Analise Multivariada Manual

MINISTRIO DA EDUCAO E DO DESPORTO
UNIVERSIDADE FEDERAL DE LAVRAS

DEPARTAMENTO DE CINCIAS EXATAS
ANLISE MULTIVARIADA
Daniel Furtado Ferreira
LAVRAS, MG
1996
ii
SUMRIO Pg.
1. Aspectos da anlise multivariada 1
1.1. Introduo 1
1.2. Aplicao das tcnicas multivariadas 3
1.3. Organizao de dados 5
1.4. Distncias 15
1.5. Exerccios 24
2. lgebra vetorial e matricial 25
2.1. Introduo 25
2.2. Elementos de lgebra vetorial 26
2.3. Elementos de lgebra matricial 34
2.4. Exerccios 82
3. Amostragem multivariada 89
3.1. Introduo 89
3.2. Geometria amostral 90
3.3. Amostras aleatrias e esperanas do vetor de mdia e da

matriz de covarincia amostral. 101
3.4. Varincia generalizada 104
3.5. Varincia generalizada de variveis generalizadas 113
3.6. Outra generalizao da varincia 116
3.7. Exerccios 117

iii
4. Distribuio normal multivariada 119
4.1. Introduo 119
4.2. Pressuposies das anlises multivariadas 120
4.3. Densidade normal multivariada e suas propriedades 121
4.4. Distribuio normal bivariada 125
4.5. Distribuio amostral de X e S 133

4.6. Distribuies amostral derivada da distribuio normal
multivariada 138
4.7. Verificando a normalidade 143
4.8. Exerccios 169
5. Inferncias sobre o vetor mdia 171
5.1. Introduo 171
5.2. Inferncias sobre mdia de uma populao normal 171
5.3. Regio de confiana e comparaes simultneas de

componentes de mdia 177
5.4. Inferncias sobre propores de grandes amostras 190
5.5. Comparaes pareadas 192
5.6. Comparaes de vetores de mdias de duas populaes 199
5.7. Exerccios 215
6. Anlise de varincia multivariada 219
6.1. Introduo 219
6.2. Delineamento de classificao simples 220

iv
6.3. Intervalos de confiana simultneos para o efeito de

tratamentos 230
6.4. Exerccios 232
7. Componentes principais 233
7.1. Introduo 233
7.2. Componentes principais populacionais 234
7.3. Componentes principais amostrais 250
7.4. Grficos dos componentes principais 256
7.5. Inferncias para grandes amostras 259
7.6. Exerccios 282
8. Anlise de agrupamento 285
8.1. Introduo 285
8.2. Medidas de parecena (similaridades e dissimilaridades) 286
8.3. Agrupamentos 296
8.4. Exerccios 308
9. Anlise de fatores 309
9.1. Introduo 309
9.2. Modelo de fatores ortogonais 310
9.3. Estimao de cargas fatoriais 316
9.4. Rotao fatorial 342
9.5. Teste da falta de ajuste do modelo fatorial 346

v
9.6. Escores fatoriais 349
9.7. Exerccios 354
10. Anlise de correlao cannica 355
10.1. Introduo 355
10.2. Variveis cannicas e correlao cannica populacionais 356
10.3. Variveis e correlaes cannicas amostrais 371
10.4. Inferncias para grandes amostras 380
10.5. Exerccios 386
11. Referencias bibliogrficas 389
Apndices 395
ndice remissivo 397

||[ 1
Aspectos da
anlise multivariada
]||
1.1. Introduo
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

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 3
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 1 2 ... k ... p

ou experimentais
1 X11 X12... X1k... X1p
2 X21 X22... X2k... X2p
. . . . .
. . . . .
. . . . .
j Xj1 Xj2... Xjk... Xjp
. . . . .
. . . . .
. . . . .
n Xn1 Xn2... Xnk... Xnp
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 x12 " x1k " x1 p

x x22 " x2 k " x2 p
21
# # # # # #
X =
x j1 x j 2 " x jk " x jp
# # # # % #

xn1 xn 2 " xnk " 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) 80 120 90 110
Varivel 2 (nmero de
sacos de rao vendidos) 10 12 6 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:

