1, e2=eps2; Cov e1=eps1, e2=eps2; Run; Proc IML; use FR; read next 4 into X; /* lendo n observacoes dentro de X */ n=nrow(X);p=ncol(X); dfchi=p*(p+1)*(p+2)/6; /*definindo GL para B1,p */ q=i(n) - (1/n)*j(n,n,1); /* criando q=I-1/nJ, auxiliar */ S=(1/n)*x`*q*x; /* matriz de covariancias viesada */ S_inv=inv(S); /* inversa de S */ print s s_inv; g=q*x*s_inv*x`*q; /* matriz com gij */ print g; beta1=(sum(g#g#g))/(n*n); /*produto elem. a elem. E sua soma/n^2 */ beta2=trace(g#g)/n; /* idem com tomada do traco/n */ print beta1 beta2; k1=n*beta1/6; /* definindo k1 e k2, transformacoes de b1,p e b2,p */ k2=(beta2-p*(p+2))/sqrt(8*p*(p+2)/n); pvalskew=1-probchi(k1,dfchi); /* calculo dos p_values respectivos */ pvalkurt=2*(1-probnorm(abs(k2))); print k1 pvalskew; print k2 pvalkurt; Quit; /* abandonando IML */
Ferreira, D.F.
169
Finalmente apresentado a seguir um programa SAS para orientar os leitores na simulao de dados com distribuio normal multivariada com mdia e covarincia especificada. O exemplo apresentado gera uma distribuio normal trivariada.
Proc IML; n=100;p=3; SIG={8 4 1, 4 10 3, 1 3 18}; st=Root(sig); mu={1, 10, 8}; x=j(n,p,0); zi=j(p,1,0); do i=1 to n; do ii=1 to p; zi[ii]=rannor(0); end; xi=st`*zi+mu; do ii=1 to p; x[I,ii]=xi[ii]; end; end; print x; create dtnorm from x; append from x; quit; proc print data=dtnorm; run;quit;
170
4.8. Exerccios
4.8.1. Com os dados do exemplo 4.4, tendo como hiptese que os mesmos seguem a distribuio normal bivariada, utilize o resultado 4.2, ao nvel de 50%, de que as distncias generalizadas seguem a distribuio qui-quadrado. Utilizando ento a distribuio de propores, item (a), verifique a normalidade bivariada dos dados, contando a proporo observada ( Pi ) de distncias que pertencem a elipse, e comparando com a estatstica abaixo.
| Pi 0,5 | > 3
0,5 0,5 1,5 = n n
4.8.2. Utilizando os dados deste exemplo (1.1), realize todos os testes univariados, propostos, neste captulo, para ambas variveis.
4.8.3. Utilizando os dados climticos, obtidos por Diniz (1996), na fazenda Cooparaso-EPAMIG, Jacu, MG, de agosto de 1994 a janeiro de 1995, teste a pressuposio de normalidade tridimensional dos mesmos. Utilize para isso, o processo grfico apresentado, e o teste do exerccio nmero 4.8.1 e o teste baseado nos desvios de assimetria e curtose de Mardia.
Ferreira, D.F.
171
Temperatura 22,7 23,7 24,3 24,4 24,5 25,2 25,5 24,7 24,3 24,7 24,9
Umidade Relativa (%) 64,1 56,1 54,9 58,2 62,8 70,3 75,2 81,4 79,3 74,6 78,0
Precipitao (mm) 7,9 1,5 0,0 0,0 8,7 22,5 57,0 75,7 123,2 124,4 148,0
4.8.4. Utilize os dados de uma amostra de 24 cochonilhas, fmeas adultas, de
Quadraspidiotus perniciosus (Comst.), por ramo de pessegueiro, na regio

de Jacu-MG, e teste a pressuposio de normalidade dos dados, utilizando os procedimentos apresentados univariados na seo 4.7. 0,8 1,0 0,6 0,6 0,2 0,8 2,5 1,5 0,3 1,7 1,9 2,5 1,1 5,0 0,9 1,7 2,6 4,5 1,8 1,0 0,5 0,4 1,8 0,7
||[
Inferncias sobre o vetor mdia
]||
5.1. Introduo
Este captulo o primeiro deste material a apresentar inferncias, utilizando as tcnicas, os conceitos e os resultados apresentados nos captulos prvios. Este captulo, por estar intimamente relacionado inferncia estatstica, ou seja, voltado para obteno de concluses vlidas para a populao com base nas informaes amostrais. As inferncias realizadas neste captulo so relativas a vetor populacional de mdias e nos seus componentes. Umas das mensagens centrais da anlise multivariada, que dever ser abordada neste e nos prximos captulos, que p variveis correlacionadas devem ser analisadas simultaneamente.
5.2. Inferncias sobre mdia de uma populao normal

Nesta seo sero abordados os testes de significncia e a obteno de intervalos de confiana (IC) para a mdia de uma populao normal.
5. Inferncias sobre o vetor mdia
172
Inicialmente ser abordado o problema de verificar se um determinado valor 0 um possvel valor (plausvel) para a verdadeira mdia populacional desconhecida. Do ponto de vista dos testes de hipteses este problema pode ser abordado atravs do teste:
H0 : = 0
vs
H1 : 0
aqui, H0 a hiptese nula e H1 a hiptese (bilateral) alternativa. Considerando o caso univariado, e se X1, X2, ..., Xn representam uma amostra aleatria extrada de uma populao normal, o teste estatstico apropriado para esta hiptese, quando p igual a 1, :
t=
( X ) , em que, X = 1 X
0
S n
n j=1
e S2 =
1 n (Xj X)2 . n 1 j=1
O teste em questo segue a distribuio de t-student com n-1 graus de liberdade. A hiptese H0 ser rejeitada se o valor observado de |t| exceder um valor crtico especificado da distribuio de t-student com n-1 graus de liberdade (GL). Analogamente, considerando agora a distncia quadrada da mdia amostral X para o valor a ser testado, pode-se rejeitar H0 a um nvel de significncia , se
Ferreira, D.F.
173
2 t2 = n(X0)(S2)1 (X0) tn1( 2)
(5.1)
2 em que, t n 1 ( / 2) representa o quantil quadrtico superior 100(/2) da distribuio
de t-student com n-1 GL. Se H0 no rejeitada, ento se conclui que 0 um valor plausvel para representar a mdia populacional normal. No entanto, uma pergunta natural pode surgir: existem outros valores de que so consistentes com os dados? A resposta sim. De fato, existe um conjunto de valores plausveis que serviriam como mdia para a populao normal estudada. Da bem conhecida
correspondncia entre a regio de aceitao dos testes de hipteses e o intervalo de confiana para tem-se:
X 0 < tn1( / 2) (no rejeitar H0) equivalente a: S n
X t n 1 ( / 2 )
S S 0 X + t n 1 ( / 2 ) n n
(5.2)
Antes de a amostra ser retirada, o intervalo de confiana de 100(1-)% de (5.2) um intervalo aleatrio, pois seus limites dependem das variveis aleatrias X e S. A probabilidade do intervalo conter 100(1-)% e
174
entre um grande nmero independentes de tais intervalos, 100(1-)% deles contero . considerada agora a generalizao do caso univariado para o multivariado. O problema de determinar se um dado vetor 0 (p x 1) um valor plausvel da mdia de uma distribuio normal multivariada. Uma generalizao da distncia quadrada apresentada em (5.1) :
T 2 = n X 0 S1 X 0
(5.3)
em que,
X=
t 1 n 1 n Xj , S = ( X j X )( X j X ) n j=1 n 1 j=1
01 02 e 0 = 0p
A estatstica T2 chamada de chamada de T2 de Hotelling, em honra a Harold Hotelling (Bock, 1975), um pioneiro da estatstica multivariada, que pela primeira vez obteve a sua distribuio. Felizmente, tabelas especiais dos pontos percentuais para a distribuio T2 no so necessrias na realizao dos testes de hipteses, devido estatstica:
T2 ser distribuda como
(n 1)p Fp,n p np
(5.4)
Ferreira, D.F.
175
em que, Fp,n-p representa uma varivel com distribuio F com p e n-p GL. De uma forma geral a distribuio de T2 considerando graus de liberdade e dimenso p dada por:
T 2 = Fp,+1 p
p +1 p
(5.5)
Desta forma para se testar a hiptese H 0 : = 0 versus H1 : 0 , no valor nominal de significncia, deve-se rejeitar H0 em favor de H1 se
T 2 = n X 0 S1 X 0 >
(n 1)p Fp,n p () np
(5.6)
Infelizmente, raro, nas situaes multivariadas, o pesquisador se satisfazer com o teste da hiptese H 0 : = 0 , em que todos os componentes do vetor mdia so especificados sob a hiptese de nulidade. Em geral prefervel encontrar regies de valores de que so plausveis para serem o vetor de mdia populacional na luz dos dados observados.
Exemplo 5.1 A matriz X, apresentada a seguir, representa uma amostra de n=3 observaes retiradas de uma distribuio normal bivariada.
176
11 2 X = 10 4 9 3
t Teste a hiptese de que 0 =[9 2] seja um valor plausvel para representar a mdia
populacional. A estatsticas amostrais so:
10 1,0 0,5 X= e S= 3 0,5 1,0
Ento,
S1 =
1 4 2 3 2 4
E o valor de T2 ser obtido da seguinte forma:
T 2 = 3 [10 9 3 2]
1 4 2 10 9 = 12 3 2 4 3 2
O valor de F2,1 ao nvel de 5% 199,5, ento, H0 ser rejeitada se o valor observado de T2 superar
Ferreira, D.F.
177
(n 1)p 4 F2,1 = 199,5 = 798,0 . 1 np
Como neste caso, o valor de T2 observado (12,0) foi inferior ao valor crtico (798,0), ento, H0 no deve ser rejeitada. importante salientar neste ponto, que a hiptese H0 ser rejeitada se um ou mais dos componentes do vetor mdia amostral, ou alguma combinao de mdias, diferir muito do valor hipottico
t 0 = [9 2]. Neste estgio, no se tem idia de quais os valores hipotticos no so
suportados pelos dados.
5.3. Regio de confiana e Comparaes simultneas de componentes de mdia

Ser inicialmente, generalizado o conceito univariado de intervalo de confiana para o multivariado de regio de confiana, R(X). A regio de confiana conter 100(1-)% se antes de a amostra ser selecionada,
P[R(X) cobrir o verdadeiro ] = 1
(5.7)
em que , representa um vetor de parmetros desconhecidos (Krzanowski, 1993). No caso, a regio de confiana para de uma distribuio normal p variada, ser todos os valores de tais que:
178
t (n 1)p P n X S1 X Fp,n p () np
(5.8)
Para determinar se um dado valor 0 um valor plausvel de , basta calcular a distncia quadrada generalizada n(X ) t S1 (X ) e comparar com
(n 1)pFp,n p () /(n p) .
Se
distncia
quadrada
for
maior
que
(n 1)pFp,n p () /(n p) , ento 0 no pertence regio de confiana. Isto

equivalente a testar a hiptese H0: = 0 contra a H1: 0, a qual possibilita afirmar que a regio de confiana constitui-se em todos os valores de 0 cujo teste T2 no rejeitaria a hiptese nula a favor da alternativa, em um nvel de significncia . Para p4 no se pode fazer o grfico da regio de confiana para . Pode se, no entanto, calcular os eixos da elipside de confiana e seus tamanhos relativos, os quais so determinados pelos autovalores i e autovetores ei de S. Os tamanhos dos semi-eixos de
n X S1 X c2 =
) (
t
p(n 1) Fp,np () n p
so determinados por
Ferreira, D.F.
179
i c n
= i [p(n 1)Fp,n p ()]/[n(n p)] unidades ao longo de ei .
Comeando do centro, determinado por X , os eixos da elipside so:
i [p(n 1)Fp,n p ( )] /[n(n p)] ei
Exemplo 5.2 A partir dos dados do exemplo 5.1, obter a regio de confiana de 95%, e verificar
t se o ponto 0 =(13, 4) pertence a mesma.
10 1,0 0,5 1 4 2 e S1 = X = , S= 3 2 4 3 0,5 1,0
Os autovalores e autovetores de S, so:
1 = 1,5
t e1 = [ 0, 707107 0, 707107 ]
2 = 0,5
t e 2 = [ 0, 707107
0, 707107 ]
180
A elipse de confiana 95% para consiste de todos os valores (1, 2) que satisfazem:
1 4 2 10 1 2 (2) 3 [10 1 , 3 2 ] 199,5 3 2 4 3 2 1
ou, 4(10 1 ) 2 + 4(10 1 )(3 2 ) + 4(3 2 ) 2 798
t Para verificar se o ponto 0 =(13, 4) pertence a elipse, calcula-se:
4(10 13) 2 + 4(10 13)(3 4) + 4(3 4) 2 = 52 798,0
o que permite que se conclua que o ponto testado est na regio de confiana. O grfico da elipse obtida pode ser visualizado na Figura 5.1. com a anlise grfica, pode-se confirmar que o ponto em questo pertence regio de confiana.
Ferreira, D.F.
181
x2
x1
Figura 5.1. Elipse de 95% de confiana para o vetor populacional de mdias, obtido a partir dos dados do exemplo 5.1.
Exemplo 5.3 Para exemplificar a regio tridimensional para a mdia populacional, os dados de produo comercial (t/ha), produo de tubrculos grados (t/ha) e peso mdio de tubrculos grados (g) de 15 clones de batata selecionados em Maria da F e Lavras (Moment, 1994), foram utilizados e encontram-se no quadro a seguir. Obter a regio de 95% de confiana para o vetor mdia populacional.
t Verificar se o ponto 0 = (16,89 8, 76 109, 23) pertence a regio de confiana (ponto
referente a cultivar Achat). Traar a regio de confiana.
182
Produo comercial 1 47,82 2 42,40 3 41,82 4 40,77 5 40,27 6 39,84 7 38,36 8 38,15 9 37,55 10 36,19 11 36,15 12 35,17 13 34,90 14 34,57 15 34,15 Fonte: Moment, 1994
Clones
Produo de tubrculos grados 40,40 26,96 27,33 21,81 33,06 22,31 32,81 26,02 21,69 25,65 23,46 25,29 22,92 16,25 21,75
Peso mdio de tubrculos grados 146,30 94,58 143,66 127,29 115,17 99,32 150,13 131,17 152,04 154,83 95,43 105,97 113,59 86,39 119,50
O vetor de mdias e a matriz de covarincia amostrais so:
38,541 X = 25,854 122,358
13,8195 15,8284 24,7250 S = 15,8284 34,8769 63,0215 24,7250 63,0215 540,1553
Os autovalores e autovetores de S so:
1 = 549, 208
t e1 = (0, 049 0,123 0,991)
2 = 34, 460
t e 2 = (0,500 0,856 0,131)
3 = 5,185
t e3 = (0,865 0,502 0, 019)
Ferreira, D.F.
183
A regio de confiana fica determinada por:
n(X ) t S1 (X ) c 2 =
p(n 1) Fp,n p () np
15 [38,541 1
25,854 2
Sim. 0,15149 0, 07124 0, 06983 122,358 3 ] 0, 00138 0, 00489 0, 002358
38,541 1 25,854 2 122,358 3
3 14 3, 49 = 12, 215 12
= 2, 27(38,541 1 ) 2 2,14(38,541 1 )(25,854 2 ) + 0,04(38,541 1 )(122,358 3 ) + +1,05(25,854 2 ) 2 0,15(25,854 2 )(122,358 3 ) + 0,04(122,358 3 ) 2 12, 215
t Para verificar se o ponto 0 = (16,89 8, 76 109, 23) pertence regio
de confiana, basta substituir os valores de 1 por 16,89, de 2 por 8,76 e o de 3 por 109,23. O valor encontrado de 563,4964 superior a 12,215, o que indica que a mdia da Cultivar Achat, no pertence regio de 95% de confiana para mdia das 15 famlias clonais estudadas. Utilizando o programa Maple, atravs da seguinte macro, foi traado o grfico, elipside de confiana (Figura 5.2), da regio de 95% de confiana para
. Pode-se visualizar tambm que o ponto em questo no pertence a elipside

de confiana.
184
x3
x2
x1
Figura 5.2. Elipside de 95% de confiana para o vetor de mdias populacional, obtida a partir dos dados do exemplo 5.3.
Intervalos de confiana simultneos
Enquanto a regio de confiana fornece corretamente o conjunto de valores plausveis para a mdia de uma populao normal, qualquer resumo de concluses, em geral, inclui intervalos de confiana sobre mdias individuais. Assim, adota-se que todos os intervalos de confiana sejam verdadeiros simultaneamente com uma alta probabilidade especfica. Isto garante com alta
Ferreira, D.F.
185
probabilidade que qualquer afirmao no seja incorreta, o que conduz ao termo intervalo de confiana simultneo (Johnson e Wichern, 1998). Considerando uma combinao linear das mdias amostrais,
X=
X1 +
X2 +
Xp
cuja distribuio amostral possui estimador da covarincia dado por:
S n
Dessa forma poderia se pensar em se obter intervalos de confiana de 95% baseados na distribuio de t-student,
t t
X t n 1 ( / 2)
(5.9)
O intervalo da expresso (5.9) pode ser interpretado como intervalos sobre componentes do vetor de mdia, assim, por exemplo, fazendo-se
t
= [1 0 .... 0] , a expresso (5.9) se torna o intervalo clssico para a mdia de uma
populao normal univariada. Neste caso tem-se uma srie de inferncias sobre os componentes de , cada um associado com o coeficiente de confiana de 1-, atravs de diferentes escolhas de . No entanto o coeficiente de confiana para
186
todos os intervalos tomados simultaneamente no 1-. Para corrigir esta imperfeio demonstra-se (Johnson e Wichern, 1988; Anderson, 1984) que para garantir o coeficiente nominal de confiana simultneo de 1- para a cobertura de os valores paramtricos necessrio recorrer distribuio de T2. Este resultado est apresentado a seguir:
p(n 1) Fp,n p ( ) t S n(n p)
(5.10)
Mtodo de Bonferroni para Comparaes mltiplas
Muitas vezes um pequeno nmero de intervalos de confiana requerido. Nestas situaes pode-se ter uma melhor opo do que as comparaes simultneas, proposta em (5.10), obtendo intervalos de confiana mais curtos (mais precisos) do que o intervalo simultneo de T2. Esta alternativa de intervalo conhecida por mtodo de Bonferroni. A seguir ser apresentado o mtodo para obtenes de intervalo de confiana para os componentes de mdia. Se as m=p mdias forem consideradas, ento, o mtodo de Bonferroni :
Xi tn1(2m)
Sii n
i =1,2,...,p = m
(5.11)
Ferreira, D.F.
187
Exemplo 5.4
Utilizando os dados do exemplo 5.2, obter os intervalos clssicos de t-student, T2 e Bonferroni, para os componentes individuais do vetor de mdia, e compar-los entre si, quanto ao comprimento. O vetor de mdias e a matriz de covarincia amostral so:
10 1,0 0,5 X= e S= 3 0,5 1,0
1. Intervalo T2
IC1 (0,95) = X1
p(n 1) S Fp,n p () 11 np n
IC1 (0,95) = 10
2(3 1) 1 199,5 32 3
IC1 (0,95) = 10 16,31 = [6,31; 26,31]
IC2 (0,95) = 3
2(3 1) 1 199,5 3 2 3
IC2 (0,95) = 3 16,31 = [13,31; 19,31]
188
Observa-se que os limites dos intervalos de confiana mltiplos representam os limites da elipse de confiana de 95% (Figura 5.1), projetados nos respectivos eixos.
2. Intervalo de Bonferroni
Neste caso, m=p=2, portanto /2m=0,0125. O valor de t-student correspondente, com n-1=2 GL 6,21. Ento,
IC1 (0,95) = 10 6, 21
1 3
IC1 (0,95) = [6, 41; 13,59]
IC2 (0,95) = 3 6, 21
1 3
IC2 (0,95) = [0,59; 6,59]
Observa-se nesta situao que os intervalos so bem mais estreitos que o seu correspondente em 1.
Ferreira, D.F.
189
3. Intervalo t de Student
Neste caso /2=0,025 e o valor de t-student correspondente com 2 GL 4,30. Ento,
IC1 (0,95) = 10 4,30
1 3
IC1 (0,95) = [7,52; 12, 48]
IC2 (0,95) = 3 4,30
1 3
IC2 (0,95) = [0,52; 5, 48]
Apesar de estes ltimos intervalos individualmente garantir com 95% de probabilidade que as mdias populacionais esto contidas nos mesmos, no h garantia de que simultaneamente eles contenham as mdias populacionais no mesmo valor nominal do coeficiente de confiana, diga-se 95%. Na melhor das hipteses, variveis no correlacionadas, o valor real do coeficiente de confiana
(1-)p=0,952=0,9025.
190
5.4. Inferncias amostras
sobre
propores
de
grandes
Freqentemente, algumas caractersticas de interesse na populao esto na forma de atributos. Cada indivduo nesta populao pode ser descrito em termos dos atributos que possui, os quais so codificados, pela sua presena e ausncia. Na populao, com q caracterstica, a proporo de elementos que possui os atributos 1, 2, ..., q p1, p2, ..., pq. Considerando q atributos mutuamente exclusivos e caractersticas exaustivas, ento, pq=1-(p1+p2+...+pq-1). Numa grande amostra de tamanho n, pelo teorema do limite central,
p possui distribuio aproximadamente normal, com
p1 p = 2 E(p) pq
p1 p 2 p1 (1 p1 ) p p p 2 (1 p 2 ) 1 2 1 e Cov(p) = n pq p 2 p q p1
p1 p q p 2 pq 1 = . n p q (1 p q )
Para grandes amostras, a aproximao continua vlida se um
estimador de Cov p , (1/n) , for utilizado.

Uma vez que cada elemento da populao est associado a apenas um atributo, ento, pq=1-(p1+p2+...+pq-1), o que trs como conseqncia que o
()
posto de igual a q-1, portanto sua inversa no existe. Apesar disso, pode-se
desenvolver intervalos de confiana simultneos aproximados de 100(1-)%, para qualquer combinao
t
p.
Ferreira, D.F.
191
Para uma amostra de tamanho n, considerando q categorias da distribuio multinomial, o intervalo aproximado de confiana simultneo de 100(1-)%, para qualquer combinao
t
p = 1p1 +
p 2 + ... +
p q , dado por:
2 p q 1 ()
(5.12)
garantindo que n-1-q seja grande. Segundo Johnson e Wichern (1988), o valor
grande de n-q-1, significa que npk deve estar em torno de 20 para cada categoria
k=1, 2, ..., q.
Exemplo 5.5
Numa amostra de n=35 cochonilhas, obtida na regio de Jacu, MG, em fevereiro de 1995, em plantas de pessegueiro tratadas, Diniz (1996) obteve os seguintes resultados: Fmeas adultas 5 Ninfa mvel 11 Ninfa fmea 15 Ninfa macho 4 Total 35
Obter os intervalos de confiana simultneos de 95% usando a aproximao de grandes amostras para propores de insetos em cada categoria. O vetor de propores e a matriz de covarincia amostral so:
192
Sim. 0,1429 0,1225 0,0449 0, 2155 0,3143 e = p= 0,0612 0,1347 0, 2449 0, 4286 0,0163 0,0359 0,0489 0,1012 0,1142
2 O valor de 3 (0, 05) 7,815, e os intervalos so:
p1 : 0,1429 7,815
0,1225 = 0,1429 0,1654 = [0,0225; 0,3083] 35
p 2 : 0,3143 7,815
0, 2155 = [0,0949; 0,5337] 35
p3 : 0, 4286 7,815
0, 2449 = [0,1948; 0,6624] 35
p 4 : 0,1142 7,815
0,1012 = [0,0361; 0, 2645] 35
5.5. Comparaes pareadas
Em muitas situaes experimentais deseja-se testar o efeito ou eficcia de um tratamento. Para isso, medidas so tomadas nas unidades experimentais antes e aps a aplicao do tratamento. Uma outra situao em que esta comparao pode ser de interesse quando na mesma unidade
Ferreira, D.F.
193
amostral ou experimental dois tratamentos so aplicados. Estas respostas so denominadas medidas pareadas, e podem ser analisadas calculando-se suas diferenas, eliminando a influncia da variao entre as unidades experimentais ou amostrais. Ser, inicialmente, abordado o caso univariado e, em seguida, a sua respectiva generalizao para o caso multivariado. Denotando X1j a resposta do tratamento 1 (ou resposta antes do tratamento) e X2j a resposta do tratamento 2 (ou resposta aps o tratamento) para a j-sima unidade amostral ou experimental, em que (X1j, X2j) so medidas tomadas na mesma unidade amostral ou experimental, ento as n diferenas:
Dj = X2j - X1j , j=1, 2, ..., n
(5.13)
devem refletir somente o efeito diferencial entre os tratamentos. Assumindo que as diferenas Dj so observaes independentes de uma distribuio normal N(, 2 ), a varivel D
t=
D SD n
(5.14)
segue a distribuio de t-student com n-1 graus de liberdade, em que:
194
D=
1 n Dj e n j=1
SD =
1 n Dj D n 1 j=1
1 = n 1
n Dj n j=1 D2j n j=1
(5.15)
Conseqentemente, para um coeficiente de confiana de 1-, o teste para a hiptese:
H0 : = 0 (efeito nulo de tratamento) H1 : 0 pode ser realizado comparando-se | t | com tn-1(/2), o quantil 100(/2) superior da distribuio de t-student com n-1 graus de liberdade. O intervalo de confiana de 100(1-)% para o efeito do tratamento (ou diferena de efeitos dos tratamentos) dado pela maneira usual e apresentado a seguir.
D t n 1 ( / 2)
SD n
(5.16)
Para extenso multivariada dos procedimentos adotados no caso univariado, a seguinte notao utilizada, pois existe a necessidade de distinguir entre os ndices para os dois tratamentos (1o ndice), a resposta da j-sima unidade experimental ou amostral (2o ndice) e as p variveis (3o ndice). Neste caso, X1jk representa a resposta do tratamento 1 (ou medida antes de se aplicar o
Ferreira, D.F.
195
tratamento) na k-sima varivel tomada na j-sima unidade e, X2jk representa a resposta do tratamento 2 (ou medida aps se aplicar o tratamento) na k-sima varivel tomada na j-sima unidade, sendo que j=1, 2, ..., n; k=1, 2, ..., p. As diferenas tm a mesma notao com exceo do primeiro ndice, do efeito do tratamento, que deve desaparecer. Isto se deve ao fato de as diferenas refletirem o efeito diferencial dos tratamentos. Assim, Djk representa a diferena entre os tratamentos na j-sima unidade amostral ou experimental obtida na k-sima varivel. Fazendo D tj = D j1
D j2
D jp e assumindo que
distribudo normal e independentemente, Np( , D ), a estatstica T2 se aplica para se realizar inferncias sobre o vetor mdia das diferenas. Os seguintes resultados podem ser obtidos, a partir das pressuposies assumidas. Dadas as diferenas observadas
D tj = D j1
D j2
D jp ,
j=1, 2, ..., n, um teste de a hiptese H o : = 0 vs H1 : 0 deve rejeitar H0 se o valor observado
T 2 = n ( D 0 ) Sd 1 ( D 0 ) > t
p(n 1) Fp,n p () (n p)
(5.17)
em que,
D=
1 n Dj n j=1
e SD =
t 1 n ( D j D )( D j D ) n 1 j=1
196
A regio de confiana de 100(1-)% para consiste em todos os valores de tais que
T 2 = n(D ) t S1 (D ) D
p(n 1) Fp,n p ( ) (n p)
(5.18)
Os intervalos de confiana simultneos 100(1-)% para as diferenas de mdias individuais i so dados por:
ICi (1 ) : Di
SD(ii) p(n 1) Fp,n p () (n p) n
(5.19)
em que, Di o i-simo elemento de D e SD(ii) i-simo elemento da diagonal de SD.
2 Para n-p grande, [(n-1)p/(n-p)]Fp,n-p() p () , e a normalidade no
precisa ser assumida. O intervalo simultneo de Bonferroni 100(1-)% para as mdias individuais das diferenas i :
SD(ii) ICi (1 ) : Di t n 1 n 2p
(5.20)
Ferreira, D.F.
197
Exemplo 5.6
Em uma amostra de n=4 fazendas em Marechal Cndido Rondon foram mensuradas a produo leiteira diria mdia por animal (X1) e a renda total diria da produtividade de leite (X2) antes da aplicao do plano governamental panela cheia e aps a aplicao. Testar a hiptese de que o plano foi ineficiente em aumentar a mdia dos dois ndices zootcnicos. Os dados da amostra so:
Antes
X1j1 X1j2 X2j2
Aps
X2j2
10 11 9 8
80 80 60 60 A hiptese a ser testada :
13 15 16 19
90 92 88 90
0 H0 : = 0 = 0
As diferenas foram obtidas e so dadas por:

