Escolar Documentos
Profissional Documentos
Cultura Documentos
+
+
(
+
=
em que,
c
S
= estimativa da matriz comum de covarincias E;
= nmero de observaes da populao t
1
;
2
n
= nmero de observaes da populao t
2
;
1
S
= estimativa matriz de covarincias da populao t
1
;
2
S
= estimativa matriz de covarincias da populao t
2
;
A funo discriminante linear amostral de Fisher obtida substituindo-se os parmetros
1
,
2
e E pelas respectivas quantidades amostrais
1
x ,
2
x e
c
S :
( ) | | x S x x x L x D
c
= =
1
2 1
'
'
em que,
( ) x D = funo discriminante linear amostral de Fisher;
'
L
= estimativa do vetor disriminante;
1
x = mdia amostral da populao t
1
;
2
x = mdia amostral da populao t
2
.
EXEMPLO DE APLICAO
Como exemplo ilustrativo para obeteno da funo discriminante linear amostral de
Fisher, vamos considerar os dados de duas raas de insetos (Quadro 1), apresentados por
HOEL (1966) e citado por REGAZZI (2000).
1
n
6
Quadro 1. Nmero mdio de cerdas primordiais (X
1
) e nmero mdio de cerdas distais (X
2
) em
duas raas de insetos
Raa A Raa B
X
1
X
2
X
1
X
2
6,36 5,24 6,00 4,88
5,92 5,12 5,60 4,64
5,92 5,36 5,64 4,96
6,44 5,64 5,76 4,80
6,40 5,16 5,96 5,08
6,56 5,56 5,72 5,04
6,64 5,36 5,64 4,96
6,68 4,96 5,44 4,88
6,72 5,48 5,04 4,44
6,76 5,60 4,56 4,04
6,72 5,08 5,48 4,20
5,76 4,80
Estimativa das mdias das raas A e B
Com base nos dados apresentados no Quadro 1, temos:
Raa A
(
=
(
=
32364 , 5
46545 , 6
2
1
A
A
A
x
x
_ e
(
=
052625 , 0 011258 , 0
011258 , 0 091287 , 0
A
S
Raa B
(
=
(
=
72667 , 4
55000 , 5
2
1
B
B
B
x
x
_ e
(
=
111661 , 0 107418 , 0
107418 , 0 160327 , 0
B
S
Assumindo-se que E = E = E
B A
, a matriz comum de covarincias amostral
c
S dada
por:
7
( ) ( ) ( ) ( )
2
2 1
2
1
2 1
1
1 1
1
1 1
1
S
n n
n
S
n n
n
S
c
(
+
+
(
+
=
( ) ( ) ( ) ( )
2
2 1
1
1 1
1 12
1 12 1 11
1 11
S
n n
S S
c
(
+
+
(
+
=
(
=
08354 , 0 06162 , 0
06162 , 0 12745 , 0
c
S e
(
604583 , 18 995464 , 8
995964 , 8 1960015 , 12
1
c
S
Obteno da funo discriminante linear amostral de Fisher
( ) | | x S x x x L x D
c
= =
1
2 1
'
'
| |
(
=
(
=
59697 , 0
91545 , 0
72667 , 4 32364 , 5
55000 , 5 46545 , 6
2 1
x x
| | | | 59697 , 0 91545 , 0
'
2 1
= x x
| |
(
=
604583 , 18 995464 , 8
995964 , 8 196015 , 12
59697 , 0 91545 , 0
'
L
| | 871023 , 2 794819 , 5
'
= L o estimador do vetor discriminante e:
( ) | |
(
=
2
1
871023 , 2 794819 , 5
x
x
x D
( )
2 1
871023 , 2 794819 , 5 x x x D + =
Construo da regra para alocao de novos indivduos
A questo se um novo indivduo ou uma nova observao X
o
pertence a raa A (t
1
) ou a
raa B (t
2
). Ento vamos aplicar a regra de classificao com base na funo discriminante de
Fisher. Primeiro determinamos o ponto mdio das populaes m :
8
( ) ( ) | |
B A
x D x D m + =
2
1
( ) | |
(
= =
32364 , 5
46545 , 6
871023 , 2 794819 , 5
'
A A
x L x D
( ) 750405 , 52 =
A
x D
( ) | |
(
= =
72667 , 4
55000 , 5
871023 , 2 794819 , 5
'
B B
x L x D
( ) 731624 , 45 =
B
x D
( ) 241 , 49 731624 , 45 750405 , 52
2
1
= + = m
241 , 49 = m
A regra de classificao :
Tendo-se um novo indivduo
o
x que apresenta nmero mdio de cerdas primordiais e
distais de 6,21 e 5,31, respectivamente, aplicamos a regra de classificao:
( ) | | 230958 , 51
31 , 5
21 , 6
871023 , 2 794819 , 5
'
=
(
= =
o o
x L x D
Como ( ) 241 , 49 230958 , 51 > =
o
x D , o indivduo alocado na Raa A.
Alocar em Raa A se
Alocar em Raa B se
9
FUNES DISCRIMINANTES DE ANDERSON
Sejam
1
,
2
, ...,
g
um grupo de g populaes. Para se obter as funes discriminantes
para esse grupo de populaes so necessrias algumas pressuposies: 1) as populaes
apresentam algum tipo de distribuio; 2) existe uma probabilidade de ocorrncia a priori para
cada populao no grupo; 3) existe um custo de m classificao. Antes de se construir regras
de classificao, recomenda-se fazer um estudo detalhado de quais p variveis tm efeito
siginificativo no fenmeno. Essa parte da anlise denominada por alguns autores como
discriminao. Nesta etapa fundamental a experincia do pesquisador para que a tcnica
obtenha sucesso.
Desenvolvimento do classificador
Os classificadores so desenvolvidos da necessidade de se alocar uma observao x em
uma dentre g populaes, sendo g > 2. Para desenvolver um classificador necessrio fazer
algumas pressuposies para o modelo da funo discriminate, neste caso as pressuposies
so as seguintes:
1) As g populaes apresentam distribuio normal multivariada;
2) As p
i
probabilidades a priori de ocorrncia das populaes so iguais e
.
3) As populaes apresentam custos iguais de m classificao.
Obteno das funes discriminantes
Considerando-se que as g populaes apresentam distribuio normal multivariada a
funo discriminante dada por:
()
|E
]
E
] (
)
em que,
()
)
em que,
= matriz comum de covarincias das g populaes.
A regra de classificao para alocar um indivduo x a seguinte: classificar x em
i
se
e somente se
() (
()
()
())
em que,
) (
) (
()
em que:
EG = exatido global, %;
N
c
= nmero de observaes corretamente classificadas;
N
t
= nmero total de observaes.
O coeficiente kappa estimado pela seguinte expresso:
=
+ +
= =
+ +
=
c
1 i
i i
2
c
1 i
c
1 i
i i ii
X X n
X X X n
K
(5)
em que:
c = nmero de classes na matriz de erros;
X
ii
= valores na linha i e na coluna i;
X
i+
= total da linha i;
X
+i
= total da coluna i;
n = nmero total de observaes.
Os coeficientes kappas so comparados pelo teste Z determinado pela seguinte expresso
(CONGALTON & MEAD, 1983):
2 1
2 1
K
Z
o + o
= (6)
13
em que:
Z = valor Z calculado;
1
K