1 n
Xk = 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:
1 n
( X jk X k )
2
Sk2 = Skk = k = 1, 2, ..., p (1.2)
n 1 j =1
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:
1 n
S kk ' = ( X jk X k )( X jk ' X k ' ) k, k=1,2, ..., p (1.3)
n 1 j =1
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

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:
( X jk X k )( X jk ' X k ' )
n
rkk ' = S kk ' = n j =1 (1.4)

S kk S k ' k ' ( X jk X k ) ( X jk ' X k ' )
2 n 2
j =1 j =1
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
( X jk X k ) ( X jk ' X k ' )
pelos valores padronizados, S kk e 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 correlao amostral (r), em resumo, tem as seguintes
propriedades:
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:

W kk = ( X jk X k ) 2
j =1
n
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 S12 " S1p

S 21 S22 " S2 p
S =
# # % #
S Sp 2 " S pp
p1
Matriz de correlaes amostral
1 r12 " r1p

r21 1 " r2 p
R =
# # % #
r rp 2 " 1
p1
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:
1 4 1
X1 =
4 j=1
X j1 = (80 + 120 + 90 + 110) = 100
4
1 4 1
X2 =
4 j=1
X j2 = (10 + 12 + 6 + 8) = 9
4
X 100
X = 1 =
X2 9
A matriz de covarincia amostral :

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 20,000
S=
20,000 6,667
A correlao amostral :
20
r12 = = 0,424 3
33,333 6,667
r21=r12=0,4243
Portanto,
1, 0000 0, 4243
R=
0, 4243 1, 0000
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 ) = x 12 + x 22 (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 ) = x 12 + x 22 +...+ x 2p (1.6)

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 2
d (O, P ) = x 12 + x 22 +...+ x 2p = c (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:
( x 1 y 1) 2 + ( x 2 y 2 ) 2 +...+( x p y p )
2
d ( P ,Q ) = (1.8)
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.

0
X2
-6 -4 -2 0 2 4 6
-1
-2
-3
-4
-5
-6
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.
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 e
x *2 = x 2 s 22 . Aps eliminar as diferenas de variabilidade das variveis
(coordenadas), determina-se a distncia usando a frmula euclidiana padro:
* 2 * 2 x 12 x 22
d (O, P ) = ( x 1 ) + ( x 2 ) = + (1.9)
S 11 S 22
Usando a equao (1.9) todos os pontos tendo como coordenadas
(x1, x2) e com distncia quadrada (c2) da origem devem satisfazer:
x 12 x 22 2
+ =c (1.10)
S 11 S 22
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.

X2
0.5
cS 22
0.5
-cS 11 O 0.5
cS 11 X1
0.5
-cS 22
x 12 x 22
Figura 1.3. Elipse de uma distncia estatstica quadrtica d2(O,P)= + =c
2
.
S 11 S 22
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:
2 2
2 x1 x2
d (O, P ) = +
9 1
Todos os pontos (x1, x2) que possuem distncias quadrada da origem igual a 1,
satisfazem a equao:
2 2
x1 x2
+ =1 (1.11)
9 1
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) Distncia ao quadrado
2 2
0
( 0, 1) 9
+ 11 = 1
2
0
2 ( 1)
( 0,-1) 9
+ 1
=1
2 2
3 0
( 3, 0) 9
+ 1
=1
2
( 3 ) 0
2
(-3, 0) 9
+ 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.

5
x2
4
0
-5 -4 -3 -2 -1 0 1 2 3 4
x1 5
-1
-2
-3
-4
-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.
2 2 2
(x1 y1) (x 2 y 2 ) (x p y p )
d (P ,Q ) = + +"+ (1.12)
S11 S 22 S pp
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.

1.5. Exerccios
Considere as amostras com 8 observaes e 3 variveis apresentadas a seguir:
x1 3 5 6 4 8 9 6 7
x2 6 11 11 9 15 16 10 12
x3 14 9 9 13 2 2 9 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 a 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
lgebra vetorial e matricial
]||
2.1. Introduo
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.