Dj1 Dj2
3 4 7 11 As estimativas amostrais so:
10 12 28 30
198
6, 25 12,9167 34, 6667 D= e SD = 34, 6667 109,3333 20, 00
O valor da estatstica T2 pode ser computado por:
0,5195 0,1647 6, 25 T 2 = 4 [ 6, 25 20] = 14, 6515 0,1647 0, 0614 20, 00
O valor crtico :
p(n 1) 2 (4 1) Fp,n p (5%) = F2,4 2 (5%) = 3 19 = 57 (n p) (4 2)
Como T2=14,6515<57, ento, H0 no pode ser falseada para o valor nominal de 5% de significncia. Os intervalos de confiana simultneos so:
IC1 (0,95) : D1
2(4 1) 12,9167 F2,4 2 (0, 05) = 6, 25 13,57 = [ 7,32;19,82] (4 2) 4
IC2 (0,95) : D 2
2(4 1) 109,3333 = 20 39, 47 = [ 19, 47; 59, 47 ] F2,4 2 (0, 05) (4 2) 4
Ferreira, D.F.
199
5.6. Comparaes populaes
de
vetores
mdias
de
duas
O teste T2 para testar a igualdade de vetores mdia de duas populaes pode ser desenvolvido por analogia ao procedimento univariado. Este teste T2 apropriado para comparar a resposta mdia de um grupo experimental (populao 1) com a resposta mdia independente de outro grupo experimental (populao 2). Se possvel, as unidades experimentais devem ser sorteadas para cada conjunto de observaes de ambas as populaes, o que abrandar o efeito da variabilidade entre unidades na comparao entre tratamentos. Apesar disto, este tipo de comparao, em geral, menos preciso do que o caso de comparaes pareadas. Considerando uma amostra aleatria de tamanho n1 da populao 1 e uma amostra n2 da populao 2. As observaes das p variveis podem ser organizadas como:
Amostra (Populao 1) X11 , X12 , ..., X1n1 (Populao 2) X 21 , X 22 , ..., X 2n 2
Estatsticas amostrais t 1 1 n1 X1 = X1j S1 = ( X1j X1 )( X1j X ) n1 j=1 n1 1 j=1

n1
1 n2 X2 j n 2 j=1 Subscritos 1 e 2, denotam a populao. X2 =
S2 =
t 1 n2 ( X 2 j X 2 )( X 2 j X 2 ) n 2 1 j=1
200
Deseja-se realizar inferncia a respeito da diferena de mdias populacionais ( 1 2 ), para verificar se esta diferena nula, o que equivale a afirmar que no existe efeito dos tratamentos. De forma equivalente, pode-se fazer tal inferncia, testando a hiptese de igualdade dos vetores mdias populacionais ( H 0 : 1 = 2 ). Algumas pressuposies devem ser obedecidas para a validade dos testes e da inferncia realizada. Entre as pressuposies destaca-se a necessidade de que sejam realizadas amostras aleatrias, de tamanho n1 e n2, de ambas as populaes (populao 1 com mdia 1 e covarincia 1 , e populao 2 com mdia 2 e covarincia 2 ); alm disso, supe-se que as observaes da amostra 1 so independentemente obtidas em relao aquelas da amostra 2. Ainda necessrio assumir que ambas as populaes sejam normais que a matriz de covarincia amostral seja a mesma ( 1 = 2 = ). As matrizes de covarincia S1 e S2 so estimadores de 1 e de 2 , respectivamente. Conseqentemente, pode-se combinar as informaes de ambas as amostras para estimar a varincia comum da seguinte forma:
Sp =
(n1 1)S1 + (n2 1)S2 n1 + n2 2
(5.21)
Para se testar a hiptese H 0 : 1 2 = 0 , considera-se os seguintes resultados:
Ferreira, D.F.
201
E X1 X 2 = 1 2
(5.22)
1 1 Cov X1 X 2 = + n1 n 2
(5.23)
Devido ao resultado (5.21), em que Sp um estimador de , ento,
1 1 + Sp n1 n2
um estimador de Cov X1 X 2 . Demonstra-se que o teste da razo de verossimilhana para a hiptese,
H 0 : 1 2 = 0
dado pela distncia quadrada T2. Rejeita-se H0 se
1 1 (n1 + n 2 2)p T = [X1 X 2 0 ] + Sp [X1 X 2 0 ] > Fp,n + n p 1 ( ) (n1 + n 2 p 1) 1 2 n1 n 2

2 t
202
Exemplo 5.7
Os dados a seguir referem-se produtividade e altura de plantas de duas variedades de milho (A e B). Determinar a regio de 95% de confiana para diferena 1 2 .
A Produtividade 5,7 8,9 6,2 5,8 6,8 6,2
Altura da planta 2,10 1,90 1,98 1,92 2,00 2,01
Produtividade 4,4 7,5 5,4 4,6 5,9
B Altura da planta 1,80 1,75 1,78 1,89 1,90
As estatsticas amostrais so:
6,57 1, 4587 0,0514 X1 = , S1 = 0,0514 0,0051 1,99
5,56 1,5430 0,0366 X2 = , S2 = 0,0366 0,0045 1,82
A matriz de varincia e covarincia amostral combinada :
1, 4962 0,0448 Sp = 0,0448 0,0048
Ferreira, D.F.
203
Os autovalores e autovetores de Sp so:
1 = 1, 4975
t e1 = [ 0,9995 0, 0300]
2 = 0, 0035
t e 2 = [ 0, 0300
0,9995]
O valor de F2,8(0,05)=4,459. A regio de confiana dada por:
1 1 (n1 + n 2 2)p T = [X1 X 2 0 ] + Sp [X1 X 2 0 ] Fp,n + n p 1 ( ) (n1 + n 2 p 1) 1 2 n1 n 2

2 t
21 em que, 0 = 1 = 11 2 12 22
Desta forma com os valores amostrais, tem-se:
[1,01 1
0,17 2 ]
8,6575 1,01 1 30 0,9276 8,6575 289,1364 0,17 10,0328 11 2
Esta equao foi implementada no programa Maple, para se obter a elipse de 95% de confiana, apresentada na Figura 5, cujos comandos esto apresentados a seguir:
204
12 22
11 21
Figura 5.3. Elipse de 95% de confiana para diferena do vetor mdia de ambas as variedades de milho.
Verifica-se pela Figura 5.3 que a origem 0 t =[0, 0], no pertence a regio de confiana, indicando que as duas variedades diferem quanto ao vetor mdia.
Ferreira, D.F.
205
Intervalos de confiana simultneos
Para desenvolver intervalos de confiana simultneos para um componente de 1 2 , adota-se o vetor tal que a combinao , por
t
( 1 2 ), ser
abrangida com probabilidade 1-, para qualquer escolha de
(X
X2 )
1 1 (n1 + n 2 2)p Fp,n1 + n 2 p 1 () + tSp n1 + n 2 p 1 n1 n 2
(5.24)
Mtodo de Bonferroni para comparaes mltiplas
O intervalo de confiana simultneo de 100(1-)% de Bonferroni para as p diferenas entre duas mdias populacionais dado por:
1 1 1i 2i : (X1i X 2i ) t n1 + n 2 2 + Sii 2p n1 n 2
(5.25)
Comparaes entre vetores mdias quando 1 2
Quando 1 2 , a distribuio das estatsticas dependem de uma medida de distncia que no so independentes das covarincias populacionais desconhecidas. Por serem desconhecidas as covarincias populacionais, o teste
206
de Bartlett pode ser usado para testar H0: 1 2 . No entanto, este teste fortemente afetado se a pressuposio de normalidade for violada. O teste em questo no pode diferenciar entre a ausncia de normalidade e a
heterogeneidade das covarincias. Quando ambos n1-p e n2-p so grandes, pode-se evitar as complicaes da desigualdade de varincias, utilizando a elipside de 100(1-)% de confiana aproximada, dada por (5.26). O problema de covarincias heterogneas, quando as amostras so provenientes de populaes normais conhecido como problema de Behrens-Fisher multivariado.
1 1 2 [X1 X 2 0 ] S1 + S2 [X1 X 2 0 ] p () n2 n1
t
(5.26)
O intervalo de confiana simultneo aproximado dado por:
(X
2 X 2 ) p ( )
1 1 S1 + S2 n2 n1
(5.27)
Sete solues para o problema multivariado de Behrens-Fisher foram estudadas por Christensen e Rencher (1997) por meio de simulao Monte Carlo, comparando as taxas de erro tipo I e o poder destas solues. Algumas dessas solues estudadas por estes autores so apresentadas a seguir.
Ferreira, D.F.
207
a) Aproximao de Bennett
A primeira dessas alternativas quela estudada por Bennett (1951), a qual assume que n2n1, o que no limitante. Para contornar o problema, caso essa condio no seja atendida, basta trocar os nomes das amostras, isto , a amostra 1 passa ser a amostra 2 e vice-versa. Inicialmente necessrio calcular os vetores Z j , j = 1, 2,
, n1 da seguinte forma.
n 1 Z j = X1j 1 X 2 j + n2 n 1n 2
1 X2 j n j=1 2
n1
X
k =1
n2
2k
(5.28)
Em seguida calcula-se a mdia ( Z ) e a covarincia (SZ) a partir das n1 observaes amostrais p-variadas obtidas na expresso (5.28). A estatstica
T 2 = n1Zt S1Z Z
(5.29)
possui distribuio T2 de Hotelling com dimenso p e =n1-1 graus de liberdade, que pode ser dada pela expresso geral (5.5).
b) Aproximao de James
A aproximao de James (1954) envolve uma correo do valor de 2 quando se utiliza a estatstica T*2, definida por:
208
1 1 2 T = [X1 X 2 ] S1 + S2 [X1 X 2 ] ~ p n1 n2
2 t
(5.30)
James (1954) prope valores crticos ajustados ao invs de utilizar a distribuio aproximada de qui-quadrado diretamente. Os valores crticos propostos por James (1954) so dados em (5.31).
2 ( ) ( A + B 2 ( ) ) p p
(5.31)
em que 2 () o quantil superior da distribuio de qui-quadrado e A e B so p dados em (5.32) e (5.33).
1 2 1 1 Si A = 1+ tr Se 2p i =1 n i 1 ni
(5.32)
2 2 2 1 1 1 Si 1 Si B= n 1 tr 2 Se n + tr Se n 2p(p + 2) i =1 i i i
(5.33)
em que:
Se =
S1 S2 + n1 n 2
(5.34)
Ferreira, D.F.
209
c) Aproximao de Yao
A aproximao de Yao (1965) uma extenso da aproximao de Welch para os graus de liberdade. A estatstica (T*2) apresentada em (5.30) aproximada por uma T2 de Hotelling com dimenso p e graus de liberdade dados por (5.35).
1 1 = ( T 2 ) 2
2 1 t 1 S 1 i n 1 ( X1 X 2 ) Se n Se ( X1 X 2 ) i =1 i i 2
(5.35)
d) Aproximao de Johansen
A aproximao de Johansen (1980) usa a estatstica T*2 de (5.30) dividida por uma constante C para que a estatstica resultante tenha distribuio aproximada pela distribuio F com 1=p e 2= graus de liberdade. Assim, os valores necessrios para calcular a estatstica Fc de Johansen (1980) so:
Fc =
T 2 C
(5.36)
C = p
2D + 6D p(p 1) + 2
(5.37)

2
210
D=
i =1
1 tr ( I V 1V )2 + tr ( I V 1V ) 2 i i 2(n i 1)
(5.38)
p(p + 2) 3D
(5.39)
com Vi=(Si/ni)-1 para i=1 ou 2 e V=V1+V2.
e) Aproximao de Nel e Van der Merwe
A aproximao de Nel e Van der Merwe (1986) usa a estatstica T*2 de (5.30), a qual aproximada pela T2 de Hotelling com dimenso p e graus de liberdade , em que:
tr ( Se ) + tr ( Se ) = 2 2 2 2 1 S1 S1 1 S2 S2 tr + tr + tr + tr n1 1 n1 n 1 n 2 1 n 2 n 2
2 2
(5.40)
conveniente chamar a ateno para o fato de que nas expresses anteriormente apresentadas aparece um termo como: tr(A)2. Esse termo significa que necessrio calcular tr(A*A). Em outras ocasies os termos eram [tr(A)]2, o que significa que o trao da matriz A deve ser calculado e o seu quadrado a resposta almejada.
Ferreira, D.F.
211
f) Aproximao de Kim
A aproximao de Kim (1992) a mais elaborada de todas e tambm se refere a uma extenso da aproximao dos graus de liberdade de Welch, como acontece com o procedimento de Yao (1965). O procedimento de Kim requer a maximizao de um par de formas quadrticas dado por:
S1 q n1 d= S qt 2 q n2 qt
A maximizao desse par de formas quadrticas resulta na soluo do sistema de equaes homogneas dado por (5.41).
S1 S2 dk qk = 0 n2 n1
(5.41)
A soluo desse sistema pode ser obtida conforme descrito no captulo 2. O autovalores dk e os autovetores q k (k=1, 2, ..., p) so utilizados para definir a matriz D=diag(d1, d2, ..., dp) e Q = q1 q 2 matrizes definem-se as seguintes quantidades:
q p . A partir dessas
w = Q t ( X1 X 2 )
(5.42)
212
p 2p r = dk k =1
(5.43)
(
p
dk + 1 dk + r
(5.44)
c=

k =1 k =1 p
2 k
(5.45)
k
p k =1 f = p
k
2 k
k =1
(5.46)
O prximo passo calcular a estatstica do teste que tem uma aproximao F dada na expresso (5.48) com 1=f e 2=-p+1 graus de liberdade. O valor definido em (5.49).
G = w t ( D1/ 2 + rI )
(D
1/ 2
+ rI ) w
1
(5.47)
Fc =
( p + 1)G cf
(5.48)
Ferreira, D.F.
213
1 1 w t D(D + I) 2 w 1 w t (D + I) 2 w = + n1 1 w t (D + I) 1 w n 2 1 w t (D + I) 1 w
(5.49)
Teste de Bartlett para igualdade de matrizes de covarincias
O teste da razo de verossimilhana para igualdade de matrizes de covarincias de populaes Wishart foi apresentado por Bartlett (1947). Este autor demonstrou que sob a hiptese
H o : 1 = 2 =
= k =
a estatstica da expresso (5.50) tem distribuio assinttica de qui-quadrado com
=(k-1)p(p+1)/2 graus de liberdade. Em que, k o nmero de grupos ou

subpopulaes amostradas, p a dimenso das matrizes.
k 1 1 2p 2 + 3p 1 1 = n k 6(p + 1)(k 1) j=1 n j 1

2 c
(5.50)
k ( n j 1) ln S j (n k) ln Sp j=1
214
em que: Sj o estimador no viesado da covarincia da sub-populao j, baseado em nj observaes multivariadas de dimenso p; n = n j ; j=1, 2, ..., k, e
j=1 k
Sp =
(n
j=1
1) S j
nk
Exemplo 5.8. Testar a hiptese de igualdade das covarincias de 2 populaes.

Uma amostra de 11 observaes foi obtida da primeira populao e outra de 15 da segunda. Duas variveis foram mensuradas, sendo as estimativas amostrais apresentadas a seguir (Fonte: Bock, 1975).
0,51964 0, 44700 0,85143 0, 73786 S1 = com n1=11 e S2 = 0, 73786 1,54828 com n2=15 0, 44700 0, 47600
O valor de n=11+15=26 e de k=2 (populaes). A hiptese a ser testada :
H o : 1 = 2 =
Os demais valores necessrios para a realizao do teste de hiptese so:
ln S1 = 3, 0692181 ; ln S2 = 0, 2564228 ; e ln Sp = 0,9031351
Ferreira, D.F.
215
Logo,
1 1 1 2 22 + 3 2 1 2 c = 1 + 6 3 1 10 14 24
(10 ( 3, 0692181) + 14 ( 0, 2564228 ) ) 24 ( 0,9031351) =
= 11, 43
Os graus de liberdade so =1x2x3/2=3 e os valores crticos 5% e

2 2 1% da distribuio de qui-quadrado so 3 (0, 05) = 7,8147 e 3 (0, 01) = 11,3448 .
Como o valor calculado (11,43) superior aos valores crticos, rejeita-se H0 com P<0,01. Portanto, existem evidncias de que as covarincias das duas populaes no sejam iguais.
5.7. Exerccio
5.7.1. A matriz X, apresentada a seguir, representa uma amostra de n=4 observaes retiradas de uma distribuio normal bivariada.
216
11 10 X = 9 10
2 4 3 6
a) Teste a hiptese de que 0 = [9 2] seja um valor plausvel para representar a mdia populacional.
b) Obtenha a regio de 95% de confiana e esboce graficamente a mesma, destacando o valor hipottico nessa regio.
5.7.2. Com os dados do exerccio 5.7.1, determine os intervalos de confiana simultneo para os componentes de mdia individual por:
a) T2 de Hotelling
b) Procedimento de Bonferroni
c) Teste de t de student univariado.
5.7.3. Com os dados do exemplo 5.3, utilizando as duas primeiras variveis, teste a pressuposio de normalidade univariada (marginal) e bivariada, utilizando os procedimentos apresentados no captulo 4.
Ferreira, D.F.
217
5.7.4. Utilizando os dados do exemplo 5.5, faa o IC simultneo para propores de 90% de confiana.
5.7.5. Os dados abaixo se referem ao peso e ao teor de protena, medidos em 6 animais antes e aps um perodo de dieta balanceada. Teste a hiptese de que no houve efeito da dieta. Determinar a regio de confiana e o esboo da regio de confiana, o intervalo de confiana simultneo e de Bonferroni, no nvel de 5% de probabilidade.
Antes
Peso Teor de protena (%) Peso
Aps
Teor de protena (%)
250 300 350 320 400 320
10 12 13 15 9 11
280 320 360 380 410 350
12 16 13 18 15 12
218
5.7.6. Com os dados do exemplo 5.7, reapresentados a seguir, obter os intervalos de confiana de 95% simultneos e de Bonferroni, para as diferenas de mdias marginais. Compare os resultados com a Figura 5.3, e obtenha concluses de interesse.
A Produtividade 5,7 8,9 6,2 5,8 6,8 6,2 Altura da planta 2,10 1,90 1,98 1,92 2,00 2,01 Produtividade 4,4 7,5 5,4 4,6 5,9
B Altura da planta 1,80 1,75 1,78 1,89 1,90
||[
(Student, 1908). As
Anlise de varincia multivariada
]||
6.1. Introduo
Com o desenvolvimento da estatstica no sculo XX a possibilidade de conduo e anlise de experimentos propiciou grande sucesso s pesquisas, principalmente pela habilidade de lidar com variaes no controlveis. O primeiro a representar os resultados experimentais por um modelo foi W. S. Gosset
terminologias
dos
delineamentos
experimentais,
independentemente da rea de aplicao, se tornaram iguais aos dos experimentos em agricultura. Portanto, unidades experimentais so denominadas de parcelas e o valor da varivel aleatria como resposta. Experimentos com apenas uma classificao dos tratamentos so denominados de delineamentos inteiramente casualizados ou de classificao simples. Experimentos em que vrios tipos de tratamentos so aplicados ao material experimental
simultaneamente so denominados de fatoriais. Outra classe de experimentos gerada pelos arranjos hierarquizados dos materiais.
6. Anlise de varincia multivariada
220
O presente captulo tem por objetivo apresentar a extenso multivariada dos mtodos univariados de anlise de varincia. As idias bsicas desse captulo podem ser estendidas a todos os tipos de delineamentos e arranjos das estruturas de tratamentos, embora sejam apresentas na situao mais simples, a do delineamento de classificao simples.
6.2. Delineamento de classificao simples
O caso mais simples dos delineamentos experimentais o de classificao simples ou delineamento inteiramente casualizado. O arranjo experimental consiste em g tratamentos, possivelmente incluindo a(s)
testemunha(s), para os quais as unidades experimentais so aleatorizadas. As amostras aleatrias de cada tratamento so representadas por:
Tratamento 1: X11 , X12 , ..., X1n1
Tratamento 2: X 21 , X 22 , ..., X 2n 2
Tratamento g: X g1 , X g 2 , ..., X gn g
Ferreira, D.F.
221
A anlise de varincia multivariada (MANAVA) usada para investigar se os vetores de mdias de tratamento so os mesmos, e se no, qual componente de mdia difere significativamente. Algumas pressuposies da estrutura dos dados devem ser obedecidas para validade da inferncia estatstica: (a) X i1 , X i2 ,
, X i ni deve ser uma amostra aleatria de tamanho ni do tratamento i,
com mdia i , i=1, 2, ..., g. As amostras dos tratamentos devem ser independentes; (b) todos os tratamentos possuem covarincia comum ; e (c) cada tratamento tem distribuio normal multivariada. O modelo de anlise de varincia multivariada est apresentado a seguir. Neste modelo cada componente um vetor de p componentes.
Xi j = + i + ei j
i = 1, 2,
, g e j = 1, 2,
, ni
(6.1)
em que, ei j independentemente e identicamente distribudo e Np(0, ) para todo i e j; o vetor mdia geral e i representa o vetor de efeitos do i-simo tratamento. Pode-se adotar a restrio paramtrica
n
i =1
i i
=0.
Os erros do vetor X i j so correlacionados, no entanto a matriz de covarincia a mesma para todos os tratamentos. O vetor de observaes pode ser decomposto em:
222
Xi j Observao
X..
(X i. X.. )
(X i j X i. ) resduo (6.2)
Estimativa da Estimativa do mdia geral efeito do tratamento
Analogamente, demonstra-se que a soma de quadrados e produtos totais possui a seguinte decomposio:
Soma de quadrados e produtos (SQP) total corrigido
= SQP tratamentos
SQP resduo
( X
i =1 j=1 g
ni
ij
X.. X i j X..
)(
(6.3)
= n i ( X i. X.. )( X i. X.. ) + X i j X i.
t i =1 i =1 j=1 g ni
)( X
ij
X i.
A soma de quadrados e produtos do resduo pode ser expressa por:
E = X i j X i. X i j X i.
i =1 j=1
ni
)(
= (n1 1)S1 + (n 2 1)S2 + ... + (n g 1)Sg
(6.4)
em que Si a matriz de covarincia amostral do i-simo tratamento. O teste da hiptese de inexistncia de efeitos de tratamentos,
H 0 : 1 = 2 =
= g = 0
(6.5)
Ferreira, D.F.
223
realizado considerando as magnitudes das somas de quadrados e produtos de tratamento e resduo pela varincia generalizada. O esquema de anlise de varincia multivariada (MANAVA) est apresentado na Tabela 6.1. A fonte de variao total particionada em causas de variao devido a tratamento e ao erro experimental ou resduo.
Tabela 6.1. Tabela de MANAVA para testar a hiptese de igualdade do vetor de efeito dos tratamentos em um delineamento de classificao simples. FV Tratamento GL g-1 Matriz de SQP
B = n i X i. X.. X i. X..
i =1 g ni
)(
Resduo
= ni g
i =1
E = X i j X i. X i j X i.
i =1 j=1
)(
Total corrigido
n
i =1
B + E = X i j X.. X i j X..
i =1 j=1
ni
)(
Os critrios para o teste da hiptese apresentada em (6.5), envolvem varincias generalizadas e autovalores e autovetores da maximizao de duas formas quadrticas dadas em (2.15 e 2.16). De maneira geral, supondo que H seja a matriz de SQP relativa aos efeitos dos tratamentos que se deseja testar a igualdade, para o exemplo H=B, ento a soluo da equao determinantal dada por:
224
( H k E ) ek = 0
fornece as estimativas dos autovalores e autovetores, necessrios aos testes de hiptese (6.5), os quais esto apresentados na Tabela 6.2. Quatro critrios existem para o teste desta hiptese. Muitos autores recomendam utilizar o critrio de Wilks como referncia, por se tratar de um teste baseado na razo de verossimilhana. Outros recomendam que a hiptese nula deva ser rejeitada se pelo menos trs dos quatro critrios forem significativos em um nvel nominal de significncia previamente adotado. Esses critrios podem ser aproximados pela distribuio F. Essas aproximaes, tambm, se encontram apresentadas na Tabela 6.2.
Ferreira, D.F.
225
Tabela 6.2. Estatsticas multivariadas e suas equivalncia aproximada com a distribuio F. Critrio
Wilks
Estatstica
Aproximao F
1 1 rt 2f t F = 1 t pq
GL de F v1=pq v2=rt-2f v1=s(2m+s+1) v2=s(2n+s+1) v1=s(2m+s+1) v2=2(sn+1) v1=d v2= d + q
|E| 1 = |H+E| k 1+k
Trao de Pillai
V = tr[H(H + E)1] = k 1+k
V 2n + s + 1 F= s V 2m + s + 1
Trao de Hotelling Lawley Raz mxima de Roy
U = tr(HE1) = k
F=
2(sn +1)U s (2m + s +1)

2
= 1
F=
( d + q) d
p: nmero de variveis = posto(H+E); q: GL de tratamento (ou do contraste); : GL do erro; S=min(p,q); r=- (p-q+1)/2; f=(pq-2)/4; d=max(p,q); m=(|p-q|-1)/2; n=(-p-1)/2; e
p2q 2 4 t = p2 + q 2 5 1 Se p 2 + q 2 5 > 0 cc
Obs. Critrio de Wilks possui aproximao exata de F se min(p,q)2
226
Exemplo 6.1 Num experimento envolvendo 4 variedades de feijo, avaliou-se na seca, a produtividade (P) em kg/ha e nmero de gro por vagem (NGV), utilizando 5 repeties. Os resultados obtidos foram:
Cultivar A P 1082 1070 1180 1050 1080 5462 NGV 4,66 4,50 4,30 4,70 4,60 22,76 P 1163 1100 1200 1190 1170 5823 B NGV 5,52 5,30 5,42 5,62 5,70 27,56 P 1544 1500 1550 1600 1540 7734 C NGV 5,18 5,10 5,20 5,30 5,12 25,90 P 1644 1600 1680 1700 1704 8328 D NGV 5,45 5,18 5,18 5,40 5,50 26,71
Teste a hiptese de igualdade do vetor mdia de tratamentos.
Os vetores de mdias amostrais de tratamento so:
1092, 400 1164, 600 1546,800 1665, 600 X1. = X 4. = 5,342 X 2. = 5,512 X 3. = 5,180 4,552
E a mdia geral:
1367,35000 X.. = 5,1465
Ferreira, D.F.
227
A matriz B obtida por:
1092, 400 1367,3500 [1092, 400 4,552] [1367,3500 5,1465] + + B = 5 5,512 4,552 1665,600 1367,3500 [1665, 600 5,512] [1367,3500 5,1465] + 5 5,512 5,342
Obviamente, quando os clculos no so realizados no computador, mais fcil de se obter as matrizes de somas de quadrados e produtos, pelas expresses apresentadas a seguir. Para isso, considere que Xi j k representa o valor observado do i-simo tratamento, na j-sima unidade experimental e na k-sima varivel. Ento,
SQBkk =
i =1
2 X i.k X2 g ..k ni ni i =1
(6.6)
representa a soma de quadrados de tratamento para o i-simo componente, e
SPBk =
i =1
X i.k X i. X X ..g ..k ni ni

i =1
(6.7)
representa a soma de produtos de tratamento entre as variveis k e k =1, 2, ..., p.
, com
228
Para o total as SQ e SP so:
SQTkk = X ijk
2 i =1 j=1
ni
X n
g i =1
..k i
(6.8)
SPTk = X ijk X ij
i =1 j=1
ni
X X n
..k g i =1 i
..
(6.9)
Para o resduo basta obter a diferena:
E=T-B
(6.10)
No exemplo, as matrizes B, E e T so:
1189302,1500 768,3605 B = 768,3605 2, 6318
1218360,5500 778, 2645 T = 778,2645 2,9517
29058, 4000 9,9040 E = T B = 9,9040 0,3199
O quadro de MANAVA est apresentado a seguir:
Ferreira, D.F.
229
FV Tratamento
GL 3
SQ&P
1189302,1500 768, 3605 B= 768, 3605 2, 6318 29058, 4000 E= 9, 9040 9, 9040 0, 3199
Erro
16
Total Corrigido
19
1218360,5500 778, 2645 T= 778, 2645 2,9517
Para o teste da hiptese H 0 : 1 = 2 =
= g = 0 , a razo entre o par
t t de formas quadrticas e k Be k e e k Eek , deve ser maximizada. Isto equivale a
resolver o sistema de equao,
( B k E ) ek = 0
Para o exemplo, os autovalores e autovetores so:
t 1 = 41,3463 e1 = [ 0, 0058 0,1952]
t 2 = 6, 6781 e 2 = [ 0, 0012 1, 7667 ]
Algum desavisado poderia pensar que o valor do segundo elemento do segundo autovetor (1,7667) fosse algum tipo de erro de digitao, por se tratar de um valor superior a 1. No entanto, isto perfeitamente possvel, pois os
230
autovetores, no caso da maximizao da razo entre duas formas quadrticas,

t t so normalizados da seguinte forma: e k Ee k = 1 e e k Ee = 0 (k ) , o que pode ser
facilmente verificado. Todos os critrios utilizados rejeitaram a hiptese de igualdade dos vetores efeitos tratamento (P<0,01), como pode ser visto no quadro seguinte.
Critrio Wilks Trao de Pillai Trao de Hotelling Lawley Raz Roy mxima
Estatstica
G.L. v1=6 e v2=30 v1=6 e v2=32 v1=6 e v2=28 v1=3 e v2=16
Pr>F 0,0001 0,0001 0,0001 0,0001
=0,0030756 85,16
V=1,846145 U=48,0244 de =41,3463
64,00 112,06 220,51
p=2; q=3; v=16; s=2; r=16; f=1; d=3; m=0; n=6,5; e t=2
6.3. Intervalos de confiana simultneos para o efeito de tratamentos