2.2. 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:

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:
n
X.Y = x i yi = x1 y1 + x 2 y 2 + + x n yn
i =1
fcil verificar que X.Y = Y.X . Por meio, do produto interno
possvel generalizar o teorema de Pitgoras para o espao euclidiano
n-dimensional:
n
X = X.X = x i2 = x12 + x 22 +
2
+ x 2n = d 2 (P, O) (2.1)
i =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:
X.Y
Cos ( ) = (2.3)
X.X Y.Y
As distncias apresentadas no captulo 1, entre os pontos
coordenados dos vetores X e Y , podem ser expressos agora como o

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:

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 j = 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 0
X1.X1
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 2 = X 2 ( X 2 .X1* ) X1*
Ento, normalizando-se X 2 :
1
X*2 = X 2 ; X 2 .X 2 0

X .X
2 2
Passo 3: Calcule o produto interno de X 3 com X1* e X*2 , e subtraia de X 3 os
componentes de X1* e X*2 ,
X 3 = X 3 ( X 3 .X1* ) X1* ( X 3 .X*2 ) X*2
Ento, normalizando-se X 3 :
1
X*3 = X 3 ; X 3 .X 3 0

X .X
3 3
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.
Exemplo 2.1
Dado o conjunto de vetores, a seguir, utilizar como ilustrao a construo de
Gram-Schimidt.
1 1 0
1 1 0
X=
1 0 1

1 0 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

1 1 1
1 1
1 1 1
ortogonalizao: X 2 = 1. =
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*2 = 1
0 1 1 0 12 + 12 0
0
1 1 1 1 0 12 + 12 0
ortogonalizao: X 3 = 1. (1). = =
1 2 1 2 1 1 12 12 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.

12 1
2
1 1
X 2 = 12 2
2 12
1
2 12
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 Moore-
Penrose, 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 :
a 11 a 12 a 1p

a a a 2p
A = 21 22

n x p

a n1 a n2 a np
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

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
A B
n q q p = AB = a ij b jk = [ai1b1k + ai2b2k + ... + aiqbqk] = [cik] = C
j=1
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
0 1 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
0 d 0
D = diag[d1, d2, ..., dn] = 2

0 0 d n
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
(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:
A A12 r
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 A12 + B12 r

A + B = 11
A 21 + B21 A 22 + B22 s
p q
Suponha agora que B seja particionada em p e q linhas e em t e u
colunas. Ento, possvel verificar que:

r A A12 B11 B12 p

AB = 11
s A 21 A 22 B21 B22 q
p q t u
A B + A12 B21 A11B12 + A12 B22 r

= 11 11
A 21B11 + A 22 B21 A 21B12 + A 22 B22 s
t u
Ainda possvel verificar que:
1
p A 1 + A 1B ( D CA 1B ) CA 1 A 1B ( D CA 1B )
1 1
p A B
=
q C D q ( D CA 1B ) CA 1
1
( D CA 1B )1
p q p 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) (i)
a (kji ) a (ji )
a =a ke j
a (jji )
k k
( i +1)
a (ji )
a = j
a (jji )
j
( i +1)
a (kji )
a = kj
a (jji )
kj
1
a (jji +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

elemento escolhido para piv o elemento a11=4. A matriz aps a
primeira ao pivotante :
1 2
4 = 4 2
1 1
A (1) = 4
2 2
2 2 21 1
4 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 :
1 12 ( 12 ) 12 1 12 1 1 1
A ( 2)
= 4 1 1 1
= 21 =
2 1 2 1 2 1 2
1 1
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:

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 1
2

Q= 1
2
1

2
A transposta de Q dada por:
1
2
1
2

Q =
t
1 1

2 2
ento,
12 1
2
1
2
1
2
1 2 0 1 0
QQ = 1
t
= =
2 2 0 2 0 1
1 1 1
2
2 2
e,
1
2
1
2
12 1
2
1 2 0 1 0
QQ=
t
1 = = 0 1
2 2 0 2
1 1 1
2 2
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 se n = 1
n (2.9)
A = a ij A ij ( 1)
i+ j
se n > 1
j=1
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:

4 2 2
4 1
A = [4] B= C = 2 2 0
1 2 2 0 2
A = 4;
B = 4 2 (1) 2 + 1 1 (1)3 = 4.2.1 1 1 1 = 7 ;
2 0 2 0 2 2
C = 4 (1) 2 + 2 (1)3 + 2 (1) 4
0 2 2 2 2 0
= 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;

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);
1 1
7. A 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.

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 :
0 B C B1C
DB1
D E 0
B C B1C B 0
= 1 = 1
0 DB C + E 0 0 E DB C
Ento, A foi reduzida para sua forma quase-diagonal ou bloco
diagonal. Seja uma matriz V (2n x 2n) particionada da seguinte forma:
V 0 n
V= 1
0 V2 n
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:
B 0
A = 1
= B E DB1C
0 E DB C
Observe que se A for quasi-triangular, ou seja, triangular por blocos,
o determinante o produto dos determinantes de suas sub-matrizes principais:

B C
=B E
0 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 :
A 0 0 AB
=
I B I B
Colocando o lado direito na forma quasi-triangular por meio de trocas
nas ltimas n colunas o resultado obtido dado por:
A 0 AB 0
= ( 1)n
I B B I
Usando o resultado do determinante de uma matriz triangular por
blocos, tm-se:
A B = ( 1) AB I
n
A B = ( 1) ( 1) AB
n n
A B = ( 1) AB
2n
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).
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 a1n
x x
A
= (2.10)
x
a a mn
m1
x x
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
= + ; m = p, n = q (2.11)
x x x
( AB ) B A
=A + B; n=p (2.12)
x x x
( A 1 ) A 1
= A 1 A ; m = n, A 0 (2.13)
x x
Seja X uma matriz m x n com o elemento xij na i-sima linha e
j-sima coluna, ento,
X
= 1ij (2.14)
x ij
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 (2.15)
x ii
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 :
g g
x
x1n
g
11
= (2.16)
X
g g
x x mn
m1
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:
n
tr ( A ) = a ii (2.17)
i =1
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)
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, r=s (2.23)
X
tr ( X )
= I, r =s (2.24)
X
tr ( XC )
= Ct , r = v, s = u (2.25)
X
tr ( X t CX )
= ( C + C t ) X, r=v=s=u (2.26)
X
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:

tr ( XC )
= Ct , r = v, s = u (2.27)
X t
tr ( X t CX )
= X t ( Ct + C ) , r=v=s=u (2.28)
X t
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 (2.29)
X X X
tr ( AB ) tr ( AB ) tr ( AB )
= + , m = q, n = p (2.30)
X X X
tr ( A 1 ) tr ( A 2 A )
= , m = n, A 0 (2.31)
X X
tr ( A 1C ) tr ( A 1CA 1A )
= , m = n = r = s, A 0 (2.32)
X X
A barra acima das matrizes anteriores em (2.29) a (2.32) indica que
essas so consideradas constantes para fins de diferenciao.

b) determinante
X
= adj ( X t ) = X ( X 1 ) ,
t
u = v, X 0 (2.33)
X
ln X adj ( X t )
= ( X 1 ) ,
t
= u = v, X 0 (2.34)
X X
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
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 (2.36)
X 2
Como tambm
t t
g 1 t g 1 t
+ (U U) = (U U) = 0
t
(2.37)
X 2 X 2
Somando essas expresses obtm-se a condio para o extremo
restrito:
t
g g
+ =0 (2.38)
X X
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) tr(Y) tr(Y)