Quando a hiptese de efeitos iguais para tratamentos rejeitada, aqueles efeitos que levaram a rejeio so de interesse. Para comparaes simultneas duas a duas, a aproximao de Bonferroni pode ser usada para construir intervalos de confiana simultneos para os componentes da diferena
h i (diferenas de efeitos dos tratamentos h e i, respectivamente). Esses
intervalos so mais curtos que os obtidos para todos os contrastes, e requerem apenas valores crticos da estatstica univariada t.
Ferreira, D.F.
231
Fazendo ik o k-simo componente de i . Desde que i pode ser
estimado por i = X i. X.. , ento,
ik = X i.k X..k
(6.11)
Devido a (6.11) corresponder a diferena entre duas mdias amostrais independentes, o teste de t de duas amostras vlido, modificando-se adequadamente o nvel de significncia. A estimativa da varincia do contraste entre duas mdias de tratamentos dada por,
^ 1 1 E Var(X h.k X i.k ) = + kk nh ni
(6.12)
A diviso de Ekk pelos seus respectivos graus de liberdade (), devido ao fato de que, o elemento em questo (Ekk) refere-se a uma soma de quadrados. Desta forma, desde que p variveis so consideradas e g(g-1)/2 comparaes duas a duas sero realizadas, ento o intervalo de confiana protegido por Bonferroni para diferena de efeitos de tratamento dado por:
1 1 E kk X h.k X i.k t + pg(g 1) n h n i
(6.13)
para todos os k = 1, 2, ..., p e todas as diferenas h < i = 1, 2, ..., g .
232
6.4. Exerccio
6.7.1. Repetir a anlise de varincia do exemplo 6.1 utilizando o proc GLM do SAS e solicitar a realizao dos seguintes contrastes: i) A e B vs C e D; ii) A vs B e iii) C vs D.
||[
Componentes principais
]||
7.1. Introduo
A anlise de componentes principais est relacionada com a explicao da estrutura de covarincia por meio de poucas combinaes lineares das variveis originais em estudo. Os objetivos dessa anlise so: i) reduo da dimenso original; e ii) facilitao da interpretao das anlises realizadas. Em geral, a explicao de toda a variabilidade do sistema determinado por p variveis s pode ser efetuada por p componentes principais. No entanto, uma grande parte dessa variabilidade pode ser explicada por um nmero r menor de componentes, rp. Os componentes principais so uma tcnica de anlise intermediria e, portanto no se constituem em um mtodo final e conclusivo. Esse tipo de anlise se presta fundamentalmente como um passo intermedirio em grandes investigaes cientficas. Essa tcnica pode ser aplicada, ainda, na anlise de regresso mltipla, principalmente, nos casos de colinearidade ou de multicolinearidade; aplica-se tambm anlise de agrupamento e como estimadores de fatores nas tcnicas multivariadas denominadas de anlises fatoriais. Muitas outras aplicaes
7. Componentes principais
234
de componentes principais so encontradas nas literaturas aplicadas. A tcnica AMMI (additive multiplicative interaction model) considera modelos lineares com interao entre dois fatores e aplica como base para seus procedimentos a anlise de componentes principais.
7.2. Componentes principais populacionais

Algebricamente os componentes principais representam
combinaes lineares de p variveis aleatrias X1, X2, , Xp. Geometricamente, essas combinaes lineares representam a seleo de novos eixos coordenados, os quais so obtidos por rotaes do sistema de eixos original, representados por X1, X2, , Xp. Os novos eixos representam as direes de mxima variabilidade. Como pode ser demonstrado, os componentes principais dependem somente da matriz de covarincia (ou da matriz de correlao ) e de X1, X2, , Xp. Seu desenvolvimento no requer pressuposies de normalidade multivariada, mas possuem interpretaes teis em termos da constante elipside de densidade, se a normalidade existir. A princpio, sero definidos os conceitos de componentes principais populacionais. Posteriormente, naturalmente esses conceitos sero estendidos para a situao amostral. Seja o vetor aleatrio X t = X1 X 2
Xp
amostrado de uma
populao com covarincia , cujos autovalores so 12p0, ento, os
Ferreira, D.F.
235
componentes principais (Y1, Y2,,Yp) so as combinaes lineares dadas por (7.1)
t Y1 = e1X = e11X1 + e12 X 2 + ... + e1p X p t Y2 = e 2 X = e 21X1 + e 22 X 2 + ... + e 2p X p
(7.1)
t Yp = e p X = e p1X1 + e p2 X 2 + ... + e pp X p
fcil verificar que:
Var(Yi ) = Var ( eit X ) = eit Var ( X ) ei = eit ei
(7.2)
t Cov(Yi , Yk ) = Cov ( eit X,e k X ) = eit e k
(7.3)
Dessa forma, pode-se definir o i-simo componente principal (Yi) por (7.4), assumindo que o vetor X possui covarincia , com pares de autovalores e autovetores ( i ,ei ) , i = 1, 2, ..., p , em que 12p0.
Yi = eit X = ei1X1 + ei2 X 2 + ... + eip X p
i = 1, 2,..., p
(7.4)
No captulo 2, verificou-se que a maximizao de uma forma quadrtica resultava na soluo dada pelo conjunto de todos os pares de autovalores e autovetores da matriz ncleo. Os autovetores da soluo eram
236
restritos ao comprimento unitrio. Seja a forma quadrtica dada por = o seu mximo obtido pela resoluo da equao (7.5).
e t e , ento et e
( i I ) ei = 0
(7.5)
fcil perceber que dessa equao surge a seguinte e bvia relao, obtida no ponto mximo, dada por: ei = i ei . Portanto, a varincia e a covarincia de Yi, especificadas em (7.2) e em (7.3) so dadas por:
Var(Yi ) = eit ei = eit i ei = i eit ei = i
(7.6)
Cov(Yi , Yk ) = eit e k = eit k e k = k eit e k = 0
ik
(7.7)
Utilizando algumas propriedades matriciais estudadas no captulo 2, pode-se demonstrar que:
Var(Xi ) = Var(Yi )
i =1 i =1
11 + 22 + ... + pp = 1 + 2 + ... + p
A variao total existente nas variveis Xi, i=1, 2,...,p igual variao existente nos p componentes principais. Para demonstrar isso, seja a
Ferreira, D.F.
237
matriz de covarincia
entre as p variveis X, cujos pares de autovalores e
autovetores so dados por (i, ei ). O componente principal Yi definido por
Yi = eit X , o qual possui varincia igual a i.

Da decomposio espectral de =PP e sabendo que PPt=PtP=I verifica-se que:
tr() = tr ( PP t )
Uma propriedade do trao de uma matriz : tr(AB)=tr(BA). Fazendo A=P e B=Pt, ento,
tr() = ii = tr ( PP t ) = tr ( P t P ) = tr ( ) = i
i =1 i =1
E, portanto, a porcentagem da variao total explicada pelo k-simo componente principal dada por (7.8).
%VarExp(Yk ) =
i
i =1
100
(7.8)
Em muitas situaes em que se aplicam os componentes principais se uma porcentagem de 70% ou mais for atribuda aos primeiros r componentes principais, ento, esses podem substituir as p variveis originais sem perda de
238
uma quantidade demasiada de informaes. A determinao dessa porcentagem da variao explicada pelos primeiros r componentes deve ser feita pelo pesquisador interessado e que possui maior conhecimento da rea estudada. A determinao do nmero r de componentes para que uma determinada porcentagem fixada da informao seja contemplada por eles um dos problemas que dificulta o emprego dessa metodologia. Os componentes do autovetor eit = ei1 ei2
eip podem informar
sobre a importncia das variveis para o i-simo componente principal, por meio de suas magnitudes. No entanto, esses componentes so influenciados pela escala das variveis. Para contornar tal problema, os pesquisadores podem utilizar uma importante medida de associao, a qual no depende da magnitude das mensuraes (escala) das variveis originais, que o coeficiente de correlao entre Yi e Xk. Esse coeficiente de correlao est apresentado em (7.9) .
Yi ,Xk =
eik i kk
, i, k = 1, 2,..., p
(7.9)
Demonstrao: Para demonstrar (7.9), primeiro apresentada a definio do coeficiente de correlao. Posteriormente, foi avaliado cada termo dessa expresso individualmente.
Yi ,Xk =
Cov ( Yi , X k ) Var ( Yi ) Var ( X k )
Ferreira, D.F.
239
Mas,
Cov ( Yi , X k ) = Cov ( eit X, X k ) = Cov ( eit X, t X )
com,
= [ 0 ...1... 0] , vetor composto de valores 0 e com 1 na k-sima posio.
Logo,
Cov ( Yi , X k ) = Cov ( eit X, t X ) = eit = t ei
Como ei = i ei , ento,
Cov ( Yi , X k ) = t ei = t i ei = i t ei = i eik
Da mesma forma as varincias de Yi e Xk so:
Var ( Yi ) = Var ( eit X ) = eit ei = i eit ei = i
e,
Var(X k ) = kk
Assim, a prova fica completa, conforme descrito a seguir:
240
Yi ,Xk =
Cov ( Yi , X k ) Var ( Yi ) Var ( X k )
i eik i kk
i eik kk
Exemplo 7.1 Sejam as variveis aleatrias X1, X2 e X3 com covarincia dada por:
4 1 0 = 1 4 0 0 0 2
Obter os componentes principais, a correlao das variveis originais com os componentes e verificar a veracidade da afirmativa a seguir de forma numrica:
Var(Xi ) = Var(Yi )
i =1 i =1
11 + 22 + ... + pp = 1 + 2 + ... + p
Aplicando-se o power method, determinaram-se os pares de autovalores e autovetores de , os quais so:
t t t 1 = 5 e1 = [ 0,7071 0,7071 0] , 2 = 3 e 2 = [ 0,7071 0,7071 0] e 3 = 2 e3 = [ 0 0 1]
Os componentes principais so:
Ferreira, D.F.
241
t Y1 = e1 X = 0,7071X1 + 0,7071X 2
t Y2 = e 2 X = 0,7071X1 0,7071X 2
t Y3 = e3 X = X 3
A varivel X3 individualmente um de os componentes principais por no ser correlacionada com nenhuma das outras duas variveis. As varincias de os componentes principais so:
Var(Y1 ) = 1 = 5 , Var(Y2 ) = 2 = 3 e Var(Y3 ) = 3 = 2
Pode-se mostrar, a ttulo de ilustrao, que:
2 2 2 2 2 2 Var(Y1 ) = Var 2 X1 + 2 X 2 = Var 2 X1 + Var 2 X 2 + 2Cov 2 X1 , 2 X 2 =
1 1 2 2 1 1 = Var ( X1 ) + Var ( X 2 ) + 2 Cov ( X1 , X 2 ) = 4 + 4 + 1 = 5 = 1 2 2 2 2 2 2
Verifica-se, tambm, que:
11 + 22 + 33 = 1 + 2 + 3
4+4+2=5+3+2 10=10 c.q.m.
242
A porcentagem da variao explicada por cada componente apresentada na tabela seguinte.
Componente Y1 Y2 Y3
Var(Yi)=i 5 3 2
% da variao explicada 50 30 20
% variao acumulada 50 80 100
Os coeficientes de correlao entre os componentes e as variveis originais so: Componente Y1 Y2 Y3 X1 0,7906 0,6124 0,0000 X2 0,7906 -0,6124 0,0000 X3 0,0000 0,0000 1,0000
Para ilustrar um dos clculos usando a expresso (7.9), apresenta-se a seguir a correlao entre Y1 e X1.
Y1 ,X1 =
e11 1 11
2 5 = 2 = 0,7906 . 4
Para o componente principal mais importante (Y1), concluiu-se que X1 e X2 so igualmente importantes. Os componentes principais podem ser obtidos pela padronizao das variveis originais por:
Ferreira, D.F.
243
Zi =
X i i ii
(7.10)
Em notao matricial tem-se:
Z = V 1/ 2 X
(7.11)
em V-1/2 uma matriz diagonal com os elementos da diagonal dados 1 fcil verificar que:
ii .
E ( Z ) = 0 e Cov ( Z ) = V 1/ 2 V 1/ 2 =
Ento, os componentes principais de Z so dados pelos autovalores e autovetores de , matriz de correlao de X . Os autovalores e autovetores de so, em geral, diferentes daqueles derivados de . Sejam as variveis padronizadas Z1, Z2, ...., Zp disposta no vetor Z com Cov ( Z ) = , ento, os componentes principais so dados por:
Yi = eit Z = eit V 1/ 2 X ,
i=1, 2, ..., p
(7.12)
Da mesma forma, verifica-se que:
244
p p
Var(Yi ) = Var(Zi ) = p
i =1 p i =1
(7.13)
i = p
i =1
Tambm se verifica que:
Yi ,Zk = eik i
(7.14)
Sendo que em todos esses casos (i, ei ) so os autovalores e autovetores de , com 12...p. As demonstraes de (7.12), (7.13) e (7.14) podem ser realizadas da mesma forma que as demonstraes anteriores, substituindo por . Para algumas matrizes de covarincia, com estruturas especiais, existem simples formas de se expressar os componentes principais. Sero tratados alguns desses casos, conforme apresentado em Johnson e Wichern, (1998) e em Morrison (1976). Para uma matriz diagonal,
11 0 0 22 = 0 0
0 0 pp
(7.15)
Os autovalores e autovetores so dados por:
Ferreira, D.F.
245
i=ii e eit = [ 0
0 1 0
0] com 1 na i-sima posio e 0 nas demais.
A demonstrao disso pode ser facilmente realizada, uma vez que das equaes de maximizao de formas quadrticas verifica-se que : ei = i ei . Assumindo-se as definies anteriores para os autovalores e autovetores verificase que:
e i = i e i = ei = ii ei 11 0 0 22 = 0 0 0 0 0 0 0 0 1 = 1 ii 0 0 pp 0 0
Dessa forma, pode-se concluir que (ii, ei ), com ei definido anteriormente, so os pares de autovalores e autovetores de . Desde que os componentes principais so dados pelas combinaes lineares eit X =Xi, ento, os componentes principais so as prprias variveis originais no correlacionadas, cujos autovalores so as prprias varincias originais das respectivas variveis aleatrias. Do ponto de vista de extrao de componentes principais nada pode ser ganho, uma vez que os eixos originais j esto no sentido de maior variabilidade. Dessa forma no h necessidade para fazer rotao dos eixos
246
originais. A estandardizao no altera a situao, uma vez que =I, e o par autovalor e componente principal dado por (1, Zi), em que Zi a i-sima varivel padronizada. Outro tipo de matriz de covarincia com determinado padro apresentado a seguir, o qual descreve muitas vezes o comportamento de entidades biolgicas, desempenha um papel importante na teoria dos
componentes principais.
2 2 = 2
2 2 2
2 2 2
(7.16)
A matriz de correlao correspondente dada por:
1 1 =
(7.17)
que implica em uma estrutura de igualdade de correlao entre as p variveis estudadas. Morrison (1976) demonstra que os componentes principais de (7.16) so dados por dois grupos. O primeiro grupo com o primeiro componente e o segundo com os demais componentes principais. O primeiro componente principal de (7.16) definido pelo par autovalor e autovetor apresentado a seguir.
Ferreira, D.F.
247
1 = 2 [1 + (p 1)]
(7.18)
1 1 1 t e1 = , ,..., p p p
(7.19)
Para a matriz de correlao definida em (7.17), pode-se demonstrar que 7.18 e 7.19 permanecem vlidos, sendo necessrio apenas fazer 2=1. A proporo da explicao do primeiro componente principal dada por
100 [1 + (p 1)] / p (%) do total do conjunto de variveis. Se prximo a 1 o
primeiro componente principal ter uma elevada explicao da variao total. Os demais (p-1) componentes principais possuem valores
caractersticos iguais, dados por:
i = 2 (1 ) ;
i = 2, 3,
,p
(7.20)
e seus respectivos autovetores so iguais a:
248
t e 2 = t e 3 = eit = e t = p
1 1 , , 0,..., 0 1 2 1 2 1 1 2 , , , 0,..., 0 23 23 23 1 1 (i 1) ,..., , , 0,..., 0 (i 1) i (i 1) i (i 1) i 1 1 (p 1) ,..., , (p 1) p (p 1) p (p 1) p
(7.21)
Finalmente tratada a situao em que o vetor X uma varivel aleatria da distribuio normal multivariada, ou seja, X N p , . Nesse caso os componentes principais tm uma atrativa interpretao. Foi demonstrado no captulo 4 que a densidade de X constante na elipside centrada em ,
(X ) (X ) = c
t 1
2 = p ( )
cujos eixos so dados por 2 ( ) i ei , i = 1, 2, ..., p , em que (i, ei ) so os pares p de autovalor-autovetor de . possvel verificar, fazendo = 0 por convenincia de algumas demonstraes que se seguem, que:
2 ( ) = X t 1X = p
2 1 t 2 1 t 2 ( e1X ) + ( e2X ) + ... + 1 ( ept X ) 1 2 p
Ferreira, D.F.
249
em que eit X, i = 1, 2, ..., p so os componentes principais de X . Fazendo
Yi = eit X, i = 1, 2, ..., p tem-se
2 ( ) = X t 1X = p
1 2 1 2 1 Y1 + Y2 + ... + Yp2 1 2 p
Essa ltima equao define uma elipside com os eixos coordenados Y1, Y2, ..., Yp dispostos nas direes de e1 , e 2 , ..., e p , respectivamente. Como 1 o maior autovalor, o maior eixo tem a direo definida por e1 , os eixos remanescentes tm a direo definida por e 2 , ..., e p . Foi assumido que = 0 . No entanto, pouco provvel que isso acontea em uma situao real. Todavia, as interpretaes definidas
anteriormente so vlidas da mesma forma, apenas sendo necessrio definir o i-simo componente principal centrado na mdia, por:
Yi = eit X , i = 1, 2, ..., p
(7.22)
o qual tem mdia zero e direo definida por ei . Na Figura 7.1 ilustram-se os componentes principais bivariados com densidade fixa de 95%. A rotao dos eixos X1 e X2 nos novos eixos Y1 e Y2 so a essncia dos componentes principais.
250
Y1
Y2
Figura 7.1. A elipse de 95% de densidade constante e os componentes principais Y1 e Y2 para a distribuio normal bivariada com mdia = 0 .
7.3. Componentes principais amostrais

Seja X1 , X 2 ,
, X n uma amostra aleatria retirada de uma populao
p-variada qualquer com mdia e covarincia . O vetor de mdias amostrais

X , a matriz de covarincia amostral S e a matriz de correlao amostral R. O
objetivo dessa seo apresentar os conceitos de componentes principais para a estrutura de covarincia amostral. As combinaes lineares das variveis mensuradas que maximizam a variao total da amostra e que so mutuamente ortogonais so chamadas de componentes principais amostrais. Seja a forma quadrtica
Ferreira, D.F.
251
Q = Var(Y) = Var(e t X) = e t Se
O mximo de Q no existe, pois quanto maior for o comprimento de
e maior ser o valor de Q. conveniente tomar-se o mximo de Q restrito ao

comprimento unitrio de e . Dessa forma, o mximo tem que ser obtido da forma quadrtica restrita seguinte.
e tSe et e
O mximo obtido tomando-se a derivada em relao a e e igualando-se a derivada a zero. O sistema obtido resolvido em relao a e e as solues obtidas referem-se ao mximo.
2 e tSe 2Se(e t e) 2(e tSe)e S t e = 0 = = t 2 (e e) e 'e ee e e t Se S t e = 0 ee
A equao resultante dada por:
(S ) e = 0
(7.23)
252
A soluo de (7.23) conduz aos pares de autovalores e autovetores
( ; e )
i i
de S, que correspondem a varincia amostral e combinao linear que
definem os componentes principais amostrais, para i=1, 2, ..., p. Portanto, o i-simo componente principal amostral :
Yi = eit X = ei1X1 + ei2 X 2 + ... + eip X p , i = 1, 2, ..., p
(7.24)
em que 1 2 ... p 0 so os autovalores amostrais de S correspondentes.

O estimador da varincia amostral dos componentes principais :
Var Yk = k ,
( )
k = 1, 2,..., p
(7.25)
e a covarincia entre dois componentes principais (i e k) :
Cov Yi , Yk = 0, i k = 1, 2,..., p
(7.26)
Pela mesma razo apresentada para os componentes principais populacionais, verifica-se que a variao total explicada pelos componentes principais amostrais igual a
i = Sii . A partir da decomposio espectral de

i =1 i =1
S, dada por S = PP t e da propriedade que tr(AB)=Tr(BA) demonstra-se que:
Ferreira, D.F.
p
253
tr(S) = Sii = tr PP t = tr P t P = tr = i
i =1 i =1
( )
Dessa forma, a explicao do k-simo componente principal amostral da variao total do sistema :
%VarExp(Yk ) = p k 100 i
i =1
(7.27)
A correlao amostral entre Yi e Xk definida por:
rY ,X =
i k
eik i Skk
, i, k = 1, 2,..., p
(7.28)
Os componentes principais podem ser definidos por componentes principais amostrais centrados na mdia amostral X , da seguinte forma:
Yi = eit ( X X ) = ei1 ( X1 X1 ) + ei2 ( X 2 X 2 ) + ... + eip ( X p X p ) , i = 1, 2, ..., p (7.29)
Se o vetor X for substitudo em (7.29) por X j (vetor de observaes amostrais), pode-se obter os escores dos componentes principais. Esses escores so plotados, muitas vezes, com o intuito de agrupar objetos ou itens, simplificar a representao para uma ou duas dimenses, entre outras aplicaes.
254
Os componentes principais, em geral, no so invariantes com relao a transformaes nas escalas. A mudana de escala mais usual aquela que transforma as escalas das variveis para uma outra escala sem dimenso, cuja mdia igual a zero e a varincia igual a 1. A padronizao obtida por:
Z j = D 1/ 2 ( X j X ) ,
j = 1, 2,..., n
(7.30)
em que D-1/2= Diag 1/ S11 ,1/ S22 ,...,1/ Spp . O estimador de a covarincia de Z dado por:
Cov(Z) = D 1/ 2 Cov(X)D 1/ 2 = D 1/ 2SD 1/ 2 = R
(7.31)
Os componentes principais obtidos de R so definidos pelos pares
de autovalores e autovetores de R i ; ei . Assim, o i-simo componente principal

amostral obtido da matriz de correlao amostral dado por:
Yi = eit Z = ei1Z1 + ei2 Z2 + ... + eip Zp ,
i = 1, 2, ..., p
(7.32)
A variao total explicada pelo k-simo componente principal dada por:
%VarExp(Yk ) = k 100 p
(7.33)
Ferreira, D.F.
255
A correlao amostral entre Yi e Zk definida por:
rY ,Z = eik i ,
i k
i, k = 1, 2,..., p
(7.34)
Pequenos valores para os ltimos autovalores, tanto de S como de R, indicam, em geral, a presena de dependncia linear no conjunto de dados. Neste contexto pelo menos uma varivel redundante e pode ser eliminada do conjunto de variveis originais. Existe sempre a questo importante de o nmero de componentes a ser retido. No existe uma resposta definitiva para essa questo. Os aspectos que devem ser considerados incluem a quantidade da variao amostral explicada, o tamanho relativo dos autovalores e a interpretao subjetiva dos componentes. Uma ferramenta visual importante para auxiliar a determinao de o nmero suficiente de componentes a ser retido o scree plot. O termo scree refere-se ao acumulo de rochas nas bases de um penhasco, portanto os scree plots sero considerados grficos de cotovelos. Na Figura 7.2 observa-se que um cotovelo formado aproximadamente na posio i=4. Isso significa que os componentes
acima de 3 possuem aproximadamente a mesma magnitude e so relativamente
pequenos. Isso indica que os trs primeiros, talvez os quatros primeiros componentes so suficientes para resumir a variao amostral total.
256
^ 10
0 1 2 3 4 5 6
componente principal
Figura 7.2. Scree plot de um exemplo com p=6 componentes principais para ilustrar o processo de determinao de o nmero apropriado de componentes a ser retido.
7.4. Grficos dos componentes principais

Os grficos provenientes dos componentes principais podem ser reveladores de diversos aspectos presentes nos dados de interesse do pesquisador. Em muitas reas os pesquisadores utilizam os primeiros e mais importantes componentes para agrupar objetos e itens de acordo com a representao em duas ou no mximo trs dimenses retidas. Os grficos dos componentes principais podem revelar observaes suspeitas, como tambm
Ferreira, D.F.
257
permitir uma avaliao da suposio de normalidade. Por se tratarem de combinaes lineares de p variveis, supostamente normais, possvel assumir a normalidade para os componentes principais. O teste de normalidade pode ser feito em apenas alguns poucos componentes, o que pode simplificar a complexidades das anlises necessrias e reduzir o nmero de testes a ser realizado. Os valores amostrais dos componentes principais obtidos a partir de os dados amostrais originais so chamados de escores. A equao (7.35) refere-se a definio do escore do k-simo componente principal, para a j-sima observao amostral.
t Yjk = e k X j = e k1X j1 + e k 2 X j2 + ... + e kp X jp , k = 1, 2, ..., p; j = 1, 2,..., n
(7.35)
De uma forma geral, os escores dos p componentes principais,
representados pelo vetor Yjt = Yj1 Yj2 ... Yjp para a j-sima observao amostral
X tj = X j1 X j2 ... X jp , so dados por:
t e1 t e t Yj = P X j = 2 X j t ep
(7.36)
258
Para o agrupamento de objetos e tambm para avaliar desvios de normalidade obtm-se grficos dos primeiros componentes retidos em um diagrama contendo pares de componentes. Tambm, possvel obter os Q-Q plots para cada componente, conforme descrio realizada no captulo 4. Desvios de normalidade podem ser verificados e o teste da correlao Q-Q plot pode ser realizado. Para a verificao de observaes suspeitas os grficos dos ltimos componentes principais tomados dois a dois so utilizados. Esse tipo de grfico pode ajudar a identificar observaes suspeitas. Tambm, com esse intuito os QQ plots desses componentes, de menor importncia para a variao total, so utilizados.
Da equao (7.36) e relembrando que P uma matriz ortogonal,

pois PP t = P t P = , portanto P t
( )
= P , pode-se demonstrar que:
X j = PYj = e1 e 2 X j = Yj1e1 + Yj2 e 2 +
e p Yj
(7.37)
+ Yjp e p
Essa uma importante equao que mostra que a observao amostral multivariada X j pode ser recuperada dos escores dos componentes principais correspondentes. Constitui-se, portanto, em uma proeminente forma de identificar com elevada preciso as observaes suspeitas. Para isso um nmero q de componentes principais qp retido para ajustar as n observaes amostrais
Ferreira, D.F.
259
multivariadas. Dessa forma, uma medida da qualidade desse ajuste obtida
avaliando quanto Yj1e1 + Yj2 e 2 + dado por Yjq +1eq +1 + Yjq + 2 eq + 2 +
+ Yjq eq difere de X j , tendo como desvio o valor + Yjp e p . Essa medida feita tomando-se o
quadrado desse desvio, o qual refere-se ao seu comprimento quadrtico, ou seja,
por Yj2q +1 + Yj2q + 2 +
+ Yj2p . As observaes consideradas suspeitas so aquelas que , Yj p que contribui
possuem pelo menos uma das coordenadas de Yj q +1 , Yj q + 2 ,

para o comprimento quadrtico total com grande valor.
7.5. Inferncias para grandes amostras