= Diag (2.39)
X x11 x 22 x nn
E se X = x , ento,
tr(Y) tr(Y)
= (2.40)
X x
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 (2.41)
x A x
Por exemplo, para |A|0, g=ln|A| de (2.34) tem-se:
g ln A ln A A t 1 t A t
x
=
x
= tr = tr ( A ) x (2.42)
A x
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 x2 x n ] . A derivada de Z em relao a x t
a matriz m x n:
z z i = 1, 2, ..., m
= (2.43)
x t x j ij j = 1, 2, ..., n
Por exemplo, de (2.26) tem-se a primeira derivada de x t Ax , sendo A
simtrica,
x t Ax tr ( x Ax )
t
= = 2Ax (2.44)
x x
De (2.43), a segunda derivada representada em forma matricial
por:
x t Ax ( x Ax x ) 2Ax
t
= = = 2A (2.45)
x t x x t x t
Formas quadrticas
Definindo A como uma matriz simtrica no nula (nxn), e o vetor
x t = [X1 X2 X n ] a expresso:
n n 1 n
Q = x t A x = a ii X i2 + 2 a XX ij i j
i =1 i =1 j= i +1
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:
4 1
x = [ x1 x2 ] A=
1 2
4 1 x1 x
Q = [ x1 x2 ] = [ 4x1 + x 2 x1 + 2x 2 ] 1
1 2 x 2 x2
Q = 4x12 + 2x1 x 2 + 2x 22
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:

n n 1 n
d ( 0,P ) = a ii x + 2 a ijx i x j
2 2
i (2.46)
i =1 i =1 j=i +1
e garantindo que d2 > 0 para todo ponto P0, e fazendo aij=aji, tm-se:
a 11 a 12 a 1p

x
a 21 a a 2p 1
0 < d 2 = x t Ax = x 1 x p
22
(2.47)

x p
a p1 a p2 a pp
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:

n A n = n Sn n Snt
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
= Z12 + Z22 + + Z2n
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.

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:
a1j
1a linha: S11 = a11 S1j = j >1
S11
i-sima linha:
1
i 1
2
2
Sii = a ii Sri
r =1
1 i 1

Sij =
Sii
a ij
r =1
S riSrj

i2 j>i
3. A obteno de S-1, inversa de S, com elementos Sij, dada por:
1 1 i 1
Sii =
Sii
Sij =
Sii
S S
r =1
ri
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
a ii = ( Sri ) a ij = SriSrj
2
i> j
r =i r =i
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:
2 0
S11 = 4 = 2; S12 = = 1; S13 = = 0
2 2
Segunda linha:
1
[1 1 0] = 1
1
S22 = 2 12 = 1 S23 =
2
Terceira linha:
S33 = 2 ( 02 + 12 ) = 1
1
2
Logo,
2 1 0 2 0 0
S = 0 1 1
t
e S = 1 1 0
0 0 1 0 1 1
A matriz S-1 obtida por:
Linha 1:
1
S11 = ; S12 = S13 = 0 i < j
2
Linha 2:
1 1 1
S22 = = 1; S21 = 1 1 = ; S12 = 0 pois i < j
1 2 2
linha 3:
1 1 1 1
S33 = = 1; S31 = 1 0 + 1 = S32 = 1 (1 1) = 1
1 2 2 2
logo,
1
2 0 0

1
S1 = 1 0
2
1
1 1
2
A matriz A-1 obtida por:
Diagonal principal:
2 2 2
1 1 1 3
a = + + =
11
2 2 2 4
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
Logo,
34 1 12
A 1 = 1 2 1
12 1 1
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

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 x t x
= = 2Ax e = 2x
x x x
usando a regra do quociente:

2Ax(x t x) 2(x t Ax)x 2 x t Ax

= = t A t x
x (x t x) 2 x x xx
igualando a zero essa derivada e dividindo-a por 2 ( x t x ) , obtido o sistema
homogneo de equaes:
x t Ax
A x = 0
xtx
x t Ax
Desde que = , 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

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
= B 0
x t Bx
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 Bx x t Ax
= Ax t Bx = (A B)x = 0 (2.50)
x 2 x Bx
O sistema homogneo de equaes (2.50) ter soluo no trivial
( x 0 ), se e somente se,
A B = 0 (2.51)
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:
B = SBSBt
Ento definindo-se z = SBt 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
SB1A SB1B ( SB1 ) z = 0

t
(2.52)
S1A ( S 1 t
) z = 0
B B

desde que SB1B ( SB1 ) =

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.