Foram apresentados os conceitos fundamentais dos componentes principais. A essncia dos componentes principais est na obteno dos autovalores e autovetores da matriz de covarincia (correlao). Os autovetores determinam a rotao a ser realizada nos eixos coordenados originais nos sentidos de maior variabilidade e os autovalores determinam as varincias desses novos eixos coordenados. As decises com relao aos componentes principais devem ser tomadas com base nos pares de autovalores-autovetores,
( ; e ) ,
i i
estimados na amostra. Esses autovalores e autovetores so diferentes dos respectivos valores populacionais devido s variaes amostrais. Derivaes
respeito das distribuies amostrais de i e de ei so apresentadas em Anderson
260
(1963). Os resultados relativos aos resultados de grandes amostras so apresentados a seguir, de uma forma resumida. Suponha que X1 , X 2 ,
, X n seja uma amostra aleatria retirada de
uma populao p-variada qualquer com mdia e covarincia . O vetor de mdias amostrais X , a matriz de covarincia amostral S e a matriz de correlao amostral R. Suponha que possui autovalores (desconhecidos) distintos e positivos, quais sejam, 1 > 2 > autovetores (desconhecidos) e1 , e 2 ,
> p > 0 com correspondentes
, ep . O estimador amostral de S, sendo

> p > 0 e e1 , e 2 ,
que os estimadores de i e ei so 1 > 2 >
, ep .
Girshik (1939), Lawley (1956) e Anderson (1963) demonstraram que os resultados doravante apresentados se verificam para grandes amostras. Dessa forma, os resultados proporcionados referem-se a teoria de distribuies de
grandes amostras para os autovalores t = 1 2
p e para os autovetores
e1 , e 2 ,
, e p de S. Fazendo uma matriz diagonal dos autovalores 1 , 2 ,
, p de
, ento,
1.
n tem distribuio aproximadamente N p ( 0, 2 2 ) .
2. Seja
p k Ei = i e et 2 k k k =1 ( ) k i k i
(7.38)
ento,
n ( ei ei ) N p 1 ( 0, E i ) .
Ferreira, D.F.
261
3. Cada i tem distribuio independente dos elementos do vetor caracterstico

associado ei . 4. A covarincia do r-simo elemento de ei e o s-simo elemento de e j (ij) :
Cov ( eir , e js ) =
n ( i j )
i jeis e jr
(i j)
(7.39)
Os resultados 1 a 4 so referentes s propriedades distribucionais de grandes amostras e vlidas para o caso de p distintas razes caractersticas. Entretanto, Anderson (1963) aponta que o resultado 2 requer somente que i seja distinto dos demais p-1 valores caractersticos, os quais podem ter qualquer multiplicidade. Esses resultados podem ser utilizados para construir testes de hipteses e intervalos de confiana para os autovalores e autovetores populacionais.
O resultado 1 implica, em grande amostras, que os i s so

independentemente distribudos com distribuio aproximadamente N ( i , 2 i2 / n ) . As inferncias podem ser derivadas desse resultado. O intervalo de confiana para i pode ser obtido a partir da afirmativa probabilstica:
262
i i Z ( / 2 ) = 1 P 2 i n
(7.40)
O intervalo de confiana resultante dado por:
i i ICi (1 ) : ; 2 2 1 + Z ( / 2 ) n 1 Z ( / 2 ) n
(7.41)
Obviamente os valores de e de n devem ser apropriados para que o limite superior de (7.41) seja vlido. Caso o limite superior no seja vlido e n for suficientemente grande, possvel obter o intervalo alternativo substituindo a
varincia paramtrica de i pelo seu estimador. Assim,
2 ; + Z ( / 2) 2 ICi (1 ) : i Z ( / 2 ) i i i n n
(7.42)
Testes de hipteses de o tipo H o : i = 0 podem ser realizados calculando-se o escore normal padro:
Zc =
i 0 2 0 n
(7.43)
Ferreira, D.F.
263
Uma inferncia importante e mais geral sobre a estrutura de dependncia apresentada por Anderson (1963). O teste de hiptese de que os r autovalores intermedirios de sejam iguais apresentado. A hiptese de interesse :
H 0 : q +1 = q + 2 =
= q+r
(7.44)
Aos q maiores e aos (p-q-r) menores autovalores no so impostas restries quanto aos seus valores ou multiplicidades. A hiptese alternativa especificada da seguinte forma: H1: pelo menos um dos r autovalores difere dos demais intermedirios. O teste de razo de verossimilhana conduz a estatstica
q+r j q+r 2 + (n 1)r ln j=q +1 c = (n 1) ln j j= q +1 r
( )
(7.45)
que tem distribuio aproximadamente de qui-quadrado sob H0 com =r(r+1)/2 - 1 graus de liberdade para grandes amostras. Um caso especial importante deste teste de hiptese ocorre quando q+r=p ou quando a variao das ltimas r dimenses esfrica. Outro importante teste refere-se aos autovetores. A hiptese de que o i-simo autovetor populacional de igual a um vetor de constantes com norma 1 apresentada a seguir.
264
H 0 : ei = e0
(7.46)
O teste da hiptese nula (7.46) realizado com base no resultado 2 dessa seo e na matriz de covarincia Ei definida em (7.38) devidamente
substituda pelo seu estimador Ei , o qual obtido pela substituio de i e ei

pelos seus estimadores i e ei . Assim, Anderson (1963) demonstra que o teste
estatstico dado por:
t 1 t t 2 c = n i e0S1e0 + e0Se0 2 = n ( ei e0 ) E ig ( ei e0 ) i
(7.47)
tem distribuio assinttica de qui-quadrado com p-1 graus de liberdade se H0 for
verdadeira. Em que E ig uma inversa generalizada de E i .
Demonstrao: A matriz Ei do resultado 2 pode ser rescrita na forma matricial

como se segue. Para isso, sero definidas as seguintes matrizes:
Ferreira, D.F.
265
1 2 ( 1 i ) 0 i = 0
0 2
( 2 i )
0
0 p 2 ( p i ) 0
uma matriz (p-1)x(p-1) originria da
j , pxp. eliminao da i-sima linha e i-sima coluna de uma matriz Diag ( )2 i j
Pi = e1 e 2
px(p-1).
e p p (p 1), sendo e j os autovetores de , com ji e dimenso
Assim, pode-se definir Ei por:
p j E i = i Pi i Pit = i e je tj 2 j=1 ( ) i j j i
e sua inversa generalizada, devido a Ei ter posto (dimenso) p-1, por:
1 1 E = Pi i1Pit = i i
g i
( )2 j t i e je j j=1 j j i
p
No captulo 4 foi visto que sob normalidade ou para grandes amostras a forma quadrtica
n ( ei e0 ) E ig n ( ei e0 ) 2 1 p
t
266
Os graus de liberdade so iguais a (p-1) e no a p devido a Ei ter posto incompleto (p-1). Devido aos autovetores de E ig e o autovetor ei serem ortogonais, a forma quadrtica anterior pode ser simplificada por:
n ( ei e 0 )
2 n t p ( i j ) g t g t E i ( ei e0 ) = ne0 E i e0 = e0 e je j e 0 = i j=1 j j i
2 2 p p n t p ( j 2 i j + i ) t n tp 1 je je tj 2 i e je tj + i2 e je tj e0 = e je j e0 = e0 = e0 i j=1 j i j=1 j=1 j=1 j j i j i j i j i
Como
je jetj = ,
j=1 p
alm disso, somando e subtraindo i ei eit ao
termo da expresso
je je tj , tem-se que:
j=1 j i
je je tj + i ei eit i ei eit = i ei eit

j=1 j i
p 1 Utilizando o mesmo raciocnio para 1 = e je tj somando e j=1 j
subtraindo ao termo
1 ei eit , tem-se: e je tj a quantidade dada por i j=1 j j i

p
1 1 1 e je tj + ei eit ei eit = 1 ei eit i i j=1 j i j i

p
Ferreira, D.F.
p
267
Finalmente, o termo
e je tj
j=1 j i
equivalente a seguinte expresso,
lembrando que os autovetores tm norma 1 e so ortogonais e ainda aplicando-se o mesmo tipo de artifcio:
e je tj = I ei eit
j=1 j i
Assim, retornando ao desenvolvimento anterior da aproximao de qui-quadrado tem-se:
p p n tp 1 j e j e tj 2 i e j e tj + i2 e j e tj e0 = e0 i j=1 j=1 j=1 j j i j i ji n t 1 e0 i ei eit 2 i ( I ei eit ) + i2 1 ei eit e0 = i i
e t e et e et e e t Ie et e et e e t 1e0 et e et e i2 0 i i 0 = = n 0 0 0 i i 0 i 0 0 2 i + 2 i 0 i i 0 + i2 0 i i i i i i i
e t e t t t t t = n 0 0 e0 ei eit e0 2e0 e0 + 2e0 ei eit e0 + i e0 1e0 e0 ei eit e0 = i e t e t = n 0 0 + i e0 1e0 2 i
268
Substituindo nessa ltima expresso pelo estimador S, a distribuio ainda continua aproximadamente de qui-quadrado para grandes amostras. Dessa forma, a prova fica completa. Um outro importante teste de interesse o da hiptese de mesma estrutura de correlao, ou seja, Cov(X i , X k )= ii kk ou Corr(X i , X k )= , para todo ik. Nesse caso, os autovalores de no so todos distintos e os resultados anteriores no se aplicam. Embora as distribuies amostrais dos componentes principais obtidos da matriz R sejam difceis de derivar, esse caso especial conduz a resultados tratveis (Morrison, 1976). Lawley (1963) props um teste para essa hiptese que alternativo e equivalente quele baseado na razo de verossimilhana, para a estrutura de eqicorrelao da matriz de correlao populacional (pxp). Para isso basta aplicar o teste da hiptese de igualdade de todas as p(p-1)/2 correlaes (ij). A hiptese de interesse dada por:
1 1 H 0 : = 0 =
vs H : 0 0 1
(7.48)
Essa hiptese pode ser escrita na forma equivalente H 0 : ij = para todos os subscritos ij. O procedimento de Lawley (1963) requer as seguintes quantidades:
Ferreira, D.F.
269
rk =
1 p rik ; k = 1, 2, ..., p p 1 i =1
ik
(7.49)
r=
2 p 1 p rik p(p 1) i =1 k =i +1
(7.50)
(p 1) 2 1 (1 r ) 2 p (p 2)(1 r ) 2
(7.51)
Verifica-se facilmente que rk de (7.49) a mdia dos elementos fora da diagonal para as k colunas de R e r de (7.50) a mdia de todos os elementos fora da diagonal principal de R. Lawley (1963) mostrou que quando n tende para infinito o teste estatstico:
2 c =
p 2 n 1 p 1 p 2 ( rik r ) ( rk r ) 2 (1 r ) i =1 k =i +1 k =1
(7.52)
tem distribuio de qui-quadrado com =(p+1)(p-2)/2 graus de liberdade. Finalmente, o teste, denominado de teste de esfericidade, apresentado. A hiptese de interesse dada por:
H0 : = 0 = 2 I
(7.53)
270
Para o teste dessa hiptese, suponha uma amostra aleatria da distribuio normal p-variada com mdia
X1 , X 2 ,
e covarincia , dada por
, X n . A seguir apresentado o teste de razo de verossimilhanas para
testar a hiptese de interesse. A funo de verossimilhana sob a hiptese
H 0 : = dada por:
n 1 n t L ( , X ) = f ( X j ) = ( 2 ) np / 2 n / 2 exp ( X j ) 1 ( X j ) j =1 2 j =1
A funo suporte determinada pelo logaritmo natural (neperiano) da funo de verossimilhana. O mximo de L deve ser obtido, no entanto, o mximo da funo suporte com relao a e coincidem. A funo suporte dada por:
t n np n 1 n , X ) = ln f ( X j ) = S( ln ( 2 ) ln ( X j ) 1 ( X j ) 2 2 2 j =1 j =1
Para obter o mximo dessa funo, necessrio derivar em relao aos parmetros e . Igualar as derivadas a zero e achar a soluo do sistema de equaes formado. Esses resultados esto apresentados na seqncia.
a) Derivada de S ( , X ) em relao a
Ferreira, D.F.
271
S ( , X )
= 1 ( X j )
j =1
Igualando a zero e resolvendo a equao formada obtm-se:
(X
j =1
) = 0 n = X j
j =1 n n
j =1
Xj n =X
b) Derivada de S ( , X ) em relao a
S ( , X )
n 1 t = ( 1 ) + n 1S n 1 2 2
Igualando a zero e resolvendo a equao para , substituindo-se o valor de encontrado em (a), tem-se as seguintes passagens.
272
S ( , X )
=0
n 1 t 1 1 1 ( ) + n Sn = 0 2 2
1 1 1 n 1 n S n = ( ) 2 2
1 S n 1 = 1
Pr e ps multiplicando ambos os lados dessa ltima equao por

obtm-se:
1S n 1 = 1 1 n 1 n = S n = ( X j X )( X j X )t = W j n j =1 n j =1
Substituindo as solues obtidas em L obtm-se o seu mximo da seguinte forma:
L , = ( 2 ) np / 2 S n = ( 2 ) np / 2 S n = ( 2 ) np / 2 S n
n / 2
1 n t exp ( X j X j ) S n 1 ( X j X j ) 2 j =1
n / 2
t 1 n 1 exp tr S n ( X j X j )( X j X j ) 2 j =1 t 1 1 n exp tr S n ( X j X j )( X j X j ) j =1 2
n / 2
Ferreira, D.F.
273
= ( 2 ) np / 2 Sn
n / 2
1 exp tr Sn 1nSn 2
n exp tr [ ] 2
= ( 2 ) np / 2 S n
n / 2
= ( 2 ) np / 2 Sn
n / 2
np exp 2
Sob H 0 : = 0 = 2 I a verossimilhana e a funo suporte so dadas por:
L ( , 0 X ) = ( 2 ) np / 2 0 = ( 2 ) np / 2 ( 2 )
n / 2
1 n t exp ( X j ) 0 1 ( X j ) 2 j =1 1 n t exp 2 ( X j ) ( X j ) 2 j =1
np / 2
S , 2 X =
t np np 1 n ln ( 2 ) ln ( 2 ) 2 ( X j ) ( X j ) 2 2 2 j =1
Para obter o mximo dessa funo, necessrio derivar em relao aos parmetros e 2 . Em seguida deve se igualar s derivadas a zero e achar a soluo do sistema de equaes formado.
274
c) Derivada de S , 2 X em relao a
S , 2 X
)=
1 n ( X j ) 22 j =1
Igualando a zero e resolvendo a equao formada obtm-se:
(X
j =1
) = 0 n = X j
j =1 n n
j =1
Xj n =X
Essa soluo a mesma do caso anterior.
d) Derivada de S , 2 X em relao a 0
S , 2 X
2
) = np
2
1 2( )
2 2
(X
j =1
)t ( X j )
Igualando a zero e resolvendo a equao para 2 , substituindo-se o valor de encontrado em (a), tem-se os seguintes resultados.
Ferreira, D.F.
275
S , 2 X
2
) =0
n np 1 + ( X X )t ( X j X ) = 0 2 2 ( 2 )2 j =1 j 2
1 2( ) 1
2 2
tr ( X
j =1
X )t ( X j X ) =
np 2 2
n np tr ( X j X )( X j X )t = 2 2 ( 2 ) j =1
Pr e ps multiplicando ambos os lados dessa ltima equao por
2 , e simplificando algumas Expresses obtm-se:
( )
2 2
tr ( nS n ) =
np 2 2
np p 1 = = 2 n tr ( S n ) tr ( S n ) 2 = tr ( S n ) p
Substituindo as solues obtidas em L ( , 0 X ) obtm-se o seu mximo da seguinte forma:
276
np / 2
tr ( S n ) L , 0 = ( 2 ) np / 2 p
n t p exp ( X j X j ) ( X j X j ) 2tr ( S n ) j =1
= ( 2 ) = ( 2 )
np / 2
tr ( S n ) p tr ( S n ) p
np / 2
p exp tr ( nS n ) 2tr ( S n ) np exp 2
np / 2
np / 2
Para testar a hiptese H 0 : = 0 = 2 I obtm-se a razo do mximo de as duas funes de verossimilhana. Ento, baseando-se no resultado de que o logaritmo natural multiplicado por -2 tem distribuio aproximada de qui-quadrado, pode-se efetuar um teste para essa hiptese. Assim, seja:
1 =
L , 0
( )= L ( , )
( 2 )
np / 2
tr ( S n ) p
( 2 ) np / 2
np exp n/2 Sn 2 = np / 2 n / 2 np tr ( S n ) exp Sn 2 p
np / 2
Ou ainda, se for considerado que Sn for substitudo por S, no h
alterao dos resultados obtidos, e se for considerado tambm que i o i-simo

autovalor de S, ento 1 pode ser expresso por:
1 =
n/2 np / 2
[ tr(S) / p]
np / 2 p p p i p i i =1 = = p i =1 np / 2 p i / p i / p i =1 i =1
np / 2
(7.54)
Ferreira, D.F.
277
Um teste estatstico pode ser obtido, conforme mencionado anteriormente por:
np n 2 c = 2ln ( 1 ) = 2 ln S + {ln [tr ( S )] ln ( p )} = 2 2 p np p n 2 = 2 ln ( ) + ln ln ( p ) 2 i =1 2 i =1
(7.55)
A distribuio aproximada de qui-quadrado possui graus de liberdade, que referem-se a diferena entre o nmero de parmetros do modelo completo e o nmero de parmetros do modelo sob a hiptese nula. Como so estimadas p mdias, p varincias e p(p-1)/2 covarincias no modelo completo e p mdias e 2 no modelo sob a hiptese nula, os graus de liberdade so dados por:
= p+
p ( p + 1) p ( p + 1) 2 ( p + 2)( p 1) p 1 = = 2 2 2
Bartlett (1954) sugere uma correo no teste anterior para uma melhor performance, sendo que para grandes amostras a estatstica dada por:
(2p 2 + p + 2) 2 c = 2 1 ln ( 1 ) 6pn
(7.56)
tem distribuio aproximadamente de qui-quadrado com =(p+2)(p-1)/2 graus de liberdade sob H0 dada em (7.53).
278
O teste (7.56) da hiptese nula (7.53) denominado de teste de esfericidade, porque os contornos da densidade so esferas quando = 2 I . Um teste mais geral do que o teste (7.56) para a hiptese de que todas as variveis sejam independentes dado pelo teste de razo de verossimilhana. Seja a hiptese
11 0 0 22 H0 : = 0 0
0 0 ; ii > 0 pp
(7.57)
A seguinte estatstica deve ser calculada inicialmente:
2 =
n/2 n/2
p Sii i =1
= R
n/2
(7.58)
Para grandes amostras, sob H0, o teste estatstico:
(2p + 11) 2 c = 2 1 ln ( 2 ) 6n
(7.59)
tem distribuio aproximadamente de qui-quadrado com =p(p-1)/2 graus de liberdade sob H0 dada em (7.57). Essa aproximao devida a Bartlett (1954) em
Ferreira, D.F.
279
substituio a aproximao usual -2ln(2). O resultado (7.59) melhora a aproximao qui-quadrado usual. Lawley (1940) mostra que o teste (7.59) pode ser aproximado por:
(2p + 11) p 1 p 2 2 c n k1 rik 6 i =1 =i +
(7.60)
Essa expresso representa uma melhor aproximao de (7.59) para pequenas correlaes e para grandes amostras pouco provvel que conduza a diferentes resultados dos obtidos pela frmula determinantal exata (7.59), Morrison (1976). apresentado a seguir um programa SAS no procedimento de matrizes IML para a realizao de todas as inferncias propostas nessa seo. Um exemplo apresentado, com comentrios, para que o usurio possa reproduzir os testes e os procedimentos de estimao propostos.
options ps=5000 ls=75 nodate nonumber;; proc iml; S={4.9810 3.8063 4.7740, 3.8063 3.0680 3.7183, 4.7740 3.7183 4.8264}; p=ncol(S);n=24;alpha=0.05; print 'Valor de p tamanho da amostra e alpha'; print p n alpha; print 'Matriz de covariancias amostral: S'; print S; Ls=diag(eigval(s)); Ps=eigvec(S); print 'Matriz de autovalores de S'; print Ls; print 'Matriz de autovetores de S'; print Ps; D=diag(S); D_12=inv(root(D)); *print D_12;
280
Rs=D_12*S*D_12; print 'Matriz de correlacoes amostrais R'; print Rs; Lr=diag(eigval(Rs)); print 'Matriz de autovalores de R'; print Lr; Pr=eigvec(Rs); print 'Matriz de autovetores de R'; print Pr; /*intervalo de confianca para autovalores de S - equacao 7.41*/ za2=probit(1-alpha/2); print 'Intervalos de confianca para os autovalores de S, sendo 1alpha=' alpha; print 'Autovalor Li Ls'; do i=1 to p; lin=ls[i,i]/(1+za2*(2/n)**0.5); lsu=ls[i,i]/(1-za2*(2/n)**0.5); print i lin lsu; end; /*Testar a hipotese de que o maior autovalor de S e igual a l0=12.35 equacao 7.42 */ /* este teste eh motivado pelo fato de l1=sig2(1+(p-1)rho), com sig2=4.2 e rho=0.97 */ l0=12.35; Zc=(ls[1,1]-l0)/(l0*(n/2))**0.5; przc=2*(1-probnorm(abs(zc))); print 'Teste de H0: l1=12.35 (igual correlacao). Esse valor eh apenas um exemplo'; print 'Valor de Zc valor de prob>|zc|'; print 'Se [prob>|zc|]>valor de alpha Ho nao deve ser rejeitada'; print Zc przc; /* teste 7.43 igualdade de r autovalores intermediarios*/ /* neste exemplo sera testado Ho: l2 = l3 */ /*q=1, r=2, p=3 -teste 7.44 */ aux1=0;aux2=0;q=1;r=2; do i=q+1 to q+r; aux1=aux1+log(ls[i,i]); aux2=aux2+ls[i,i]/r; end; qui2c=-(n-1)*aux1+(n-1)*r*log(aux2); print 'Valores dos somatorios auxiliares para teste H0: l2 = l3'; print 'aux1 = soma ln(lj) e aux2 = media dos lj intermediarios'; print aux1 aux2; v=r*(r+1)/2-1; prqui2c=1-probchi(qui2c,v); print 'Teste da hipotese de que Ho: l2 = l3 '; print 'Qui-quadrado GL Pr>qui-Quadr'; print qui2c v prqui2c; /* teste para a hipotese de igualdade de um autovetor a um vetor de constantes*/ /* Para ilustrar sera testado que e1=[1/3^0.5 1/3^0.5 1/3^0.5], ou seja, igual*/ /* estrutura de correlacao da matriz Sigma que originou a S */ e0=j(p,1,1/3**0.5); E1=j(p,p,0); do i=1 to p; ek=Ps[,i]; if i^=1 then do; E1=E1+(ls[i,i]/(ls[i,i]-ls[1,1])**2)*ek*t(ek);
Ferreira, D.F.
281
end; end; E1=ls[1,1]*E1; Le=eigval(e1); *print E1 le; ei1=Ps[,1]; print e0 ei1; qui2c=n*(ls[1,1]*e0`*inv(S)*e0+e0`*S*e0/ls[1,1]-2); qui2c2=n*t(Ps[,1]-e0)*ginv(E1)*(Ps[,1]-e0); v=p-1; prqui2c=1-probchi(qui2c,v); print 'Teste da hipotes e1=e0=t([1/3^0.5 1/3^0.5 1/3^0.5])'; print 'Qui-quadrado1 qui-quad2 GL Pr>qui-Quadr'; print qui2c qui2c2 v prqui2c; /*teste da H0:phoij=pho - igual estrutura de correlacao */ rbar=(sum(Rs)-trace(Rs))/(p*(p-1)); rk=j(p,1,0); do i=1 to p; rk[i]=(sum(Rs[,i])-1)/(p-1); end; gama=(p-1)**2*(1-(1-rbar)**2)/(p-(p-2)*(1-rbar)**2); aux1=(Rs-j(p,p,rbar))#(Rs-j(p,p,rbar)); aux2=(sum(aux1)-trace(aux1))/2; aux3=(rk-j(p,1,rbar))#(rk-j(p,1,rbar)); aux4=sum(aux3); qui2c=(n-1)/(1-rbar)**2*(aux2-gama*aux4); v=(p+1)*(p-2)/2; if qui2c<=0 then qui2c=1e-14; prqui2=1-probchi(qui2c,v); print 'Teste da hipotes phij=pho: igual estrutura de correlacao'; print 'Qui-quadrado GL Pr>qui-Quadr'; print qui2c v prqui2; print 'Valores utilizados no teste-para simples conferencia'; print 'media geral dos rij, vetor de medias de cada coluna de R e gama chapeu'; print rbar rk gama; /*teste de esfericidade-H0: Sigma=Sig^2*I*/ Lamb1=((det(S)**(1/p))/(trace(S)/p)); qui2c=-2*(n*p/2)*log(lamb1)*(1-(2*p**2+p+2)/(6*p*n)); v=(p+2)*(p-1)/2; prqui2=1-probchi(qui2c,v); print 'Teste de esfericidade - H0: Sigma=Sig^2*I'; print 'Qui-quadrado GL Pr>qui-Quadr Lambida 1^(2/(np))'; print qui2c v prqui2 lamb1; /*teste de independencia de variaveis mais geral - H0: Sigma = Diag(sig11 sig22 ... sigpp)*/ Lamb2=det(Rs); qui2c=-2*(n/2)*log(lamb2)*(1-(2*p+11)/(6*n)); v=p*(p-1)/2; prqui2=1-probchi(qui2c,v); print 'Teste de independencia - H0: Sigma = Diag(sig11 sig22 ... sigpp)'; print 'Qui-quadrado GL Pr>qui-Quadr Lambida 2^2/n'; print qui2c v prqui2 lamb2; /*teste de independencia de variaveis - uso da aproximacao de Lawleypior*/ aux1=Rs#Rs; aux2=(sum(aux1)-trace(aux1))/2; qui2c=aux2*(n-(2*p+11)/6); v=p*(p-1)/2;
7. Componentes principais prqui2=1-probchi(qui2c,v); print 'Teste de independencia aproximado de Lawley (1940)'; print 'para a hipotese H0: Sigma = Diag(sig11 sig22 ... sigpp)'; print 'Qui-quadrado GL Pr>qui-Quadr Soma de rij^2=aux2'; print 'Obs. para grandes valores de rij essa eh uma pessima aproximacao'; print qui2c v prqui2 aux2; quit;
282
7.6. Exerccios
7.6.1. Extrair os componentes principais da matriz S obtida das mensuraes de trs variveis em carapaas de tartarugas. As variveis X1, X2, e X3 so referentes ao comprimento, largura e altura transformadas por logaritmo natural, respectivamente. Uma amostra de 24 fmeas foi realizada. A matriz S apresentada a seguir, juntamente com o vetor de mdias das variveis transformadas. Obter os componentes principais de S e interpret-los, quando for possvel. Obter a matriz R e os respectivos componentes principais. Obter em ambos os casos: a) a porcentagem de informao explicada por cada componente; b) a correlao entre as variveis originais transformadas e os componentes principais. Observando o primeiro componente principal de R com mais profundidade, o que pode ser afirmado sobre a matriz R (sem a realizao de teste).
2,128 X = 2, 008 1, 710
4,9810 3,8063 4, 7740 e S = 3,8063 3, 0680 3, 7183 4, 7740 3, 7183 4,8264
Ferreira, D.F.
283
7.6.2. Com os dados do exerccio 7.6.1, determine os intervalos de 95% de confiana assinttico para os 3 autovalores de (3x3). 7.6.3. Com os dados do exerccio 7.6.1 teste a hiptese de que o primeiro
t autovetor de seja igual a e1 = 1
3 . Qual sua concluso
com relao deciso tomada? 7.6.4. Com os dados do exerccio 7.6.1 reproduza a matriz S a partir do primeiro componente principal e a matriz de resduos. 7.6.5. Teste a hiptese de que os r=2 ltimos valores caractersticos de , sejam iguais, utilizando os dados do exemplo 7.6.1. 7.6.6. Teste a hiptese de independncia geral entre 3 variveis, para as quais uma amostra de n=50 observaes apresentou a seguinte matriz de covarincia.
24,9811 0, 0796 0, 0574 S = 0, 0796 5, 2762 0, 0020 0, 0574 0, 0020 3, 0655
7.6.7. Os dados a seguir referem a uma amostra de 30 elementos em uma populao normal trivariada. Obtenha os componentes principais e verifique a normalidade por meio dos dois primeiros componentes. Faa os Q-Q plots e os grficos de disperso dos escores do componente 1 vs 2. Utilize o ltimo componente para verificar a possibilidade de observaes suspeitas. Caso alguma observao suspeita seja observada, elimine-a da amostra e refaa o exerccio.
U.A. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 X1 12,80 14,12 19,09 15,98 16,00 16,51 14,05 14,34 16,87 21,93 15,21 15,54 17,71 14,42 13,38 13,91 15,53 16,40 18,35 13,59 19,08 13,95 16,11 17,10 18,81 15,27 14,80 17,39 18,02 9,52 X2 29,56 26,54 33,26 31,00 28,94 31,67 30,11 26,47 29,00 38,00 30,68 27,37 30,20 29,99 31,61 29,59 29,30 28,96 30,15 27,70 31,26 29,94 34,52 29,39 31,48 29,54 31,88 28,88 34,02 25,23 X3 45,19 49,29 49,79 51,73 50,30 48,06 55,15 46,84 52,16 39,24 54,02 51,52 51,66 52,50 52,33 44,19 53,71 46,56 52,18 52,33 48,59 54,73 52,69 52,03 49,79 43,11 48,08 50,69 49,58 45,89
284
||[
Anlise de agrupamento
]||
8.1. Introduo
As anlises rudimentares e exploratrias de dados como os procedimentos grficos auxiliam, em geral, o entendimento da complexa natureza da anlise multivariada. No presente captulo so discutidas algumas tcnicas grficas adicionais para agrupar objetos (itens ou variveis) e tambm apresentar os algoritmos que devem ser usados para efetivamente realiz-los. Encontrar nos dados uma estrutura natural de agrupamento uma importante tcnica exploratria. A anlise de agrupamento deve ser distinguida da anlise discriminante, pelo fato desta ltima ser aplicada a um nmero de grupos j conhecidos, tendo por objetivo a discriminao de um novo indivduo a um destes grupos. A anlise de agrupamento por sua vez no considera o nmero de grupos e realizada com base na similaridade ou dissimilaridade (distncias). Objetivo dessa anlise agrupar objetos semelhantes segundo suas caractersticas (variveis). Todavia, no existem impedimentos para realizar o agrupamento de variveis semelhantes segundo as realizaes obtidas pelos objetos amostrados. Um outro problema para o qual uma resposta necessria
8. Anlise de agrupamento
286
consiste em verificar se um indivduo A mais parecido com B do que com C. Quando o nmero de variveis envolvidas pequeno, a inspeo visual poder responder. Assim, por exemplo, na Figura 8.1 observa-se uma situao em que A mais parecido com C do que com B. Intuitivamente para fazer tal inferncia usou-se o conceito de distncia euclidiana, o qual definiu a idia de parecena.
20
18
Varivel 2
16
14
12 A 10 1.0 1.5 2.0 2.5 3.0 3.5 4.0 C
Varivel 1
Figura 8.1. Disperso entre trs indivduos mensurados com relao a duas variveis quantitativas contnuas.
8.2. Medidas de dissimilaridade)
parecena
(similaridade
Como foi visto no exemplo da Figura 8.1, necessrio especificar um coeficiente de parecena que indique a proximidade entre os indivduos. importante considerar, em todos os casos semelhantes a este, a natureza da
Ferreira, D.F.
287
varivel (discreta, contnua, binria) e a escala de medida (nominal, ordinal, real ou razo). No captulo 1 foi discutida a noo de distncia e apresentada a distncia euclidiana entre dois objetos no espao p-dimensional. Sejam
t X1 = X11 X12
X1p
t e X 2 = X 21 X 22
X 2p
observaes entre dois objetos
(indivduos). Ento, a distncia euclidiana entre eles dada por:
d ( X1 , X 2 ) =
( X11 X 21 )
+ ( X12 X 22 ) + ... + ( X1p X 2p ) = (X1 X 2 ) t (X1 X 2 ) (8.1)

2 2
Uma importante distncia estatstica entre estes dois objetos conhecida como distncia de Mahalanobis, dada por:
d ( X1 , X 2 ) = (X1 X 2 ) t S1 (X1 X 2 )
(8.2)
em que, S-1 a inversa da matriz de varincia e covarincia amostral. Outra medida de distncia a mtrica de Minkowski, a qual depende de funes modulares.
p m d ( X1 , X 2 ) = X1i X i2i i =1
1m
(8.3)
288
Para m=1 a equao (8.3) conhecida por mtrica do quarteiro (mtrica city-block) e para m = 2 representa a distncia euclidiana e, em geral, variaes de m causam trocas nos pesos dados a pequenas e a grandes diferenas. Sempre que possvel conveniente usar distncias verdadeiras, ou seja, aquelas que obedecem desigualdade triangular para o agrupamento de objetos, embora alguns algoritmos de agrupamento no exigem o atendimento dessa pressuposio. De uma maneira geral, sejam Xhj as observaes do h-simo objeto na j-sima varivel e Xij as observaes do i-simo objeto na j-sima varivel, e sejam Zhj e Zij estes valores padronizados, ento, podem ser definidas as
distncias apresentadas a seguir. Sendo que h, i = 1, 2, ..., n e j = 1, 2, ..., p. Distncia euclidiana mdia,
d h,i =
( X
j =1
hj
X ij )
(8.4)
Distncia euclidiana padronizada,
d h,i
X hj X ij = = S jj j =1
p
( X h Xi )
D 1 ( X h X i )
(8.5)
Ferreira, D.F.
289
em que, D uma matriz diagonal tendo o j-simo componente igual a varincia Sjj, ou seja,
0 S11 0 S 22 D= 0 0
0 0 Spp
De modo anlogo pode-se definir a distncia euclidiana padronizada mdia,
d h,i
X hj X ij S j =1 jj = = p
p
( X h Xi )
D 1 ( X h X i ) p
(8.6)
Outros tipos de definies de distncias podem ser encontrados na literatura (Bussab, Miazaki e Andrade, 1990). Um exemplo o coeficiente de Gower, o qual baseado na proporo da variao em relao a maior discrepncia possvel.
d h,i
1 p X hj X ij = log10 1 p j =1 X ( n ) j X (1) j
(8.7)
290
em que X ( n ) j e X (1) j so os valores mximos e mnimos, respectivamente, em uma amostra de n objetos para a j-sima varivel. Muitas vezes os objetos no podem ser mensurados em variveis quantitativas. Essas variveis podem ser transformadas em dicotmicas (binrias), determinado um ponto de corte de interesse prtico. Assim, por exemplo, se a altura (Y) de n indivduos mensurada e o interesse determinar queles com altura superiores a 1,80m, ento, defini-se a varivel binria (X) da seguinte forma: se Yi > 1,80m ento Xi = 1 caso contrrio, se Yi 1,80m, ento Xi = 0. Da mesma forma, variveis qualitativas podem ser transformadas em variveis binrias tomando-se como valor 1 a presena de uma determinada realizao e o valor 0 para as demais. Assim, por exemplo, se na amostra ocorresse um indivduo com cor de olhos pretos determinaria o valor 1 e a ocorrncia de outro com outra cor de olhos determinaria o valor 0. De uma maneira geral, a presena e ausncia de uma caracterstica devem ser representadas por uma varivel binria, a qual assume valor 1 se a caracterstica estiver presente e o valor zero se estiver ausente. A ocorrncia de dados binrios bastante comum em gentica molecular. Nesse caso, os indivduos so genotipados para a presena ou ausncia de um determinado marcador molecular, marcador de DNA. Como exemplos consideram-se duas linhagens de milho as quais foram estereotipadas atravs de marcadores moleculares denominados RAPD. O melhorista nesse caso estava interessado na similaridade gentica dessas linhagens. Cinco bandas (marcadores diferentes) foram utilizadas. Os resultados
Ferreira, D.F.
291
para presena e para a ausncia dessas bandas foram obtidos e esto apresentados a seguir.
Linhagens A B
1 1 1
2 0 1
Bandas 3 0 0
4 1 1
5 1 0
Existem, neste exemplo, duas concordncias, uma com 1-1 e outra com 2-2 e duas discordncias, quais sejam, 0-1 e 1-0. Representando o escore (1 ou 0) da j-sima varivel binria no h-simo objeto por Xhj e da mesma forma Xij representa o escore do i-simo objeto na j-sima varivel, j=1, 2, ..., p. Conseqentemente, a diferena ao quadrado entre os dois indivduos ou objetos para uma determinada varivel resultar apenas no valor 0 ou no valor 1. Isso pode ser observado facilmente pelos seguintes argumentos.
(X
hj
X ij )
0 se X hj = X ij = 1 ou se X hj = X ij = 0 = 1 se X X hj ij
(8.8)
Dessa forma, a distncia euclidiana quadrtica representa a contagem do nmero de pares no coincidentes. Grandes distncias
correspondem a muitos pares no coincidentes e, portanto, a objetos dissimilares. Para o exemplo em questo, tem-se:
2 d A, B = 2
292
A equao (8.4) pode ser usada muitas vezes como base para distncia, no entanto, algumas vezes possui algumas limitaes por considerar que os pares (1-1) e (0-0) possuem o mesmo peso, o que em determinadas situaes reais (1-1) representa uma forte evidncia de similaridade, mas o (0-0) no. Muitos coeficientes existem na literatura, dando diferentes tratamentos a este problema. Cabe ao leitor decidir em qual situao o seu problema se enquadra e escolher a medida de parecena mais apropriada. Para introduzir estas medidas de parecena so apresentados os resultados de coincidncias e divergncias dos objetos h e i em uma tabela de contingncia.
Item i 1 1 Item h 0 Totais c a+c d b+d c+d p = a + b +c + d a 0 b Totais a+b
Nesta Tabela pode-se observar que a representa a freqncia de coincidncias (1-1), b a freqncia de (1-0), e assim sucessivamente. No exemplo tratado a = 2, b = c = d = 1. Na Tabela 8.1 apresentam-se alguns dos coeficientes de
semelhana (similaridade) em termos das freqncias descritas anteriormente, considerando variveis binrias. Os valores para o exemplo, a variao de cada
Ferreira, D.F.
293
uma, o nome comum na literatura e explicao racional para as mesmas foram apresentados. Na Tabela 8.1, esto apresentados os coeficientes de similaridades, no entanto, deve ser ressaltado que a nica exceo a distncia binria de Sokal. Muitas vezes as medidas de dissimilaridade podem ser transformadas em medidas de similaridade pela relao apresentada em Johnson e Wichern (1988).
Sh,i =
1 1 + d h ,i
(8.9)
Outra forma de se obter coeficientes de similaridades a partir da distncia euclidiana, calculada com variveis padronizadas, pode ser obtida pelo coeficiente de Cattel (Bussab, Miazaki, Andrade, 1990).
Sh,i
2 2 2 p d h,i 3 = 2 2 p + d h2,i 3
(8.10)
Uma outra expresso apresentada atribuda a Cattel e Coulter (Bussab, Miazaki, Andrade, 1990), tambm derivada considerando distncias euclidianas padronizadas dada por:
Sh,i =
2 p d h2, i 2 p + d h2, i
(8.11)
294
No entanto, nem sempre possvel construir distncias a partir de similaridades. Isso s pode ser feito se a matriz de similaridades for no negativa definida. Com a condio de que Si,i = 1, mximo das similaridades, e que a matriz de similaridades seja no negativa definida, ento a expresso (8.12) tem as propriedades de distncia.
d h , i = 2 (1 S h ,i )
(8.12)
Ferreira, D.F.
295
Tabela 8.1. Alguns coeficientes de parecena para variveis dicotmicas.

Nome Coincidncia simples Sokal Sneath Rogers Tanimoto Russel e Rao Jaccard e Expresso Explicao Pesos iguais para 1-1 e 0-0 Variao 0-1 Ex. 0,60
a+d p
2 (a + d ) 2 (a + d ) + b + c a+d a + 2( b + c) + d
a p
Peso duplo para 1-1 e 0-0
0-1
0,75
Duplo peso coincidentes
para
pares
no
0-1
0,43
Nenhum 0-0 no numerador As coincidncias 0-0 so tratadas como irrelevantes 0-0 irrelevante e duplo peso para 1-1. 0-0 irrelevante e duplo peso para no coincidncia. Razo entre coincidncias e no coincidncias - Exceto 0-0 nica medida de dissimilaridade.
0-1 0-1
0,40 0,50
Sorenson
a a+b+c 2a 2a + b + c a a + 2( b + c)
a b+c
b+c p
0-1
0,66
0-1
0,33
Dist. Binria de Sokal Ochiai
0-(p-1) 0-1
1,00 0,63
a ( a + b )( a + c)
a + ad a + b + c + ad
Concordncias positivas sobre adaptao da mdia geomtrica de discordncias Concordncias positivas e a mdia geom. de concordncia positivas e negativas Proporo de coincidncias menos a proporo de discordncias Proporo de ad menos a de bc
0-1
0,67
Baroni-UrbaniBuser Haman
0-1
0,63
(a + d) (b + c ) p
-1 - +1
0,20
Yule
ad bc ad + bc
ad bc (a + b)(a + c)( b + d )(c + d )
-1 - +1
0,33
Produto de momento de correlao aplicado a variveis binrias Proporo de coincidncias em relao mdia geom. total modificada
-1 - +1
0,17
Ochiai II
ad
(a + b)(a + c)(b + d )(c + d )
0 -1
0,33
296
Em algumas aplicaes necessrio agrupar variveis ao invs de objetos. As medidas de similaridades para agrupar variveis usadas na prtica so baseadas nos coeficientes de correlao amostral. Em algumas aplicaes de agrupamento, as correlaes negativas so trocadas pelos seus valores absolutos. Quando, as variveis so binrias esta correlao est apresentada na Tabela 8.1 (). Este coeficiente de correlao est associado estatstica de quiquadrado, para testar a independncia de duas variveis categricas por ( 2 = 2 n , n = a + b + c + d, 2 com 1 grau de liberdade). Para n fixo, uma grande similaridade (ou correlao) consistente com a falta de independncia entre as variveis. Uma outra importante observao que pode ser feita que para agrupamento de variveis os coeficientes de similaridade e de distncias podem ser usadas, apenas tomando-se o cuidado de substituir p (nmero de variveis) por n (nmero de objetos).
8.3. Agrupamentos
Muitos algoritmos existem para formar os agrupamentos, devido a existncia de vrios critrios existentes para conceituar os grupos que nem sempre so aceitos universalmente. Uma outra razo para isso, que raramente pode-se examinar todas as possibilidades de agrupamento, mesmos com os mais rpidos e possantes computadores.
Ferreira, D.F.
297
So apresentadas neste material algumas das tcnicas de agrupamentos denominadas hierrquicas e outra do grupo das no hierrquicas.
8.3.1. Agrupamentos hierrquicos
Os agrupamentos hierrquicos so realizados por sucessivas fuses ou por sucessivas divises. Os mtodos hierrquicos aglomerativos iniciam com tantos grupos quanto aos objetos, ou seja, cada objeto forma um agrupamento. Inicialmente, os objetos mais similares so agrupados e fundidos formando um nico grupo. Eventualmente o processo repetido, e com o decrscimo da similaridade, todos os subgrupos so fundidos, formando um nico grupo com todos os objetos. Os mtodos hierrquicos divisivos trabalham na direo oposta. Um nico subgrupo inicial existe com todos os objetos e estes so subdivididos em dois subgrupos de tal forma que exista o mximo de semelhana entre os objetos dos mesmos subgrupos e a mxima dissimilaridade entre elementos de subgrupos distintos. Estes subgrupos so posteriormente subdivididos em outros subgrupos dissimilares. O processo repetido at que haja tantos subgrupos quantos objetos. Os resultados finais destes agrupamentos podem ser apresentados por grficos denominados dendrogramas. Os dendrogramas apresentam os
298
elementos e os respectivos pontos de fuso ou diviso dos grupos formados em cada estgio. Os esforos deste captulo sero concentrados nos mtodos hierrquicos aglomerativos (Linkage Methods). Sero discutidos os mtodos de ligao simples (mnima distncia ou vizinho mais prximo), ligao completa (mxima distncia ou vizinho mais distante) e ligao mdia (distncia mdia). As idias para estes trs processos esto, esquematicamente, apresentados na Figura 8.2.
.2 .1
d24
.4
(a)
.3 .
5
.2 .
1
d15 (b)
.4
.3 .5
.2 .1
.4
.3 .5
(c) (d13+d14+d15+d23+d24+d25)/6
Figura 8.2. Distncias entre os grupos para os mtodos da (a) ligao simples, (b) ligao completa e (c) ligao mdia.
Ferreira, D.F.
299
A seguir est apresentado um algoritmo geral para os agrupamentos hierrquicos aglomerativos com n objetos (itens ou variveis).
1. Iniciar com n grupos, cada um com um nico elemento e com uma matriz simtrica n x n de dissimilaridades (distncias) D={dhi}. 2. Buscar na matriz D o par de grupos mais similar (menor distncia) e fazer a distncia entre os grupos mais similares U e V igual a duv. 3. Fundir os grupos U e V e nome-lo por (UV). Recalcular e rearranjar as distncias na matriz D (a) eliminando as linhas e colunas correspondentes a U e V e (b) acrescentando uma linha e coluna com as distncias entre o grupo (UV) e os demais grupos. 4. Repetir os passos 2 e 3 num total de (n-1) vezes (todos os objetos estaro em nico grupo). Anotar a identidade dos grupos que vo sendo fundidos e os respectivos nveis (distncias) nas quais isto ocorre.
(a) Ligao simples (vizinho mais prximo) Para exemplificar considerado um exemplo, no qual destacam-se 4 objetos (A, B, C, D), e para o qual a matriz de distncias entre os objetos apresentada a seguir. A B C D A 0 3 0 B D= C 7 9 0 D 8 6 5 0
300
Para ilustrar o mtodo da ligao simples, os objetos menos distantes devem, inicialmente, ser fundidos. Ento, min ( d h , i ) = d A, B = 3 . O prximo passo fundir A com B formando o grupo (AB) e em seguida calcular as distncias deste grupo e os objetos remanescentes. As distncias dos vizinhos mais prximos so,
d( AB ), C = min{dAC , dBC } = min{7, 9} = 7
d( AB ),D = min{dAD , dBD } = min{8, 6} = 6
A nova matriz D para o prximo passo :

AB C D AB 0 7 0 D = C D 6 5 0 A menor distncia entre D e C, com dDC=5, os quais foram fundidos formando o subgrupo DC, no nvel 5. Recalculando as distncias tm-se,
d(DC ),( AB ) = min{dD ( AB ) , dC ( AB ) } = min{6, 7} = 6
A nova matriz D fica, DC AB D= DC 0 AB 6 0
Ferreira, D.F.
301
Conseqentemente o grupo DC fundido com AB na distncia 6. Na Figura 8.3, foi apresentado o dendrograma, com os resultados alcanados.
Dendrograma Single Linkage Matriz de dissmilaridade
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
6.5
Distncia de ligao
Figura 8.3. Dendrograma para agrupar 4 objetos (A, B, C e D) pelo mtodo da ligao simples (vizinho mais prximo).
(b) Ligao completa (vizinho mais distante)
O mtodo da ligao completa realizado da mesma forma que o do vizinho mais prximo, com exceo de que a distncia entre grupos tomada como a mxima distncia entre dois elementos de cada grupo. Para ilustrar, ser usado o mesmo exemplo. Assim, considerando a mesma matriz de dissimilaridade D do exemplo anterior. Inicialmente so fundidos os dois objetos menos distantes. Ento, como min ( d h , i ) = d A , B = 3 , os objetos A e B devem ser fundidos formando o grupo (AB) e em seguida deve-se calcular as distncias deste grupo e os objetos remanescentes. As distncias entre os grupos so consideradas com sendo a distncia entre os vizinhos mais distantes, dadas por:
302
d( AB ), C = max{dAC , dBC } = max{7, 9} = 9

d( AB ),D = max{dAD , dBD } = max{8, 6} = 8
A nova matriz D para o prximo passo : AB C D AB 0 9 0 D = C D 8 5 0 A menor distncia entre D e C, com dDC=5, os quais foram fundidos formando o subgrupo DC, no nvel 5. Recalculando as distncias entre os grupos tem-se,
d(DC ),( AB ) = max{dD ( AB ) , dC ( AB ) } = max{8, 9} = 9
A nova matriz D fica, DC AB D= DC 0 AB 9 0
Conseqentemente, o grupo DC fundido com AB na distncia 9. Na Figura 8.4, foi apresentado o dendrograma, com os resultados alcanados.
Ferreira, D.F.
303
Dendrograma Complete Linkage Matriz de dissimilaridades
10
Distncia de ligao
Figura 8.4. Dendrograma para agrupar 4 objetos (A, B, C e D) pelo mtodo da ligao completa (vizinho mais distante).
Comparando-se os resultados alcanados e apresentados nas Figuras 8.3 e 8.4, pode-se notar que os dendrogramas para o mtodo do vizinho mais prximo e do vizinho mais distante no diferem na alocao dos objetos e sim na magnitude da fuso dos grupos CD com AB, para esse exemplo em particular.
(c) Ligao mdia (mtodo do centride)
O mtodo da ligao mdia realizado da mesma forma que o do vizinho mais prximo e mais distante, com exceo de que a distncia entre grupos tomada como a mdia da distncia entre dois elementos de cada grupo. Para ilustrar, usado o mesmo exemplo. Da mesma forma, so fundidos os
304
objetos menos distantes. Ento, como min ( d h , i ) = d A , B = 3 , os objetos A e B devem ser fundidos, formando o grupo (AB) e em seguida deve-se calcular as distncias deste grupo e os objetos remanescentes. As distncias entre grupos so baseadas na mdia das distncias entre todos os elementos de um grupo com relao aos elementos de outro grupo.
d( AB ), C = (dAC + dBC ) / 2 = (7 + 9) / 2 = 8
d ( AB ),D = (d AD + dBD ) / 2 = (8 + 6) / 2 = 7
A nova matriz D para o prximo passo : AB C D AB 0 8 0 D = C D 7 5 0 A menor distncia entre D e C, com dDC=5, os quais foram fundidos formando o subgrupo DC, no nvel 5. Recalculando as distncias tm-se,
d(DC ),( AB ) = (dD ( AB ) + dC ( AB ) ) = (7 + 8) / 2 = 7,5
A nova matriz D fica,
DC AB D= DC 0 7,5 0 AB
Ferreira, D.F.
305
Conseqentemente o grupo DC fundido com AB na distncia 7,5. Na Figura 8.5, foi apresentado o dendrograma, com os resultados alcanados.
Dendrograma Unweighted pair-group average Matriz de dissimilaridade
5 Distncia de ligao
Figura 8.5. Dendrograma para agrupar 4 objetos (A, B, C e D) pelo mtodo da ligao mdia (centride).
8.3.2. Agrupamentos no hierrquicos
Os agrupamentos no hierrquicos procuram a partio de n objetos em k grupos. Os mtodos exigem a pr-fixao de critrios que produzam medidas sobre a qualidade da partio produzida. Um dos mais populares mtodos o das k-mdias.
306
O algoritmo das k-mdias, de uma forma bastante simplificada, dividido em trs passos: 1. Particionar os itens em k grupos iniciais arbitrariamente; 2. Percorrer a lista de itens e calcular as distncias de cada um deles para o centride (mdias) dos grupos. Fazer a realocao do item para o grupo em que ele apresentar mnima distncia, obviamente se no for o grupo ao qual este pertena. Recalcular os centrides dos grupos que ganharam e perderam o item. 3. Repetir o passo 2 at que nenhuma alterao seja feita.
Exemplo 8.1
Utilizando 4 itens (A, B, C e D) e 2 variveis (X1 e X2) dividir em k=2 grupos, pelo mtodo das k-mdias.
Observao Objeto A B C D x1 2 5 1 8 x2 0 2 4 4
i) particionar os itens arbitrariamente em 2 grupos, como por exemplo AD e BC. Calcular a mdia de cada grupo.
Centride Objeto AD BC
X1 (2+8)/2=5 (1+5)/2=3
X2 (0+4)/2=2 (2+4)/2=3
Ferreira, D.F.
307
ii) Neste passo a distncia de cada item ser computada em relao ao centride de cada grupo e se necessrio, os objetos sero realocados para o grupo mais prximo.
d d
2
A ( AD )
= (2 5) 2 + (0 2) 2 = 13 = (2 3) 2 + (0 3) 2 = 10
2
A (BC )
Neste caso h necessidade de realocao de A para o grupo BC, sendo que os centrides dos grupos devem ser recalculados.
Centride Objeto D ABC

X1 X2
8 2,667
4 2
Recalculando as distncias dos objetos para o centride dos grupos e checando a possibilidade de realocao, tem-se:
d d
2
A ,D
= 52 = 4, 44
2
A ,( ABC )
d d
2 2
B ,D
= 13 = 5, 44
B ,( ABC )
d d
2 2
C ,D
= 49 = 6,77
C ,( ABC )
Grupo D ABC
Item (distncia quadrtica p/ centride) A B C D 52,0 13,0 49,0 0,0 4,4 5,4 6,8 32,4
308
Nenhuma realocao deve ser realizada, pois os objetos tm menor distncia para os respectivos grupos aos quais eles pertencem. Para realizar uma checagem da estabilidade de a partio alcanada recomendvel executar novamente o algoritmo com uma nova partio inicial.
8.4. Exerccios
Agrupar os 4 objetos cuja matriz de dissimilaridades est apresentada a seguir, utilizando todos os mtodos apresentados nesse material.
A B C D A 0 9 B 0 D= C 25 36 0 D 49 100 16 0
||[
9.1. Introduo
A tcnica
Anlise de fatores
]||
consiste em uma
dos
componentes
principais
transformao ortogonal dos eixos coordenados do sistema multivariado buscando as orientaes de maior variabilidade. Para o estudo de dependncias estruturais multinormais, as tcnicas de explicao das covarincias das respostas so preferidas. Apesar de as tcnicas dos componentes principais poder ser usada para essa finalidade, esta no deve ser preferida por ser apenas uma transformao e no um resultado de um modelo fundamental da estrutura de covarincia. Esse mtodo possui alguns inconvenientes, tais como no ser invariante quanto s mudanas de escalas e no possuir um critrio adequado para determinar quando uma proporo suficiente da variao total foi explicada pelos componentes retidos. Nesse captulo apresenta-se a tcnica de anlise de fatores com o propsito essencial de descrever, se possvel, as relaes de covarincia entre diversas variveis em funo de poucas, no observveis, quantidades aleatrias denominadas de fatores. Sob o modelo de fatores cada varivel resposta
9. Anlise de fatores
310
representada por uma funo linear de uma pequena quantidade de fatores comuns, no observveis, e de uma simples varivel latente especfica. Os fatores comuns geram as covarincias entre as variveis observadas e os termos especficos contribuem somente para as varincias de suas respostas relacionadas. Os coeficientes dos fatores comuns no so restritos a condio de ortogonalidade, o que confere generalidade, apesar de se exigir normalidade dos dados e a determinao, a priori, do nmero de fatores. Nesse captulo so apresentados o modelo de fatores ortogonais, os mtodos de estimao dos parmetros desse modelo e brevemente o problema de rotao dos fatores. considerado um mtodo de estimao que no exige normalidade. Mtodos de estimao de os escores dos fatores so, tambm, abordados, o que ao contrrio dos componentes principais no uma tarefa simples.
9.2. Modelo de fatores ortogonais

Supondo que o sistema multivariado consiste de p resposta descritas pelas p variveis observveis aleatrias X1, X2, ..., Xp. Assumindo que o vetor de observaes multivariadas p X1 possui mdia e covarincia , ento, o modelo de fatores pressupe que o vetor
p
X1 linearmente dependente de algumas
poucas variveis no observveis F1, F2, ..., Fm chamadas de fatores comuns, e p
Ferreira, D.F.
311
fontes de variaes adicionais 1, 2, ..., p chamadas de erro ou de fatores especficos. O modelo de fatores pode ser especificado por:
X1 1 = X 2 2 = X p p =
11 1
F+ F+ F+
12 2
F + ... + F + ... + F + ... +
1m m
F + 1 F + 2 F + p
21 1
22 2
2m m
(9.1)
p1 1
p2 2
pm m
ou em notao matricial por:
X = L F
(p1) (p m) (m1)
+
(p1)
(9.2)
em que
ij
denominado de carga da i-sima varivel para o j-simo fator, ento
a matriz L chamada matriz de cargas fatoriais. O i-esimo fator especfico i associado somente com a i-sima varivel resposta Xi. Os p desvios X1-1, X2-2, ..., Xp-p so representados por p + m variveis aleatrias F1, F2, ..., Fm, 1, 2, ...,
p, as quais so no observveis. Esse fato distingue o modelo de fatores do
modelo de regresso multivariada, pois este ltimo possui variveis independentes (ocupadas em (9.2) por F) que so observveis. Devido ao grande nmero de quantidades no observveis e tambm com a finalidade de tornar til o modelo de fatores, algumas pressuposies sobre os vetores F e so impostas. Assim assumido que F tem distribuio com mdia 0 e que os elementos de F so independentemente
312
distribudos, ou seja, F possui covarincia . Da mesma forma assumido que possui mdia zero e os seus elementos so independentemente distribudos, ou seja, Cov( )= diagonal (p x p). Sendo assim, definem-se:
E(F) = 0
(9.3)
Cov(F) = E(FFt ) =
(9.4)
E() = 0
(9.5)
1 0 0 2 t Cov() = E( ) = = 0 0
0 0 p
(9.6)
Finalmente, assumido que F e so independentes, portanto,
Cov(, F) = E ( Ft ) = 0
(p m)
(9.7)
O modelo (9.2) e essas pressuposies definem o modelo de fatores ortogonal. Dessa forma a estrutura de covarincia de X pode ser dada por:
Cov(X) = = E(X )(X ) t
Ferreira, D.F.
313
Substituindo X pelas definies dadas no modelo (9.2), verificase que:
( X )( X )
= ( LF + )( LF + ) = ( LF + ) ( LF ) + t =
t t
= LF ( LF ) + ( LF ) + LF t + t
t t
Ento,
Cov(X) = = E(X )(X ) t = = E LF ( LF ) + ( LF ) + LF t + t
t t
= LE(FFt )Lt + E ( Ft ) Lt + L E ( F t ) + E ( t )
De acordo com as condies (9.4), (9.6) e (9.7), tem-se:
Cov(X) = = LLt +
(9.8)
Tambm podem ser obtidas as covarincias entre os componentes de X e F a partir das suposies assumidas e apresentadas anteriormente. Assim,
Cov ( X, F ) = E X Ft = E ( LF + ) Ft = E ( LFFt + Ft ) = = E ( LFFt ) + E ( Ft ) = LE ( FFt ) + E ( Ft ) = L + 0 = L
314
Logo,
Cov ( X, F ) = L
ou
Cov ( X i , Fj ) =
ij
(9.9)
Da relao (9.8) verifica-se que:
Var(X i ) = ii =
j=1
2 ij
+ i =
2 i1
2 i2
+ ... +
2 im
+ i
(9.10)
Cov(X i , X k ) = ik =
j=1 m ij kj
i1 k1
i2 k 2
+ ... +
im km
A poro da i-sima varivel explicada por m fatores comuns chamada de comunalidade e a poro de ii devida aos fatores especficos denominada de varincia especfica. Denotando a i-sima comunalidade por h i2 fcil observar de (9.10) que:
h i2 =
2 i1
2 i2
+ ... +
2 im
(9.11)
Assim,
ii = h i2 + i
i = 1, 2, ..., p
(9.12)
Ferreira, D.F.
315
Quando m = p a matriz pode ser reproduzida exatamente por LLt , de tal forma que =0. A utilidade da anlise de fatores, no entanto, ocorre quando m bem menor do que p. Dessa forma, o nmero de parmetros na anlise de fatores, p(m+1), bem menor do que aqueles p(p+1)/2 parmetros de . Por exemplo, para p=20 existem 2021/2=210 parmetros em . Se m=2 fatores so utilizados, ento, o modelo de fatores possui p(m+1)=20(2+1)=60 parmetros (
ij
e i ).
O grande problema da anlise de fatores a dificuldade ou a
impossibilidade de fatorar a matriz em LL t +, quando m bem menor do que p. Algumas vezes, quando so obtidas solues, estas so, em geral, inconsistentes com as interpretaes estatsticas. A anlise de fatores tem como propsito a determinao dos elementos da matriz de cargas fatoriais L e dos elementos de
, obedecendo a restrio (9.12).
Quando m > 1, vrias solues existem para o modelo de fatores, todas consistentes com as interpretaes estatsticas. Essa ambigidade a base para uma importante caracterstica da anlise de fatores que a rotao fatorial. Para demonstrar essa propriedade, seja T uma matriz ortogonal m x m, ou seja, TT t =T t T=I. A expresso (9.2) pode ser reescrita por:
X = LF + = LTT t F + = L*F* +
(9.13)
em que: L* = LT e F* = T t F .
316
Como E(F* ) = T t E(F) = T t 0 = 0 e Cov(F* ) = T 'Cov(F)T = T t T = T t T = , ento, impossvel distinguir as cargas de L das de L*, ou seja, os fatores
F e F* = T t F possuem as mesmas propriedades, uma vez que geram a mesma
matriz de covarincia , mesmo que as cargas fatoriais de L e de L* sejam, em geral, diferentes. Assim,
= LLt + = LTT t Lt + = L*L*t +
(9.14)
A escolha da matriz T direcionada por um critrio de facilitao da interpretao dos fatores gerados, uma vez que as propriedades estatsticas no so alteradas.
9.3. Estimao das cargas fatoriais
Nas situaes reais, os parmetros do modelo de fatores so desconhecidos e devem ser estimados das observaes amostrais. A anlise de fatores justificvel quando difere de uma matriz diagonal, ou quando matriz de correlaes difere da identidade. Para uma amostra X1 , X 2 , ..., X n de tamanho n em p variveis correlacionadas a matriz S um estimador de , bem como R de
. Com base em uma estimativa de possvel realizar o teste de hiptese de
igualdade de a uma matriz diagonal, conforme descrio realizada no captulo 7.
Ferreira, D.F.
317
Se a hiptese no for rejeitada, os fatores especficos possuem papel dominante, sendo que a anlise de fatores determinar alguns poucos fatores comuns. Nesse caso, a anlise de fatores no ter grande utilidade. Se a hiptese de a estrutura de ser igual a uma matriz diagonal for rejeitada, ento, o modelo de fatores ser til e o problema inicial ser o de estimar as cargas fatoriais
ij
e as varincias especficas i. Nessa seo so
considerados dois mtodos de estimao para os parmetros do modelo de fatores: o mtodo dos componentes principais e o mtodo da mxima verossimilhana apresentado por Lawley (1940, 1942 e 1943). Qualquer que seja o mtodo aplicado, as solues podem sofrer rotaes com a finalidade de simplificar as interpretaes dos fatores. prudente, tambm, tentar mais de uma soluo.
9.3.1. Mtodo dos componentes principais
A decomposio espectral vista nos captulos 2 e 7, representa um importante mtodo de fatorao de . Sejam as matrizes P = e1 e 2 ... ep e
= Diag(1 , 2 , ..., p ) compostas dos autovetores e autovalores de , com
1 2 ... p , ento:
= PP t = P1/ 2 1/ 2 P t = LLt
(9.15)
318
em que, L = P1/ 2 uma matriz p x p de cargas fatoriais. A equao (9.15) reflete um ajuste da estrutura de covarincia por um modelo de fatores tendo tantos fatores quanto variveis (m = p) e varincias especficas i nulas para todo i = 1, 2, ..., p. Nesse modelo as cargas fatoriais do jsimo fator representam os coeficientes do j-simo componente principal (autovetor) multiplicado pelo fator de escala
j . Embora a relao (9.15) seja
exata, esta no til por utilizar tantos fatores quanto variveis e por no deixar variao alguma para os fatores especficos. Uma soluo para o problema considerar um nmero m, de fatores comuns, menor do que o de variveis p. Com esse critrio p-m autovalores e os respectivos autovetores so desconsiderados. Esses autovalores so queles (pt t t m) menores. Dessa forma a contribuio de m +1e m +1e m +1 + m + 2 e m + 2 e m + 2 + ... + p e p e p
para negligenciada. Desprezando essa contribuio, a seguinte aproximao de pode ser obtida:
1 e1
2 e 2 ...
1 e1 2 e2 t m em = LL e m m
(9.16)
em que L uma matriz p x m. A representao (9.16), no entanto, no considera a contribuio dos fatores especficos. A contribuio desses fatores pode ser estimada tomando-se a diagonal de - LLt , sendo LLt definida em (9.16).
Ferreira, D.F.
319
Dessa forma a matriz pode ser aproximada por:
LLt +
(9.17)
= Diag( LLt ) ou i = ii
j =1
2 ij
para i=1, 2, ..., p.
comum trabalhar com a representao das variveis em uma escala padronizada. Nessa situao a varivel Zi possui mdia 0 e varincia 1. A padronizao pode ser realizada por:
X1 1 Z1 11 Z 2 Z = = V 1/ 2 X = X p p Zp pp
(9.18)
em que:
1/ 2
1 11 0
0 1 22 0
0 0 1 pp
320
A matriz de covarincia de Z dada por . O processo de obteno dos parmetros do modelo de fatores o mesmo descrito nas equaes de (9.17), considerando = e L = P1/ 2 , sendo P a matriz p x m com as colunas compostas pelos m primeiros autovetores de e 1/2 uma matriz m x m com diagonal igual a
i . Como ii = 1 , fcil perceber que i = 1
j=1 m 2 ij
. A padronizao evita que
uma varivel com elevada variao influencie indevidamente a determinao das cargas fatoriais. A representao apresentada em (9.17), quando ou so substitudos pelos seus estimadores S ou R, conhecida como soluo dos componentes principais para a anlise de fatores. O nome se origina do fato de os fatores serem derivados dos primeiros componentes principais amostrais. O resumo dos principais resultados desse mtodo de estimao doravante apresentado. A anlise de fatores por componentes principais obtidos da covarincia amostral S especificada em funo dos pares de autovalores e
autovetores i , ei , i = 1, 2, ..., p, em que 1 2 ... p . Seja m < p, o nmero
de fatores comuns. A matriz das cargas fatoriais estimadas ij dada por:
( )
L = 1 e1
2 e 2 ...
m e m = P11/ 2 1
(9.19)
Ferreira, D.F.
321
em que P1 uma matriz p x m dos autovetores amostrais de S e 1 uma matriz

diagonal m x m dos autovalores amostrais de S. Os estimadores das varincias especficas so dados pela matriz diagonal resultante da seguinte operao matricial.
1 0 0 2 = 0 0
0 0 = Diag S LLt p
(9.20)
De (9.20) verifica-se que:
i = Sii
j=1
2 ij
= Sii h i2
(9.21)
Sendo que o estimador da comunalidade dado por:
h i2 =
2 i1
2 i2
+ ... +
2 im
(9.22)
A anlise de fatores por componentes principais da matriz R, por sua vez, obtida substituindo S por R nas equaes de (9.19) a (9.22). Na soluo dos componentes principais as estimativas das cargas fatoriais no se alteram com o aumento do nmero m de fatores.
322
fcil perceber por meio das definies apresentadas que a matriz S no fielmente reproduzida pela soluo de componentes principais. A diagonal de S exatamente reproduzida pelo modelo de fatores, mas os elementos fora da diagonal principal no so. Assim,
S LLt +
(9.23)
Se o nmero de fatores no especificado por consideraes a priori, como por teoria ou por trabalhos anteriores de outros pesquisadores, a escolha de m para uma decomposio de maior acurcia de S pode ser baseada nos autovalores estimados, da mesma forma que o nmero de componentes principais a serem retidos determinado. Analiticamente, Johnson e Wichern (1998) demonstram que a soma de quadrados dos elementos da matriz de resduos S LLt menor ou igual a
i = m +1
2 i
. Assim, um pequeno valor da soma
de quadrados dos ltimos (p-m) autovalores negligenciados implica em uma pequena soma de quadrados do erro da aproximao realizada por m componentes. O ideal obter uma elevada contribuio dos primeiros fatores para a variao total amostral. Assim, verifica-se que:
i =1
2 ij
2 1j
2 2j
+ ... +
2 pj
= j e j j e tj = j
(9.24)
Ferreira, D.F.
323
Logo, a porcentagem da variao total devida ao j-simo fator dada por:
j 100 para fatores de S Tr(S) %VarExp = j 100 para fatores de R p
(9.25)
O critrio (9.25) usado como um artifcio heurstico para determinar o valor apropriado de m. O nmero de fatores comuns retidos deve aumentar at que uma frao adequada da variao amostral tenha sido contemplada.
Exemplo 9.1. Em 24 tartarugas fmeas foram mensuradas p = 3 variveis X1, X2 e X3, quais sejam, comprimento, largura e altura de carapaas transformadas por logaritmo. A matriz de covarincias amostrais apresentada a seguir. Obter a anlise de fatores com m = 1 e m = 2 usando o mtodo dos componentes principais.
4,9810 3,8063 4, 7740 S = 3,8063 3, 0680 3, 7183 4, 7740 3, 7183 4,8264
Inicialmente foi testada a hiptese:
324
11 0 0 22 H0 : = 0 0
0 0 ; ii > 0 pp
2 O valor de qui-quadrado obtido foi de c = 127,9805 com =3 graus
de liberdade. Como Pr ( 2 > 127,9805 ) = 0,00000054 rejeita-se H0 de independncia entre todas as variveis. Portanto, a anlise de fatores deve ser eficiente. A soluo para m = 1 apresentada a seguir. A soluo de 1 fator explica 98,2% da variao total e pode ser julgada satisfatria. A soma de
2 quadrados dos dois ltimos autovalores, dada por 2 + 3 = 0, 0291 , foi considerada 2
muito pequena e indica que a soma de quadrados dos elementos da matriz de resduos no deve ultrapassar esse valor. Os resultados obtidos so:
Variveis X1 X2 X3 % explicao
Cargas fatoriais F1 2,2165 1,7277 2,1770 98,1500
Comunalidades
2 i
Varincias especficas
i
0,0681 0,0831 0,0870
4,9129 2,9849 4,7394
A matriz de resduos dada por:
Ferreira, D.F.
325
S LLt = 4,9810 3,8063 4, 7740 = 3,8063 3, 0680 3, 7183 4, 7740 3, 7183 4,8264 0 0 2, 2165 0, 0681 1, 7277 [ 2, 2165 1, 7277 2,1770] 0 0, 0831 0 2,1770 0 0 0, 0870 0, 0228 0, 0515 0 0, 0228 = 0 0, 0429 0, 0515 0, 0429 0
A soma de quadrados dos elementos dessa matriz de resduos de apenas 0,01003, que menor do que 0,0291 conforme j era esperado. Para m = 2 a soluo dada por:
Cargas fatoriais Variveis X1 X2 X3 % explicao acumulada F1 2,2165 1,7277 2,1770 98,15 F2 0,1630 0,1608 -0,2935 99,23 Comunalidades
2 i
Varincias especficas
i
0,0418 0,0575 0,0003
4,9394 3,0108 4,8255
A soma de quadrados de resduos para esse caso (m = 2) igual a 0,0049, a qual limitada por 0,0099. Uma vez que os ganhos foram muito pequenos, o modelo de 1 fator pode ser julgado adequado. O fator 1 pode ser interpretado como um fator de volume.
326
Uma
aproximao
modificada
do
mtodo
dos
componentes
principais denominada soluo fatorial principal. O procedimento vlido tanto para R quanto para S. A descrio que realizada a seguir utiliza a matriz R. No modelo de fatores = LLt + perfeitamente especificado: os m fatores comuns reconstituiro perfeitamente os elementos fora da diagonal principal de , bem como os elementos da diagonal com a participao da varincia especfica:
1 = h i2 + i .
Supondo que a contribuio dos fatores especficos seja removida da reconstituio de , ento, a matriz resultante - = LLt . Suponha, tambm, que estimativas iniciais * tenham sido obtidas por um meio qualquer, ento, i possvel definir a matriz de correlao amostral reduzida (Rr) eliminando o efeito dos fatores especficos por R r = R * . Esse processo equivalente a substituir a diagonal de R por h *2 = 1 * . A matriz Rr definida por: i i
*2 h1 r * R r = R = 21 rp1
r12 h *2 2 rp2
r1p r2p h *2 p
(9.26)
Teoricamente, desconsiderando a variao amostral, possvel estabelecer que a matriz Rr pode ser recomposta pelos m fatores comuns. Dessa forma, Rr fatorada em:
Ferreira, D.F.
327
R r L*r L*t r
em que L*r a matriz dos estimadores das cargas fatoriais
* ij
(9.27) .
O mtodo fatorial principal de anlise de fatores utiliza os estimadores:
* * * * e* L r = 1 e1 2 2 m * = 1 *2 i ij j=1
* e* m m
(9.28)
em que
( ; e ) ,
* i *
i = 1, 2, ..., m so os (maiores) pares de autovalor-autovetor
obtidos de Rr. As comunalidades devem ser re-estimadas por:
h *2 = i
j=1
*2 ij
(9.29)
O mtodo, ento, aplicado iterativamente, considerando as comunalidades estimadas em (9.29) para recalcular a matriz Rr em (9.26). Os autovalores e autovetores dessa nova matriz Rr so obtidos e as estimativas das cargas fatoriais e varincias especficas utilizando (9.28) so novamente obtidas. Novas comunalidades, tambm, so obtidas utilizando (9.29) e o processo repetido em novos estgios sucessivos, at que no haja alteraes nas
328
estimativas das cargas fatoriais e das varincias especficas para uma dada preciso. Um problema que pode surgir nesse procedimento o aparecimento de autovalores de Rr negativos. Recomenda-se utilizar o nmero de fatores comuns igual ao posto da matriz reduzida (Rr). Uma das causas dos autovalores negativos devida aos valores iniciais das varincias especficas utilizadas. Algumas alternativas existem para a escolha desses valores iniciais. A mais popular utilizar * = 1 r ii , em que rii o elemento da i-sima diagonal da matriz i R-1. As comunalidades iniciais so, ento, dadas por:
h *2 = 1 * = 1 i i
1 r ii
(9.30)
que igual ao coeficiente de determinao parcial mltiplo entre a i-sima varivel (Xi) e as (p-1) demais variveis. Essa relao til, pois permite que h *2 seja i obtida pelo coeficiente de determinao mltiplo, mesmo quando R no tiver posto completo. Usando S, a varincia especfica inicial funo de Sii, o elemento da isima posio da diagonal de S-1, da seguinte forma:
m h *2 = Sii 1 Sii i 2p
(9.31)
Ferreira, D.F.
329
9.3.2. Mtodo da mxima verossimilhana
Se os fatores comuns F e os fatores especficos possuem distribuio normal, estimativas de mxima verossimilhana podem ser obtidas. Do modelo de fatores e da considerao de que as variveis F e possuem distribuio normal pode concluir que X j = LFj + j tambm normalmente distribudo e portanto a funo de verossimilhana :
L(, ) = (2) np / 2
n / 2
1 n t t exp tr 1 ( X j X )( X j X ) + n X X = 2 j=1
)(
= (2)
(n 1)p / 2
(n 1) / 2
1 exp tr 1Sn 2
(9.32)
(2) p / 2
1/ 2
t n exp tr X 1 X 2
)
para L dadas por
a qual depende de L e por meio de = LLt + . Devido multiplicidade de escolhas
transformaes ortogonais imperativo impor uma restrio de unicidade computacional por:
Lt 1L = uma matriz diagonal
(9.33)
330
Os estimadores de mxima verossimilhana L e devem ser

obtidos por maximizao numrica de (9.32). A maximizao de (9.32) sujeita a condio de unicidade (9.33) deve satisfazer:
1/ 2
Sn 1/ 2 1/ 2 L = 1/ 2 L +
)(
(9.34)
Lawley (1940, 1942, 1943) mostra que o estimador dado por:
= Lt 1L
(9.35)
Assim, a equao (9.34) pode ser rescrita de outra forma, procedendo as seguintes operaes:
( (
1/ 2
Sn 1/ 2 1/ 2 L = 1/ 2 L + Lt 1L
) )
1/ 2
Sn 1/ 2 1/ 2 L 1/ 2 L = 1/ 2 LLt 1L
1/ 2
Sn 1/ 2 1/ 2 L = 1/ 2 LLt 1L
Logo,
1/ 2 Sn 1/ 2 1/ 2 L = 1/ 2 LLt 1L
(9.36)
Ferreira, D.F.
331
Como Lt 1L uma matriz diagonal para garantir que os elementos

de
sejam nicos, ento, os autovalores de
(S
1 , e portanto
1/ 2 Sn 1/ 2 ,
so iguais aos valores correspondentes a diagonal de .
Dessa forma, a i-sima coluna de 1/ 2 L o vetor caracterstico correspondente

ao i-simo autovalor de 1/ 2 Sn 1/ 2 . O clculo desses vetores no um
processo direto, uma vez que os elementos de so tambm desconhecidos, os
quais devem ser obtidos da relao = Diag(S LLt ) . Sendo assim, o processo de
estimao deve ser executado iterativamente estimando-se os vetores
caractersticos correspondentes a valores iniciais de os elementos de , e ento,

utiliz-los para obter novas estimativas mais precisas das varincias especficas sucessivamente. Para o modelo com m fatores os vetores caractersticos
correspondentes aos m maiores autovalores de Sn podem ser utilizados como valores iniciais do processo iterativo. Os elementos desses vetores devem ser reescalonados para que as somas de seus quadrados sejam iguais aos respectivos autovalores. O processo iterativo descrito a seguir:
1. Calcular as m razes caractersticas caractersticos correspondentes
10
, 20 ,..., m0
de Sn e os vetores
( e10 , e20 ,..., em0 ) ,
de tal sorte que seus
elementos sejam re-escalonados para que tenham norma quadrtica igual
332
a i0 , na matriz P0 apresentada a seguir, com i = 1, 2, ..., m. Seja a matriz Q 0 (p x m) definida por Q 0 = [ e10 e 20 ... e m0 ] , sem re-escalonar. Dessa forma, possvel definir as matrizes 0 (m x m) e P0 (p x m) por:
10 0 0 = 0
0 0
20
0 0 m0
e
P0 = Q 0 1/ 2 0
2. Aproximar as varincias especficas por:
0 = Diag Sn P0 P0t
(9.37)
3. Obter a matriz
0 1/ 2 Sn 0 0 1/ 2
(9.38)
e extrair os m autovetores ( e11 , e 21 ,..., e m1 ) e os correspondentes autovalores (

11
, 21 ,..., m1
dessa matriz. Formar a matriz Q1 = [ e11 e 21 ... e m1 ] sem re-
escalonar e definir as matrizes:
Ferreira, D.F.
333
11 0 0 21 1 = 0 0
0 0 m1
P1 = Q11/ 2 1
A primeira aproximao de L L1 dada por:
( )
L1 = 1/ 2 P1 0
(9.39)
4. Calcular
1 = Diag Sn L1Lt1
(9.40)
Repetir os passos 3 e 4 at que os correspondentes elementos de
sucessivas iteraes de Li e Li +1 no difiram por um valor superior a uma

quantidade pr-determinada (critrio de convergncia). O resultado final do processo iterativo conter as estimativas de mxima verossimilhana para as cargas fatoriais L e das varincias especficas para o modelo m-fatorial. apresentado a seguir um programa SAS no procedimento de matrizes IML para a obteno de estimativas de mxima verossimilhana do modelo m-fatorial.
334
As cargas fatoriais e as varincias especficas da matriz R podem
ser obtidas diretamente de L e realizando as seguintes transformaes.

Formar a matriz diagonal (D) a partir dos elementos Sii de S. Ento obter as
estimativas de mxima verossimilhana de R para as cargas fatoriais L Z e para
( )
as varincias especficas Z . Esses estimadores so:
L Z = D 1/ 2 L
(9.41)
Z = D 1/ 2 D 1/ 2
(9.42)
As estimativas de mxima verossimilhana das comunalidades so dadas por:
h i2 = 2 + 2 + ... + 2 para i = 1, 2, ..., p i1 i2 im
(9.43)
Ferreira, D.F.
335
options ps=5000 ls=80 nodate nonumber;; proc iml; S={4.9810 3.8063 4.7740, 3.8063 3.0680 3.7183, 4.7740 3.7183 4.8264}; p=ncol(S);n=24;alpha=0.05; L0=Diag(eigval(S));P0=eigvec(S); numfac=1;numIt=100; L0=L0[1:numfac,1:numfac]; P0=P0[1:p,1:numfac];P0=P0*root(L0); print L0 P0; Psi0=diag(S-P0*P0`); print psi0; psii=psi0; do i=1 to numIt; Print '_______________________________________________________________'; print 'iteracao ' i; Print'________________________________________________________________'; Delta=inv(root(psii))*(S-psii)*inv(root(psii)); *print delta; Li=Diag(eigval(delta));Pi=eigvec(delta); Li=Li[1:numfac,1:numfac]; Pi=Pi[1:p,1:numfac]; Pi=root(psii)*Pi*root(Li); *print Li Pi; Psii=diag(S-Pi*Pi`); /*soma de quadrados dos residuos do modelo*/ resi=S-pi*pi`-psii; print 'Soma de quadrados dos residuos'; SQResiduo=sum(resi#resi); print sqresiduo; *print psii; Print'________________________________________________________________'; end; Print 'Solucao final do modelo de fatores'; Print 'Cargas fatoriais'; print Pi; print 'Variancias especificas'; print psii; resi=S-pi*pi`-psii; print 'matriz de residuos'; print resi; print 'Soma de quadrados dos residuos'; SQResiduo=sum(resi#resi); print sqresiduo; print 'Cargas fatoriais de Z-variaveis padronizadas'; D=root(inv(diag(S))); PiZ=D*Pi; print PiZ; print 'Variancias especificas fatoriais de Z-variaveis padronizadas'; PsiZ=D*psii*D; print PsiZ; Li=Diag(eigval(delta)); print Li; quit;
336
Dessa forma, a proporo explicada pelo j-simo fator dada por:
p 2 ij i =1 100 para fatores de S Tr(S) %VarExp = p 2 j) Z(i i =1 100 para fatores de R p
(9.44)
O processo descrito anteriormente para a obteno das solues de mxima verossimilhana possui convergncia lenta. Aitken (1937) props uma tcnica conhecida por processo 2 de acelerao dos esquemas iterativos de convergncia. Seja
jt
os elementos do t-simo processo iterativo, referente a j-
sima coluna da matriz de cargas fatoriais Lt do estgio t. O processo de Aitken (1937) prev para 3 consecutivos valores de
jt
o ajuste pela razo:
ij(t 1) 2 i jt
ijt ij(t +1) ijt
=
ij(t +1)
ijt
2
jt
(9.45)
ij(t 1)
em que valor de
ijt
o i-esimo elemento de deve ser feito igual a

i jt
. Se o denominador de (9.45) for nulo o
2 i jt
.
2 jt
Aitken (1937) mostra que os termos de rapidamente do que queles de

jt
convergem mais
Ferreira, D.F.
337
Exemplo 9.2. Utilizando a matriz de covarincias amostral das 24 tartarugas fmeas que foram mensuradas em p = 3 variveis X1, X2 e X3, as quais so: comprimento, largura e altura de carapaas transformadas por logaritmo, determinar o modelo de fatores com m = 1. Ajustar o modelo por meio de estimativas de mximas verossimilhanas.
4,9810 3,8063 4, 7740 S = 3,8063 3, 0680 3, 7183 4, 7740 3, 7183 4,8264
i)
Inicialmente foram obtidos os autovalores e autovetores de S e

compostas as matrizes 0 (1 1), Q0 (3 1) e P0 (3 1) por: 0, 6234937 2, 2164432 = 0, 4859812 L = P = Q 1/ 2 = 1, 727603 0 = 12,637147 Q0 0 0 0 0 0, 612436 2,1771344
ii)
As varincias especficas iniciais foram obtidas por:
0 0 0, 0683794 0 = Diag Sn P P = 0 0, 0833879 0 0 0 0, 0864857
t 0 0
iii)
Foi obtida a seguinte matriz e desta extrados os autovalores e autovetores. O m = 1 primeiro autovalor e autovetor correspondente
foram usados para compor as matrizes 1 (1 1), Q1 (3 1) e P1 (3 1) .
338
0 1/ 2 Sn 0 0 1/ 2
71,843527 = 50,406739 62,079406
50,406739 62,079406 35,791891 43,784534 43,784534 54,805777
0,6657947 8,4600381 = 0,4691915 P = Q 1/ 2 = 5,9618652 1 = 161,45963 Q1 1 1 1 0,5801523 7,3718074
Finalmente a primeira aproximao L1 feita por:
2,2122546 L1 = P = 1,721606 2,167934

1/ 2 0 1
iv)
Foi calculado o segundo valor 1 por:
0 0 0,0869296 = Diag S L Lt = 1 0 0,1040727 0 n 0 0 0 0 0,1264622
Os procedimentos 3 e 4 foram repetidos 41 vezes at que as trocas
na matriz (vetor) L fosse da ordem de 1e-7 ou menos. O resultado final foi:
Ferreira, D.F.
339
2,2106526 L 41 = 1/ 2 P41 = 1,7217993 e 40 2,1595433
41 = Diag Sn L L
t 41 41
0 0 0,0940152 = 0 0,1034073 0 0 0 0,1627727
A matriz de resduos (R) foi:
0 2,9835E-8 3,7474E-8 2,9835E-8 R= 0 -7,05E-8 3,7474E-8 -7,05E-8 0
E a soma de quadrados dos resduos foi:
SQResduos= 1,453E-14
As cargas fatoriais obtidas das variveis padronizadas so:
1 4,9810 L Z = D 1/ 2 L = 0 0
0 1 3, 0680 0
2,2106526 0,9905177 0 1,7217993 = 0,983003 2,1595433 0,9829926 1 4,8264 0
E as varincias especficas so:
340
Z = D 1/ 2 D 1/ 2
0 0 0, 0188748 = 0 0, 0337051 0 0 0 0, 0337255
Exemplo 9.3. A matriz de correlao entre 10 escores das respectivas 10 provas do declato, medidas em n = 160 atletas, est apresentada a seguir. Obter os m = 4 fatores pelo mtodo da mxima verossimilhana. As dez variveis mensuradas so: i) corrida de 100 m rasos; ii) salto em distncia; iii) lanamento de peso; iv) salto em altura; v) corrida dos 400m livres; vi) 110 m com barreiras; vii) arremesso de disco; viii) salto com vara; ix) arremesso de dardos; e x) corrida de 1500 m. A matriz de correlao dos escores dos 160 competies.
1, 00 0,59 0,35 1, 00 0, 42 1, 00 R=
0,34 0, 63 0, 40 0, 28 0, 20 0,51 0, 49 0,52 1, 00 0,31 0,36 0,38 0,19 0,36 0, 73 0, 24 0, 29 0, 46 0, 27 0,39 1, 00 0,34 0,17 1, 00 1, 00 0, 23 0, 24 1, 00 0,32 0,33
0,11 0, 07 0, 21 0, 09 0, 44 0, 08 0,17 0,18 0,13 0,39 0,18 0, 00 0,34 0, 02 0, 24 0,17 1, 00 0, 00 1, 00
A soluo de m = 4 fatores, dada por Johnson e Wichern (1998), foi obtida pelo algoritmo apresentado nesse material por meio das estimativas de mxima verossimilhana. Aps 100 mil iteraes o algoritmo convergiu.
Ferreira, D.F.
341
Estimativas de mxima verossimilhana Cargas fatoriais estimadas Variveis Corrida 100m Salto em distncia Lanamento de peso Salto em altura corrida 400m 110m com barreira Arremesso de disco Salto com vara Arremesso de dardos 1500m rasos Proporo cumulativa da varincia explicada F1 -0,0869 0,0688 -0,1294 0,1603 0,3787 -0,0178 -0,0563 0,1573 -0,0218 0,9986 0,12 F2 0,3449 0,4352 0,9911 0,4059 0,2437 0,3629 0,7294 0,2640 0,4411 0,0496 0,37 F3 0,8290 0,5931 -0,0038 0,3343 0,6702 0,4234 0,0268 0,2275 -0,0115 -0,0004 0,55 F4 -0,1685 0,2746 -0,0007 0,4451 -0,1372 0,3878 0,0182 0,3937 0,0971 -0,0001 0,61 Varincias especficas
i = 1 h i2
0,157935 0,378693 0,001053 0,499688 0,329262 0,538310 0,463815 0,698795 0,795340 0,000408
342
9.4. Rotao fatorial
A fatorao de em LLt + no nica, conforme discusso realizada na seo 9.2. A ps-multiplicao da matriz de cargas fatoriais L por qualquer matriz ortogonal conformvel (T) conduz a uma fatorao igualmente vlida. A soluo numrica de Rao-Maxwell para as equaes de verossimilhana
remove essa indeterminao por adotar a restrio de que Lt 1L seja uma matriz
diagonal. No obstante, aps a obteno da soluo de mxima verossimilhana, qualquer transformao ortogonal pode ser realizada. A idia aplicar tal transformao rgida dos eixos coordenados, a qual conduz a um padro que tornam as cargas fatoriais mais facilmente interpretveis. Essa rotao rgida dos eixos coordenados das m-dimenses fatoriais chamada de rotao das cargas fatoriais. Citado por Morrison (1974) Thurstone sugere um critrio de resposta de simples estrutura para a realizao da rotao fatorial. Estruturas como a sugerida raramente existe em dados reais e no ser descrito o procedimento de Thurstone. Outra tcnica de uso limitado a obteno de rotao graficamente dos fatores plotados dois a dois. A rotao analtica o procedimento mais comumente empregado. Na rotao ortogonal rgida as propriedades estatsticas dos fatores ficam inalteradas, embora a matriz de cargas fatoriais no seja a mesma. Supondo que a matriz p x m de cargas fatoriais seja submetida a uma rotao rgida pela matriz ortogonal T (m x m) por meio da seguinte operao:
Ferreira, D.F.
343
L* = LT . A ortogonalidade de T, isto , T T t = T t T = , faz com que as
comunalidade fiquem inalteradas:
j=1
*2 ij
=
j=1
2 ij
h *2 = h i2 i
bem como a soma de seus quadrados:
m i =1 j=1
p
2 ij
p m = i =1 j=1
4 ij
+ 2
p m 1
i =1 j=1 k = j+1
2 2 ij ik
(9.46)
tambm invariante. Com esse resultado em evidncia possvel especificar critrios de simplicidade ou parcimnia propostos pelos analistas de fatores (Morrison, 1976). Fergusson (1954) sugeriu minimizar o termo dos duplos produtos de (9.46) como uma medida de parcimnia, por meio de uma escolha adequada de T. Esse resultado foi determinado quase que ao mesmo tempo e independentemente por Carroll (1953). Neuhaus e Wrigley (1954) propuseram a maximizao da varincia do quadrado das pm cargas fatoriais para definir T. A varincia do quadrado das cargas fatoriais :
V =
i =1 j=1
4 ij
1 p m pm i =1 j=1
2 ij
(9.47)
Como o termo de correo meramente soma das comunalidades tomada ao quadrado, ento, a maximizao de V equivalente a maximizar a
344
soma da quarta potncia das cargas fatoriais, ou equivalentemente, minimizar a medida de parcimnia de Fergusson (1954) e Carroll (1953). Por argumentos diferentes Sanders (1960) obteve o mesmo critrio de Neuhaus e Wrigley (1954). Esse critrio determina o mtodo denominado de quartimax por maximizar a soma da quarta potencia das cargas fatoriais. Kaiser (1958, 1959) props uma medida de estrutura simples relacionada a soma das varincias das cargas fatoriais quadrticas dentro de cada coluna da matriz L de fatores. O critrio de varimax de linha de Kaiser :
1 v = 2 p
*
p p j=1 i =1
m
4 ij
p i =1
2 ij
(9.48)
Esse critrio d pesos iguais s respostas com grandes e com pequenas comunalidades e Kaiser sugere a melhora desse critrio pelo uso do critrio alternativo:
1 v= 2 p
p 4 p 2 2 p x ij x ij j=1 i =1 i =1
m
(9.49)
em que:
x ij =
ij
j=1
(9.50)
2 ij
Ferreira, D.F.
345
j-sima carga fatorial do i-sima varivel resposta dividida pela raiz quadrada de sua comunalidade. Na seqncia da rotao os valores de xij devem ser multiplicados pela raiz quadrada de sua comunalidade respectiva para restaurar a dimenso original. Esse critrio foi nomeado por Kaiser de varimax. O processo computacional para a rotao varimax descrito a seguir. Considere o par de fatores r e s, com cargas normalizadas xir e xis. A rotao desses fatores envolve o simples ngulo , e diferenciando (9.49) com relao a Kaiser mostrou que o ngulo deve satisfazer a relao:
p p p 2 2 2 2 2 2p ( x ir x is ) x ir x is ( x ir x is ) 2 x ir x is i =1 i =1 i =1 tg() = 2 2 p p p 2 2 2 2 2 p ( x ir x is ) ( 2x ir x is ) ( x ir x is ) 2 x ir x is i =1 i =1 i =1
(9.51)
Para que a segunda derivada seja negativa necessrio que 4 seja colocado no quadrante correto. A escolha designada pelos sinais do numerador e denominador de (9.51). A Tabela 9.1 especifica o quadrante de 4 em funo destes sinais. A soluo iterativa para a rotao realizada de acordo com os seguintes procedimentos: a rotao do primeiro e segundo fator realizada como ngulo determinado conforme descrio anterior; o novo primeiro fator rotado
346
com o terceiro fator original, e assim por diante, at que m(m-1)/2 pares de rotaes tenham sido executadas. Essa seqncia de rotaes repetida at que todos os ngulos sejam menores que um critrio de convergncia especificado , dentro de um ciclo.
Tabela 9.1. Quadrante do ngulo 4 em funo dos sinais do numerador e denominador da equao (9.51). Sinal do denominador + (positivo) - (negativo) Sinal do numerador + (positivo) - (negativo)
: 004<900 : 9004<1800 V: -9004<00 : -18004<-900
Exemplo 9.4. Efetuar a rotao varimax dos m = 3 fatores obtidos por Morrison (1974) apresentados a seguir. (incompleto)
9.5. Teste da falta de ajuste do modelo de fatores
A natureza das estimativas de mxima verossimilhana das cargas fatoriais conduz a um teste formal para o m-simo modelo fatorial. A hiptese nula :
Ferreira, D.F.
347
H 0 : = LLt + H : uma matriz p p p.d. sim. 1
(9.52)
Usando a distribuio de Wishart, Morrison (1976) mostra que a razo de verossimilhana fornece o seguinte teste, com a correo de Bartlett (1954):
t (2p + 4m + 5) LL + = n 1 ln S 6 n
2 c
(9.53)
o qual tem distribuio qui-quadrado para grandes amostras com:
=
graus de liberdade.
1 (p m) 2 p m 2
(9.54)
Pela propriedade da invarincia das cargas e das varincias especficas estimadas segue-se que o valor do teste seria o mesmo da soluo de fatores da matriz de correlao R. Para a aplicao do teste da falta de ajuste necessrio que os graus de liberdade sejam positivos. Isso significa que o nmero de fatores comuns m no pode exceder o maior inteiro que satisfaz a equao:
m<
1 2p + 1 8p + 1 2
(9.55)
348
O teste de razo de verossimilhana compara as varincias

generalizadas LLt + e Sn . Se m for pequeno em relao a p, geralmente H0
rejeitada, conduzindo a um modelo com um maior nmero de fatores comuns. Por outro lado, quando m for grande em relao a p, a hiptese tende a ser no rejeitada, principalmente para grandes valores de n. Isso acontece devido ao fato
de LLt + aproximar de Sn, de tal sorte que o acrscimo de novos fatores no

traga novas melhoras ao modelo. A diminuio de m pode, ainda, pelas mesmas razes levar a no rejeio de H0. Algum tipo de bom sendo deve ser aplicado na escolha de m. Para demonstrar que a padronizao das variveis no afeta o teste apresentado seja D 1/ 2 definida anteriormente a matriz diagonal com o recproco dos desvios padres das p variveis na diagonal principal. Ento, a razo que aparece na equao (9.53) pode ser operada por:
LLt + Sn
D 1/ 2 LLt + D 1/ 2 D 1/ 2 Sn D 1/ 2
uma vez que a multiplicao do numerador e denominador no altera o resultado final. Pela propriedade do determinante |AB|=|A||B|, verifica-se que:
Ferreira, D.F.
349
LLt + Sn
D 1/ 2 LLt D 1/ 2 + D 1/ 2 D 1/ 2 D 1/ 2Sn D 1/ 2
L Z LtZ + z R
Dessa forma o teste de qui-quadrado exatamente o mesmo, quando for aplicado a partir da matriz Sn ou da matriz R, com os dados padronizados.
9.6. Escores fatoriais
Os fatores so variveis no observveis, muito embora seus valores possam ser estimados. Os valores estimados dos fatores so denominados de escores. Dois mtodos de estimao so propostos. Ambos tratam as cargas fatoriais e as varincias especficas estimadas como se fossem os verdadeiros valores desconhecidos. Se ocorrer rotao, os escores so obtidos a partir das cargas fatoriais que sofreram rotao e no a partir das originais. No obstante, as frmulas no distinguiro entre as situaes em que ocorreu rotao daquelas em no ocorreu, uma vez que estas frmulas no so alteradas pelas rotaes.
350
9.6.1. Mtodo dos mnimos quadrados ponderados
Suponha que , L e sejam considerados inicialmente como conhecidos para o modelo fatorial:
X = LF +
Como Var(i)=i, no necessariamente igual para todo i, Bartlett (1937) sugeriu o uso dos quadrados mnimos ponderados, usando como peso o recproco das varincias especficas. A soma de quadrados de resduos do modelo fatorial ponderada dada por:
i =1
i2
i
= t 1 = X LF 1 X LF
(9.56)
Bartlett (1937) props a soluo F que minimiza (9.56). A soluo :
1 F = ( Lt 1L ) Lt 1 X
(9.57)
Como, de fato, L, e so desconhecidos, os respectivos estimadores devem ser utilizados para a obteno dos escores fatoriais:
Ferreira, D.F.
351
Fj = Lt 1L
Lt 1 ( X j X ) j = 1, 2, ..., n
(9.58)
Se a matriz de correlao for utilizada, ento:
Fj = LtZ 1L Z Z
LtZ 1Z j j = 1, 2, ..., n Z
(9.59)
Se as cargas fatoriais que sofreram rotao so usadas L* = LT ,

ento, Fj se relaciona com Fj* por:
Fj* = T ' Fj
(9.60)
9.6.2. Mtodo de regresso
A partir do modelo de fatores originais:
X = LF +
Considerando que L e so conhecidas, e que F e possuem distribuio normal multivariada com mdia e varincias dadas pelas equaes de
352
(9.3) a (9.6), a combinao linear X = LF + tem distribuio N p ( 0, LLt + ) . A distribuio conjunta de X e F , tambm, N m + p ( 0, * ) ; em que:
LLt + = t L
*
(9.61)
A mdia 0 um vetor [(m+p)1] de zeros. A distribuio condicional de F / x normal com mdia e varincia dados por:
E ( F / x ) = Lt 1 x = Lt ( LLt + )
e
(x )
1
(9.62)
C ov ( F / x ) = Lt 1L = Lt ( LLt + ) L
(9.63)
Os coeficientes Lt ( LLt + )
so os coeficientes de uma regresso
multivariada dos fatores com as variveis originais. As estimativas desses coeficientes produzem os escores fatoriais. Dados as observaes X j e tomando-
se os estimadores de mxima verossimilhana L e os escores dos fatores so

dados por:
Fj = Lt LLt +
) (X X)
1 j
j = 1, 2, ..., n
(9.64)
Ferreira, D.F.
353
O uso da identidade de matrizes:
Lt LLt +
) = ( + L L)
1 t 1
Lt 1
(9.65)
pode simplificar o clculo dos escores dos fatores, os quais so dados por:
Fj = + Lt 1L
Lt 1 ( X j X ) j = 1, 2, ..., n
(9.66)
A comparao dos escores fatoriais obtidos por regresso (LS) e por mnimos quadrados ponderados (WLS) pode ser realizada subtraindo os estimadores (9.66) e (9.58). Assim, simbolizando os estimadores de regresso por
FjLS e o de mnimos quadrados ponderados por FjWLS e usando a identidade de
matriz dada por:
Lt LLt + 1
) = ( + L L)
1 t 1
Lt 1
Tem-se:
FjWLS = Lt 1L
) ( + L L) F
1 t 1
LS j
= Lt 1L
LS + Fj
Pelas estimativas de mxima verossimilhana verifica-se que

(L L)
t 1 1
uma matriz diagonal e quando o seu valor for prximo de zero os
354
estimadores anteriores sero aproximadamente os mesmo, ou seja, os estimadores anteriores fornecero aproximadamente os mesmos escores.
9.7. Exerccios
9.7.1. Teste a hiptese de que o modelo com m = 1 fator, apresentado no exemplo 9.1, adequado utilizando o teste de qui-quadrado para falta de ajuste do modelo.
9.7.2. Para o exemplo 9.3 testar a aderncia do modelo com m = 4 fatores.
9.7.3. Obter estimativas de mxima verossimilhana para m = 1 e m = 2 dos dados apresentados no exemplo 7.6.7 e calcular os escores pelos dois mtodos apresentados. Para o caso de m = 2 fatores plotar os escores dos dois fatores obtidos.
||[
Anlise de correlao cannica
10
]||
10.1. Introduo
A anlise de correlao cannica centrada na identificao e quantificao da associao entre dois grupos de variveis. O foco da correlao cannica direcionado para a correlao entre uma combinao linear das variveis em um dos grupos com uma outra combinao linear das variveis do outro grupo de variveis. A idia fundamental , a princpio, determinar as combinaes lineares dos dois grupos que possuem a maior correlao. No prximo estgio, determinado o par de maior correlao que seja, ainda, no correlacionado com o par selecionado inicialmente. O processo continua at se esgotar as dimenses de ambos os grupos ou do menor grupo. Os pares de combinaes lineares so denominados de variveis cannicas e suas correlaes so chamadas de correlaes cannicas. A tcnica de encontrar essas combinaes lineares e suas respectivas correlaes devida a Hotelling (1935 e 1936).
10. Anlise de correlao cannica
356
A idia fundamental encontrar relaes entre dois conjuntos de variveis, em alta dimenso, em poucos pares de variveis cannicas. Vrias aplicaes nas cincias humanas, na gentica entre outras reas so encontradas na literatura.
10.2. Variveis cannicas populacionais
correlao
cannica
Seja X um vetor de dimenso (p+q x 1), o qual possui matriz de covarincia e mdia . Sejam os vetores X (1) (p x 1) e X (2) (q x 1) definidos como sendo originados de uma partio do vetor original X , representando um grupo com p variveis e outro com q, respectivamente. Sem perda de generalidade assumido que pq. Pressupe-se, tambm, que possui elementos finitos e positiva definida. Para o vetor aleatrio X , os seguintes resultados so apresentados.
(1) X1 (1) X2 (1) Xp X (1) X = (2) = (2) X X 1 (2) X2 X (2) q
(10.1)
Ferreira, D.F.
357
Cuja mdia :
(1) = E(X) = (2)
(10.2)
E cuja matriz de covarincia :
t 12 p = E X X = 11 q 21 22
)(
(10.3)
Assim, para os vetores X (1) (p x 1) e X (2) (q x 1) verifica-se que:
E ( X (1) ) = (1) Cov ( X (1) ) = 11 (2) (2) Cov ( X (2) ) = 22 E ( X ) = Cov X (1) , X (2) = = t ( ) 12 21
(10.4)
As covarincias entre pares de variveis pertencentes aos dois grupos, uma de X (1) e outra de X (2) , esto contidas em 12. Dessa forma, os pq elementos de 12 medem a associao entre os dois grupos. Se ambos os valores de p e q so grandes, a interpretao simultnea desse conjunto de covarincias uma tarefa difcil e na maioria das vezes infrutfera. Como a finalidade, em geral,
358
de realizar predio ou realizar comparao, o interesse pode ser focado em combinaes lineares das variveis originais. A idia , portanto, concentrar a ateno em algumas poucas combinaes lineares de variveis pertencentes a
X (1) e a X (2) , ao invs de utilizar todas as pq covarincias contidas em 12.
Seguindo
notao
normalmente
utilizada
na
literatura
especializada, sejam as variveis U e V combinaes lineares das variveis de

X (1) e de X (2) , respectivamente, definidas por:
U = a t X (1) V = b t X (2)
(10.5)
sendo a e b vetores no nulos dos coeficientes dessas combinaes lineares. Assim,
Var(U) = Cov ( a t X (1) ) = a t 11a t (2) t Var(V) = Cov ( b X ) = b 22 b t (1) (2) t Cov(U, V) = a C ov ( X , X ) b = a 12 b
(10.6)
A correlao entre U e V definida por:
Corr(U, V) = U, V =
a t 12 b a t 11a b t 22 b
(10.7)
Ferreira, D.F.
359
Hotelling (1935 e 1936) props estabelecer os pares (Ui, Vi), i=1, 2, ..., p, determinando os vetores ai e bi que maximizam (10.7). As variveis Ui e Vi so denominadas de variveis cannicas e a correlao entre elas de
correlao cannica. Na seqncia so apresentados os resultados necessrios para a maximizao de (10.7) e, portanto, para a obteno das variveis cannicas e de suas correlaes. Para determinar o mximo de U,V, inicialmente so impostas as restries:
a t 11a = b t 22 b = 1
(10.8)
A mudana de escala imposta pelas restries (10.8) no afeta a correlao (10.7). Para obter o mximo de U,V preciso derivar a equao (10.7) com relao aos vetores a e b e igualar as derivadas parciais a zero. As equaes obtidas so:
U,V 1/ 2 1/ 2 3 / 2 1 = ( b t 22 b ) ( a t 11a ) 12 b + 2 ( a t 12 b )( a t 11a ) 11a 2 a U,V = ( a t a )1/ 2 ( b t b )1/ 2 t a + 2 1 ( a t b )( b t b )3 / 2 b 11 22 12 12 22 22 b 2
(10.9)
Igualando as derivadas parciais de (10.9) a zero e impondo as restries (10.8), rearranjando alguns termos, obtm-se:
360
( a t 12 b ) 11a + 12 b = 0 t t 12a ( a 12 b ) 22 b = 0
(10.10)
fcil observar que (10.7) sujeita as restries (10.8) se torna igual a U, V = a t 12 b , que o valor mximo, ento:
U, V 11a + 12 b = 0 t 12a U, V 22 b = 0
(10.11)
Assim, para soluo de (10.11) necessrio que o determinante dos coeficientes do sistema de equaes homogneas seja nulo. Logo,
U, V 11 12 =0 t 12 U, V 22
(10.12)
Uma importante propriedade dos determinantes reproduzida a seguir. Seja uma matriz A com as seguintes parties:
A A = 11 A 21
A12 A 22
(10.13)
Ferreira, D.F.
361
O determinante de A, se A11 e A22 so no singulares, dado por:
A = A11 A 22 A 21A111A12 ou 1 A = A 22 A11 A12 A 22 A 21
(10.14)
Utilizando o resultado (10.14) no determinante (10.12), obtm-se os seguintes resultados para a primeira equao:
U, V 11 U, V 22 +
1 U, V
t 1211112 = 0
Como U, V 11 diferente de zero, pois 11 positiva definida, ento, o determinante anterior s ser zero se:
U, V 22 +
1 U, V
t 1211112 = 0
Como o resultado dessa equao zero, no h alterao se ambos os termos da equao esquerda da desigualdade for multiplicado por ( U, V ) . Se procede da mesma forma para a segunda equao do determinante de (10.14). O resultado final dessa derivao :

t 12 112 2 11 = 0 22 U,V t 1 2 12 11 12 U,V 22 = 0
362
(10.15)
Fazendo = 2 , verifica-se que as equaes determinantais de U,V (10.15) podem ser vistas como maximizao de pares de formas quadrticas (captulo 2) do tipo:
=
restrito a e t Be =1.
e t Ae e t Be
Assim, os resultados de (10.15) podem ser reescritos (captulo 2) da seguinte forma:
t ( 12 112 11 ) a = 0 (a) 22 t 1 ( 12 11 12 22 ) b = 0 (b)
(10.16)
A resoluo do sistema de equaes pode ser feita aplicando uma transformao linear no singular. Isso ilustrado doravante com a equao (a) de (10.16). Seja 1/ 2 a matriz raiz quadrada de 11 e considere a transformao 11
1/ linear c = 1/ 2 a , ento, a = 11 2 c . Se a equao (a) for pr-multiplicada por 111/ 2 e 11
1/ a for substitudo por a = 11 2c , ento:
Ferreira, D.F.
363
t 111/ 2 ( 12 112 11 ) 111/ 2 c = 0 22
1/ 2 11
t 1/ 12 112 11 2 111/ 211111/ 2 ) c = 0 22
Ento a soluo de (a) dada pela soluo do seguinte sistema de equaes homogneas:
1/ 2 11
t 1/ 12 112 11 2 i ) ci = 0 22
(10.17)
A soluo de (10.17) facilmente obtida pelo clculo dos autovalores

t 1/ (i) e autovetores ( ci ) de 111/ 2 12 112 11 2 . Os autovalores (i) dessa matriz so 22
os mesmos do sistema no transformados por serem invariantes com relao a transformaes no singulares, no entanto, os autovetores so afetados pela transformao. Dessa forma, os autovetores devem ser recuperados pela transformao linear inversa a efetuada. Assim,
a i = 111/ 2 ci
(10.18)
Tratamento igual dado para a equao (b) de (10.16), agora efetuando a transformao linear d = 1/ 2 b . Ento, 22
364
1/ 2 22
t 1211112 1/ 2 i ) d i = 0 22
(10.19)
Os autovetores bi , solues almejadas, so recuperados por:
bi = 1/ 2 d i 22
(10.20)
O mximo obtido substituindo essas solues em (10.7). Logo,
= a t 12 b Max ( U, V ) = t t a 11a b 22 b a, b
a t 12 b
Da equao (10.10), sabendo que U, V = a t 12 b = i , verifica-se que = ( a t 12 b ) , logo:

2
Max ( U, V ) = i a, b
(10.21)
As variveis cannicas tm as seguintes propriedades:
Var(U i ) = Cov ( a it X (1) ) = a it 11a i = cit 111/ 2 11111/ 2 ci = cit ci
Ferreira, D.F.
365
t 1/ Sabendo que ci um autovetor de 111/ 2 12 112 11 2 com norma 1, e 22
procedendo da mesma forma para Var(Vi) verifica-se que:
Var ( U i ) = Var ( Vi ) = 1
(10.22)
A Cov ( U k , U
com (k ) dada por:
Cov ( U k , U
t t ) = C ov ( a k X (1) , a t X (1) ) = a k 11a
1/ t 1/ t t = c k 11 21111 2 c = c k c = c k c = 0 (k )
Logo,
Cov ( U k , U ) = Corr ( U k , U ) = 0 ( k ) Cov V , V = Corr V , V = 0 k ( k ) ( k ) ( )
(10.23)
Finalmente, a covarincia entre Uk e V com ( k
dada por:
t t Cov ( U k , V ) = C ov ( a k X (1) , b t X (2) ) = a k 12 b = t 1/ = c k 11 212 1/ 2 d = 0 22
(k )
Logo,
366
Cov ( U k , V ) = Corr ( U k , V ) = 0
(k )
(10.24)
Para
(1) Z(2)t = Z1 Z(2) 2
variveis
padronizadas
(1) Z(1)t = Z1 Z(1) 2
Z(1) p
(2) Zq as variveis cannicas so dadas por:
t t U k = a k Z(1) = c k 111/ 2 Z(1) V = b t Z(2) = d t 1/ 2 Z(2) k k 22 k
(10.25)
t em que c k e d k so os autovetores de norma 1 das matrizes 111/ 212112111/ 2 e 22 t 1/ 212111121/ 2 , 22 22
respectivamente.
Os
autovetores
originais
devem
ser
recuperados por:
a k = 111/ 2 c k b = 1/ 2 d 22 k k
(10.26)
em que: 11 (p x p), 12 (p x q) e 22 (q x q) so parties de (p + q x p + q) dadas por:
q
(10.27)
12 p = E ( ZZt ) = 11 q 21 22
Ferreira, D.F.
367
de forma que:
E ( Z(1) ) = 0 Cov ( Z(1) ) = 11 (2) (2) E ( Z ) = 0 Cov ( Z ) = 22 Cov Z(1) , Z(2) = = t ( ) 12 21
(10.28)
As correlaes cannicas das combinaes lineares padronizadas so dadas por:
Corr(U k , Vk ) =
t a k 12 b k t t a k 11a k b k 22 b k
= k
(10.29)
t em que k k-simo autovalor de 111/ 212112111/ 2 , ou equivalentemente de 22 1/ t 22 212111121/ 2 . 22
Por se tratarem de variveis artificiais, as variveis cannicas no possuem significado fsico. Se X (1) (p x 1) e X (2) (q x 1) so utilizados, os coeficientes de a e b tm as unidades dos correspondentes coeficientes de X (1) e de X (2) . Se as variveis padronizadas forem utilizadas, ento, os coeficientes cannicos no possuem unidades de mensurao e no dependem da escala das variveis. Em geral, dada uma interpretao subjetiva para as variveis cannicas de acordo com a magnitude das correlaes das variveis originais com
368
as variveis cannicas em foco. Muitos pesquisadores preferem fazer tal relacionamento utilizando os coeficientes cannicos estandardizados. Sejam A (p x p) e B (q x q) matrizes definidas pelos vetores cannicos:
t t a1 b1 t t a 2 e B = b 2 A= t t ap bq
(10.30)
possvel definir os vetores de todas as p ou q variveis cannicas simultaneamente por:
U1 V1 U 2 = AX(1) e V = V2 = BX(2) U= Up Vq
(10.31)
Logo,
Cov (U, X(1) ) = Cov ( AX(1) , X(1) ) = ACov ( X(1) ) = A11
(10.32)
A matriz de correlao entre as p variveis originais de X (1) e as p variveis cannicas de U dada pela covarincia entre as p variveis cannicas,
Ferreira, D.F.
369
as quais j so estandardizadas, e as p variveis de X (1) padronizadas. A padronizao de X (1) dada por:
1/ 2 11
(1)
1
(1) 11
0 1 (1) 22 0
0 (1) X1 0 X(1) 2 (1) X p 1 (1) pp
(10.33)
Assim,
U, X(1) = Corr (U, X(1) ) = Cov ( AX(1) , V111/ 2 X(1) ) = A11V111/ 2
(10.34)
Clculo semelhante realizado para os pares (U, X(2) ) , ( V , X(2) ) e
( V, X ) que resulta em:

(1) ( 2 ) = A12 V221/ 2 (p q) U, X 1/ 2 (q q) V , X( 2) = B 22 V22 t = B12 V111/ 2 (q p) V , X(1)
(10.35)
em que V221/ 2 uma matriz diagonal (q x q) com o i-simo elemento dado por
(2) 1/ ii .
370
Para as variveis cannicas calculadas de matrizes de correlao , a interpretao pode ser realizada alternativamente pelas correlaes entre as variveis cannicas e as variveis padronizadas. Sejam AZ (p x p) e BZ (q x q) matrizes compostas dos coeficientes cannicos de Z (1) e Z (2) , respectivamente. As correlaes entre as variveis cannicas e as variveis padronizadas so dadas por:
U, Z(1) = A Z11 ; = A Z12 ; U, Z( 2)
V , Z( 2) = BZ22
(10.36)
V ,Z(1) = B
t Z 12
As matrizes de correlao (10.34), (10.35) com (10.36), apresentam, no entanto, os mesmos valores numricos, como por exemplo U, Z(1) = U, X(1) , e assim por diante. Verifica-se facilmente isso por:
1/ U, X(1) = A11V111/ 2 = AV11 2 V111/ 211V111/ 2 = A Z11 = U, Z(1)
ou seja, a correlao no afetada pela padronizao (mudana de escala).
Ferreira, D.F.
371
10.3. Variveis e correlaes cannicas amostrais

Uma amostra aleatria de tamanho n em cada conjunto de (p + q)
(1) variveis aleatrias X (1) (p x 1) e X (2) (q x 1), dada por X1 , X(1) , 2 (2) X1 , X(2) , 2 (2) , Xn possui vetores de mdias amostrais dados por: (1) , Xn e
(1) X1 (1) X(1) X p = X= (2) (2) X X1 (2) Xq
(10.37)
Em que:
X(1) =
1 n (1) Xj n j=1
X(2) =
1 n (2) Xj n j=1
(10.38)
A matriz de correlao amostral S (p + q x p + q) dada por:
q
(10.39)
S12 p S S = 11 q S21 S 22
372
em que Sk =
1 n X(j k ) X(k ) n 1 j =1
)( X
( ) j
X(
, k, = 1, 2 .
As k-simas variveis cannicas amostrais so dadas pelas combinaes lineares:
U k = a k X (1) t t (2) Vk = b k X
(10.40)
que maximizam a k-sima correlao cannica amostral dada por:
rU
k , Vk
t a k S12 b k = t t a k S11a k b k S22 b k
(10.41)
O processo de maximizao de (10.41) segue estritamente os mesmos passos da maximizao de (10.7), substituindo apenas 11, 22 e 12 por S11, S22 e S12, respectivamente. As equaes homogneas correspondentes ao mximo so dadas por:
1 t S12S22S12 k S11 a k = 0 (a) t 1 S12S11 S12 k S22 b k = 0 (b)
(10.42)
Ferreira, D.F.
373
Em que o mximo de ru
bk obtidos por:
k , Vk
dado por
k , para os autovetores ak e
a k = S111/ 2 c k (a) 1/ 2 b k = S22 d k (b)
(10.43)
t sendo que c k k-simo autovetor de S111/ 2S12S1S12S111/ 2 e d k o k-simo autovetor de 22 1/ t S22 2S12S111S12S1/ 2 ; k o k-simo autovalor de ambas as matrizes, por serem 22
idnticos; k=1, 2, ..., pq. As variveis cannicas amostrais tm as seguintes propriedades: 1. Varincias amostrais unitrias
Var U k = Var Vk = 1
( )
( )
(10.44)
2. Correlaes amostrais:
rU
k;U
= rV ; V = rU
k
k;V
= 0 (k )
(10.45)
3. Correlao amostral mxima:
rU
k ; Vk
= k
(10.46)
374
Sejam as matrizes A (p p) e B (q q) definidas pelos vetores

cannicos amostrais:
t b1 t a1 t t a 2 e B = b 2 A= t b t ap q
(10.47)
Analogamente a (10.31) definem-se:
U1 V1 U2 (1) V U = = AX e V = 2 = BX(2) U V p q
(10.48)
As correlaes entre as variveis cannicas amostrais e as variveis originais de cada um dos grupos podem ser obtidas. Para isso definiu-se as
(1) (2) matrizes diagonais D111/ 2 = Diag 1/ Sii , (pxp) e D 1/ 2 = Diag 1/ Sii , (qxq). 22
1. Matriz de correlaes entre U e X (1)
R U, X(1) = AS11D111/ 2
(10.49)
Ferreira, D.F.
375
2. Matriz de correlaes entre U e X (2)
1/ R U, X( 2) = AS12 D 22 2
(10.50)
3. Matriz de correlaes entre V e X (1)
t R V, X(1) = BS12 D111/ 2
(10.51)
4. Matriz de correlaes entre V e X (2)
R V, X( 2 ) = BS22 D 1/ 2 22
(10.52)
Para correspondentes so:
variveis
padronizadas,
as
variveis
cannicas
U1 V1 U V U = 2 = A Z Z (1) e V = 2 = BZ Z (2) U V p q
(10.53)
em que:
A Z = AD1/ 2 e 11
B Z = BD1/ 2 22
(10.54)
376
Sendo que az e b z , para as variveis padronizadas, so obtidos da
mesma forma que os respectivos vetores para variveis no padronizadas, substituindo-se nas expresses correspondentes S11, S22 e S12 por R11, R22 e R12, respectivamente. A relao (10.54) se verifica para o caso de variveis cannicas, mas no se pode estabelecer a mesma relao para os componentes principais de matriz de covarincia e matriz de correlao, como apontado por Johnson e Wichern (1998). As matrizes de correlaes entre as variveis de cada grupo padronizadas e as respectivas variveis cannicas so dadas por:
R (1) = A Z R11 = A 1 Z U,Z R U,Z( 2) = A Z R12
t R V,Z(1) = BZ R 12
(10.55)
R V,Z( 2) = BZ R 22 = B1 Z
Da mesma forma, fcil verificar que as correlaes no so afetadas pela padronizao, ou seja, as correlaes obtidas em (10.49) a (10.52) so as mesmas as correspondentes em (10.55). Uma importante avaliao da qualidade do potencial das variveis cannicas medir o poder de resumo da variabilidade contida respectivo conjunto. Duas formas bsicas so descritas: na primeira apresenta-se uma matriz de erro da aproximao e na segunda calcula-se a proporo da varincia explicada pelas variveis cannicas para cada grupo de variveis.
Ferreira, D.F.
377
As matrizes de erro so obtidas como se segue, admitindo as
definies U = AX(1) e V = BX(2) . Logo, possvel definir:
X(1) = A 1U
X(2) = B1V
(10.56)
Como A e B so dadas por:
A = P (1)tS111/ 2
t d1 t c1 t t c d = 2 S111/ 2 e B = P (2)t S1/ 2 = 2 S1/ 2 22 22 t d t c p p
(10.57)
Ento:
A 1 = S1/ 2 P (1) 11
B1 = S1/ 2 P (2) 22
(10.58)
devido a P (1) e P (2) serem matrizes ortogonais de autovetores, fcil perceber que
(P )
(1)t
1
= P (1) e P (2)t
= P (2) .
Das definies de U e V sabe-se que a covarincia entre eles uma matriz diagonal (pxq) com
k na k-sima diagonal para k=1, 2,...p, e
cujas demais p-q colunas so formadas de zeros. Assim,
378
Cov Cov Cov
( U, V ) = AS
12
Bt = P (1)tS111/ 2S12S1/ 2 P (2) = 22
( U ) = AS A
11
(10.59)
( V ) = BS
22
Bt =
Assim,
AS12 Bt = S12 Bt = A 1 S12 = A 1 B1

Da mesma forma:
( )
S11 = A 1 A 1
( )
S22 = B1 B1
( )
A idia reter um nmero r menor ou igual a p de variveis cannicas em cada grupo. O nmero r escolhido de determinada forma que a covarincia amostral dentro de grupo seja reproduzida de uma forma satisfatria. Da mesma forma desejvel uma boa aproximao das covarincias entre grupos S12. Sejam, ento, as matrizes compostas das r (rp) primeiros autovalores e
t t autovetores de S111/ 2S12S1S12S111/ 2 e de S1/ 2S12S111S12S1/ 2 definidas por: 22 22 22
Ferreira, D.F.
379
A r = Pr(1)t S111/ 2
t c1 t c = 2 S111/ 2 t cr
(10.60)
Br = Pr(2)t S1/ 2 22
t d1 t d = 2 S1/ 2 22 dt r
(10.61)
1 0 r = 0
0 2 0
0 0 r
(10.62)
Assim, definem-se as matrizes:
1/ A r1 = S11 2 Pr(1) e B1 = S1/ 2 Pr(2) r 22
(10.63)
Considerando as matrizes de resduos E11, E22 e E12 das reprodues de S11, S22 e S12, respectivamente, tm-se:
380
E = S 11 11 E 22 = S22 E12 = S12
( A )( A )
1 r 1 r
(a)
( B )( B )
1 r 1 r 1 r
(b)
t
(10.64)
(A ) (B )
r 1 r
(c)
A segunda alternativa relacionada a essa que apresenta em simples nmero a explicao do respectivo conjunto, em substituio aos p(p-1)/2, q(q-1)/2
t ou pq valores de E11, E22 e E12. Como tr ( S11 ) = tr A 1 A 1 + tr ( E11 ) , e assim r r
( )( )
por diante para as demais matrizes, a explicao das r variveis cannicas para o seu respectivo conjunto dada por:
tr ( E11 ) (1) %Exp U1 , U 2 , , U r de X = 100 1 tr ( S ) (a) 11 %Exp V , V , , V de X (2) = 100 1 tr ( E 22 ) (b) 1 2 r tr ( S22 )
( (
(10.65)
10.4. Inferncias para grandes amostras
Quando 12=0 as variveis cannicas
U = a t X (1)
V = b t X (2)
possuem covarincia nula para todos os pares de vetores a e b . Dessa forma,
Ferreira, D.F.
381
no existem vantagens em realizar uma anlise de correlao cannica. Ento, evidente que um teste de hiptese de que (12) seja igual a uma matriz nula primordial para a validao da anlise de correlao cannica. A seguir apresentado o teste para a hiptese:
H 0 : 12 = 0 (p q) vs H1 : 12 0
(10.66)
Seja o vetor aleatrio normal de dimenso (p + q x 1) com mdia e covarincia , dado por:
X (1) j X j = (2) X j
cuja covarincia pode ser particionada em:
12 p = 11 q 21 22
Sob H0 o mximo da funo de verossimilhana dado por L0 e sob H1 por L1, quais sejam:
L 0 ( X, S11 , S22 ) = (2) n(p + q) / 2 S11 S22
n / 2
exp ( n(p + q) / 2 )
(10.67)
382
em que n o tamanho da amostra, S11 e S22 so os estimadores das covarincias amostrais do grupo 1 e do grupo 2 de variveis, p e q representam o nmero total de variveis no grupo 1 e 2, respectivamente. Sob H1, modelo irrestrito tem-se:
L1 ( X, S ) = (2) np / 2 S n / 2 exp ( np / 2 )
(10.68)
A razo de verossimilhana dada por:
L 0 ( X, S11 , S22 ) L1 ( X, S )
S11 S22 = S
n / 2
(10.69)
O teste da razo de verossimilhana para a hiptese (10.66), dado por:
S11 S22 2 c = 2 ln( ) = n ln S
p = n ln 1 i i =1
(10.70)
tem distribuio qui-quadrado com =pq graus de liberdade. Em que a razo de verossimilhana do teste da hiptese (10.66). O teste de razo de verossimilhana compara a varincia amostral generalizada sob H0:
Ferreira, D.F.
383
S11 0
0 S22
= S11 S22
com
varincia
generalizada
irrestrita,
|S|.
primeiro
caso
com
p(p + 1)/2 + q(q + 1)/2 parmetros e o segundo com (p + q)(p + q + 1)/2. A diferena igual a = pq parmetros, que igual aos graus de liberdade do teste em questo. Bartlett (1939) sugere uma correo para uma melhor aproximao de qui-quadrado, substituindo n em (10.70) por n 1 - (p + q + 1)/2. O teste com a correo de Bartlett (1939) dado por:
1 S11 S22 2 c = n 1 ( p + q + 1) ln 2 S
p 1 = n 1 ( p + q + 1) ln 1 i 2 i =1
(10.71)
Se a hiptese nula H 0 : 12 = 0 ( 1 = 2 = natural buscar um nmero de correlaes
= p = 0 ) for rejeitada,
r que diferem
cannicas
significativamente de zero. Em que k a notao abreviada de Uk ;Vk . Bartlett (1938) sugere um teste seqencial baseado na razo de verossimilhana. A princpio, testar a hiptese de que a primeira correlao cannica no nula e as demais (p-1) so nulas; em seguida, testar que as duas primeiras so no nulas e as demais (p-2) so nulas; e assim por diante. Para o k-simo passo desse processo testar a hiptese H (k ) dada por: 0
384
H (k ) : 1 0, 2 0, , k 0, k +1 = k + 2 = 0 H (k ) : 0 para algum i k + 1 i 1
= p = 0
(10.72)
O teste dessa hiptese incorporando a correo de Bartlett (1939) pode ser realizado por:
p 1 2 c = n 1 ( p + q + 1) ln 1 i 2 i = k +1
(10.73)
o qual possui distribuio de qui-quadrado com =(p-k)(q-k) graus de liberdade. O teste realizado para k=1, 2, ..., (p-1). Cada hiptese da seqncia H 0 , H (1) , H (2) , etc. testada uma de 0 0 cada vez at que H (k ) no seja rejeitada para algum k. O valor nominal da 0 significncia no , e possui difcil determinao. O teste especialmente til para os dados normais e deve ser interpretado com cautela, e possivelmente deva melhor ser usado como um guia no muito refinado de seleo do nmero r de variveis cannicas a ser retido. As distribuies amostrais das variveis cannicas possuem um estudo mais detalhado em Kshirsagar (1972). Uma outra opo para esse teste apresentada por Morrisson (1976) que afirma que a distribuio do maior autovalor segue a distribuio da maior raiz caracterstica de Roy, com S=min(p, q), m=(|P-Q| -1)/2 e n=(n-p-q-2)/2. O teste anterior foi generalizado por Wilks (1935) para avaliar a independncia entre k grupos de variveis. O teste de razo de verossimilhana
Ferreira, D.F.
385
para a hiptese de independncia entre k-grupos da distribuio normal multivariada apresentado doravante. Seja , matriz de covarincia para todas as variveis, particionada em k grupos, cada um com pi variveis; a sub-matriz ij de dimenso pixpj (ij=1, 2, ...,k) uma partio de que contem as correspondentes covarincias entre as pi variveis do i-simo grupo com as pj variveis do j-simo grupo. A hiptese de interesse :
H 0 : ij = 0 para todo i j=1, 2, ..., k H : 0 para algum i j=1, 2, ..., k 1 ij
(10.74)
Cujo teste apresentado por Wilks (1935) depende da quantidade:
Vc =
S S11 S22 Skk
(10.75)
cuja distribuio muito complicada. Mas Box (1949) obteve boa aproximao de qui-quadrado com graus de liberdade. O teste proposto :
2 c =
n 1 ln ( Vc ) C
(10.76)
em que:
386
1 1 C = 1 12 (n 1) ( 23 + 3 2 ) 1 = 2 2
e
(10.77)
k k S = p i pS ; i i =1 i =1
S = 2, 3
(10.78)
Se k = 2 com p1 = p e p2 = q, o teste (10.76) exatamente o mesmo de (10.71). Se k = p + q e pi=1, para todo i=1, 2, ..., p + q, o teste se especifica no teste apresentado no captulo 7, para a independncia de variveis, ou seja, H0: =diag(ii). Ento, esse teste uma generalizao dos demais supra citados. conveniente que se saliente que se os testes forem aplicados sobre a matriz de correlao, os resultados so equivalentes aos obtidos para a matriz de covarincias, substituindo-se S por R nas expresses anteriores.
10.5. Exerccios
10.5.1. Verifique que a derivao do mximo de (10.7) pode ser obtida a partir de (10.16) utilizando o fator de Cholesky F, na transformao linear de
a = ( F111 ) c e de b = ( F221 ) d no lugar de a = 111/ 2 c e de b = 1/ 2 d , 22
Ferreira, D.F.
387
respectivamente; em que, F11 e F22 so os fatores de Cholesky de 11 e de

22, respectivamente.
(1) 10.5.2. Dois testes ( X1 e X (1) ) de leitura foram aplicados em n=140 crianas 2 (2) juntamente com dois testes de aritmtica ( X1 e X (2) ). A matriz de 2
correlao amostral obtida foi:
1, 0000 0, 6328 1, 0000 0, 4248 0, 2412 0, 0586 R 11 = ; R 22 = 0, 4248 1, 0000 ; e R 12 = 0, 0553 0, 0655 0, 6328 1, 0000
a) obtenha todas as variveis cannicas amostrais e as respectivas correlaes mximas.
b) realizar o teste da hiptese:
H 0 : 12 = 12 = 0 (p q) vs H1 : 12 = 12 0
Se H0 for rejeitada realizar o teste da hiptese:
H 0 : 1 0; 2 = 0 Vs H 0 : 2 0
discuta os resultados obtidos.
388
c) estime as matrizes E11, E22 e E12 para o primeiro par de variveis cannicas (r=1).
d) Determine a proporo da variao explicada pelo primeiro par de variveis cannicas nos dois grupos.
e) calcule a correlao amostral entre Z(1) e Z(2) com U e com V .
||[
Referncias bibliogrficas
11
]||
ANDERSON, T.W. An introduction to multivariate statistical analysis. 2nd Ed. New York, John Wiley, 1984, 675p. ANDERSON, T.W. The asymptotic theory for principal components analysis, Annals of Mathematical Statistics, v.34, p.122-148, 1963.
BARTLETT, M.S. A note on multiplying factors for various Chi-Square approximations. Journal of the royal Statistical Society Series B. v.16, p.296-298, 1954.
BARTLETT, M.S. A note on tests of significance in multivariate analysis. Proceedings of the Cambridge Philosophical Society, v.35, p.180-185, 1939.
BARTLETT, M.S. Further aspects of the theory of multiple regression. Proceedings of the Cambridge Philosophical Society, v.34, p.33-40, 1938.
BARTLETT, M.S. The statistical conception of mental factors. British Journal of Psychology. v.28, p.97-104, 1937.
11. Referncias bibliogrficas
390
BENNETT, B.M. Note on a solution of the generalized Behrens-Fisher problem, Annals of the Institute of Statistical Mathematics, v.2, p.97-90, 1951.
BOCK, R.D. Multivariate statistical methods in behavioral research. McGraw Hill, 1975.
BOX, G.E.P. A general distribution theory for a class of likelihood criteria, Biometrika. v.36, p.317346, 1949.
CARROLL, J.B. An analytical solution for approximating simple structure in factor analysis. Psychometrika. v.18, pp.23-28, 1953.
CHRISTENSEN, W.F.; RENCHER, A.C. A comparison of type I rates and power levels for seven solutions to the multivariate Behrens-Fisher problem.
Communication in Statistics-Simula., v.26, n.4, p.1251-1273, 1997.
CLEVELAND, W.S.; RELLES, D.A. Clustering by identification with special application to two way tables of counts. Journal of American Statistical Association. v.70, n.351, 1975. 626-630p.
DAGOSTINO, R.B.;TITJEN, G.L. Approaches to the null distribution of Biometrika, v.60, p.169-173, 1973.
b1 ,
DAGOSTINO, R.B.;TITJEN, G.L. Simulation probability points of b2 in small samples, Biometrika, v.58, p.669-672, 1971.
391
DINIZ, L de C. Dinmica populacional do piolho de so Jos Quadraspidiotus perniciosus (Comostock, 1881) (Homptera: Dispididae) em pessegueiro, no municpio de Jacu - Minas Gerais. UFLA, Lavras, MG, 1996. 61p. (dissertao de mestrado).
FERGUSON, G.A. The concept of parsimony in factor analysis. Psychometrika. v.19, pp.281-290, 1954.
GIRSHICK, M.A. On the sampling theory of roots of determinantal equations. Annals of Mathematical Statistics. v.10, p.203-224, 1939.
HOTELLING, H. Relations between two sets of variables. Biometrika. v.28, p.321377, 1936.
HOTELLING, H. The most predictable criterion. Journal of Educational Psychology. v.26, p.139-142, 1935.
HOUSEHOLDER, A.S. Principles of numerical analysis. McGraw-Hill, New york, 1953. HOUSEHOLDER, A.S. The theory of matrices in numerical analysis. Blarsdell, Waltham, Mass., 1964. JAMES, G.S. Tests of linear hypotheses in univariate and multivariate analysis when the ratios of the population variances are unknown, Biometrika, v.41, p.19-43, 1954.
392
JOHANSEN, S. The Welch-James approximation to the distribution of the residual sum of squares in a weighted linear regression, Biometrika, v.67, n.1, p.85-92, 1980.
JOHNSON, R.A.; WICHERN, D.W. Applied multivariate statistical analysis. 4th edition. Prentice Hall, New Jersey, 1998. 816p.
KAISER, H.F. Computer program for varimax rotation in factor analysis. Journal of Educational and Psychological Measurement. v.19, pp.413-420, 1959.
KAISER, H.F. The varimax criterion for analytic rotation in factor analysis. Psychometrika. v.23, pp.187-200, 1958.
KIM, S. A practical solution to the multivariate Behrens-Fisher problem, Biometrika, v.79, n.1, p.171-176, 1992.
KRZANOWSKI, W.J. Principles of multivariate analysis. A users perspective. Oxford, 3rd edition, 1993. 563p.
KSHIRSAGAR, A.M. Multivariate analysis. New York: Marcel Dekker, 1972.
LAWLEY, D.N. Further estimation in factor analysis. Proceedings of the Royal Society of Edinburgh, Series A. v.61, pp.176-185, 1942.
LAWLEY, D.N. On testing a set of correlation coefficients for equality, Annals of Mathematical Statistics, v.34, p.149-151, 1963.
393
LAWLEY, D.N. Tests of significance for the latent roots of covariance and correlation matrices. Biometrika, v.43, p.128-136, 1956.
LAWLEY, D.N. Tests of significance in canonical analysis. Biometrika. v.46, p.59-66, 1959.
LAWLEY, D.N. The application of the maximum likelihood method to factor analysis. British Journal of Psychology. v.33, pp.172-175, 1943.
LAWLEY, D.N. The estimation of factor loadings by the method of the maximum likelihood. Proceedings of the Royal Society of Edinburgh, Series A. v.60 ou 40 (checar), pp.64-82, 1940.
MARDIA, K.V. Applications of some measures of multivariate skewness and kurtosis for testing normality and robustness studies. Sanky. A36, p.115-128, 1974. MARDIA, K.V. Measures of multivariate skewness and kurtosis with applications. Biometrika, p.519-530, 1970. MARRIOTT, F.H.C. The interpretation of multiple observations. London, Academic Press, 1974.
MOMENT, V.G. Comparaes entre diferentes tipos de famlias clonais para o melhoramento gentico da batata (Solanum tuberosum L.). ESAL, Lavras, MG, 1994. 83p. (dissertao de mestrado).
394
MORRISON, D.F. Multivariate statistical methods. New York: McGraw-Hill, 2d ed., 1976. 307p.
NEHAUS, J.; WRIGLEY, C. The quartimax method: an analytical approach to orthogonal simple structure. British Journal of Psychology. v.7, pp.81-91, 1954.
NEL, D.G.; Van der MERWE, C.A. A solution to the multivariate Behrens-Fisher problem. Communications in Statistics: Theory and Methods, v.15, p.37193735, 1986.
PEARSON, E.S.; HARTLEY, H.O. Biometrika Tables for Statisticians Vol. 1 ed. Cambridge University Press, New York, 1966. SEARLE, S.R. Matrix algebra for the biological sciences. Wiley, New York, 1966. WIKS, S.S. On the independence of k sets of normally distributed statistical variables. Econometrica. v.3, p.309-326, 1935.
YAO, Y. An approximate degrees of freedom solution to the multivariate Behrens-Fisher problem. Biometrika, v.52, n.1, p.139-147, 1965.

Analise Multivariada

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Analise Multivariada

Enviado por

Direitos autorais:

Formatos disponíveis

MINISTRIO DA EDUCAO E DO DESPORTO UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CINCIAS EXATAS

Daniel Furtado Ferreira

89 89 90 101 104 113 116 117

119 119 120 121 125 133

138 143 169

171 171 171 177 190 192 199 215

6. Anlise de varincia multivariada 6.1. Introduo 6.2. Delineamento de classificao simples

219 219 220

6.3. Intervalos de confiana simultneos para o efeito de tratamentos 6.4. Exerccios

233 233 234 250 256 259 282

285 285 286 296 308

309 309 310 316 342 346

9.6. Escores fatoriais 9.7. Exerccios

355 355 356 371 380 386 389 395 397

Aspectos da anlise multivariada

1. Aspectos da anlise multivariada

e. construo e teste de hipteses.

Ferreira, D.F. Estatstica multivariada

1.2. Aplicao de tcnicas multivariadas

1. Aspectos da anlise multivariada

Ferreira, D.F. Estatstica multivariada

1.3. Organizao de dados

1. Aspectos da anlise multivariada

1 X11 X21 . . . Xj1 . . . Xn1

2 ... X12... X22... . . . Xj2... . . . Xn2...

k ... X1k... X2k... . . . Xjk... . . . Xnk...

p X1p X2p . . . Xjp . . . Xnp

Ferreira, D.F. Estatstica multivariada

representados em um arranjo retangular, denominado de X, com n linhas e p colunas, da seguinte forma:

Usando a notao proposta anteriormente, tem-se:

E a matriz X dos dados :

1. Aspectos da anlise multivariada

Ferreira, D.F. Estatstica multivariada

A raiz quadrada da varincia amostral,

1. Aspectos da anlise multivariada

S kk ' = n j =1 n 2 2 S kk S k ' k ' ( X jk X k ) ( X jk ' X k ' )

( X jk ' X k ' ) Sk ' k '

. Esses valores padronizados

Ferreira, D.F. Estatstica multivariada

1. Os valores de r devem ficar compreendidos entre -1 e 1;

3. Os valores de rkk no se alteram com a alterao da escala de uma das variveis.

1. Aspectos da anlise multivariada

Wkk ' = ( X jk X k )( X jk ' X k ' )

Matriz de covarincia amostral

Ferreira, D.F. Estatstica multivariada

Matriz de correlaes amostral

1 4 1 X j1 = 4 (80 + 120 + 90 + 110) = 100 4 j=1

A matriz de covarincia amostral :

1. Aspectos da anlise multivariada

S12=[(80-100)(10-9)+(120-100)(12-9)+(90-100) (6-9)+(110-100)(8-9)]/3 = 20,000

1, 0000 0, 4243 R= 0, 4243 1, 0000

Ferreira, D.F. Estatstica multivariada

1. Aspectos da anlise multivariada

Ferreira, D.F. Estatstica multivariada

1. Aspectos da anlise multivariada

Ferreira, D.F. Estatstica multivariada

Um modo de fazer isso dividir cada coordenada pelo desvio padro

. Aps eliminar as diferenas de variabilidade das variveis

(coordenadas), determina-se a distncia usando a frmula euclidiana padro:

1. Aspectos da anlise multivariada

Figura 1.3. Elipse de uma distncia estatstica quadrtica d2(O,P)=

Ferreira, D.F. Estatstica multivariada

1. Aspectos da anlise multivariada