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:
A 2 = A 1 x1 x1t (2.53)
E assim o processo repetido at que um nmero rn de pares de
autovalores e autovetores sejam obtidos.

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.
(1) (0) 4 2 1 6
(i) v = Av = =
2 1 1 3
Normalizando v (1) :
(1) 66 1
v = 3 = 1
6 2
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.
4 2 1 5
(ii) 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 v (2) e o primeiro
autovalor 1, por 1 = x1t A x1 .
V (2) 0,8944
x = =
1
V (2)t V (2) 0, 4472
0,8944
1 = x1t A x1 = [ 4, 4721 2, 2361] =5
0, 4472
2. determinao de 2 e x 2
4 2 0,8944 0 0
A 2 = A 1x1 x1t = 5 [ 0,8944 0, 4472] =
2 1 0, 4472 0 0
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:
A = 1e1e1t + 2 e 2 e 2t + + n e n ent (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:

0,8507 0,5257
1 = 5, 2361 e1 = 2 = 0, 7639 e 2 =
0,5257 0,8507
Obtenha a decomposio espectral de A.
3, 7893 2,3417
1e1e1t =
2,3417 1, 4471
0, 2111 0,3416
2 e 2 e 2t =
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 c da origem
satisfazem a:
x t Ax = a11X12 + a 22 X 22 + 2a12 X1 X 2 = c 2
pela decomposio espectral de A, como no exemplo 2.8, tem-se:

A = 1e1e1t + 2 e 2 e 2t
x t Ax = 1 ( X t e1 ) + 2 ( X t e 2 )
2 2
Fazendo yi = x t ei , obtm-se: c 2 = 1 y12 + 2 y 22 que uma elipse, pois i>0. Verifica-
( )
2
se que x = c1 2 e1 satisfaz x t Ax = 1 c1 2 e1t e1 = c2 e x = c 2 2 e 2 fornece a
1 1 1
apropriada distncia na direo de e 2 . Portanto, os pontos de distncia c
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 c
.
i
x
2
e
2
e
1
-0,5
c
1
-0,5
c x
2 1
Figura 2.1. Pontos de distncia c constante da origem (1 < 2).

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
n
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 (2.55)
A 1 = P 1P t = ei eit
i =1 i
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.
n
A = i ei eit = P 2 P t
1 1
2
(2.56)
i =1
As suas propriedades so:
1. (A1/2)t= A1/2 (A1/2 simtrica)
2. A1/2A1/2=A
( )
1 n
= ei eit = P 2 P t
1 1
3. A 2 1
i
i =1
4. A1/2A-1/2=A-1/2A1/2= e 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:

0,8507 0,5257
1 = 5, 2361 e1 = 2 = 0, 7639 e 2 =
0,5257 0,8507
As matrizes P e foram obtidas pelos autovalores e autovetores, e
esto apresentadas a seguir:
0,8507 0,5257 5, 2361 0

P= =
0,5257 0,8507 0 0, 7639
0,8507 0,5257 1 5,2361 0 0,8507 0,5257 1 2 1 2

A 1 = P 1P t = =
0,5257 0,8507 0
1
0,7639 0,5257 0,8507 1 2 1
A 2 = P 2 P t =
1 1
0,8507 0,5257 5, 2361 0 0,8507 0,5257 1,8975 0, 6324

= =
0,5257 0,8507 0 0, 7639 0,5257 0,8507 0, 6324 1, 2649
A seguir, um programa SAS apresentado contendo os principais
comandos para a realizao das vrias operaes matriciais e vetoriais descritas
nesse captulo.
/* 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 */
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;
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).

2.2. Dada a matriz
1 1 0 0
1 1 0 0

X = 1 0 1 0

1 0 1 0
1 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 6 4 2
A = 2 2 0 B = 4 4 0
2 0 4 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

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.

(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 4, 001 4 4, 001
A= B=
4, 001 4, 002 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
Q = 2x12 2x1 x 2 + 4x 22
positiva definida.
Sugesto: Verificar se Q = x t Ax positiva, pode ser feita verificando se A pd.
2.8. Dada as matrizes

4 1 2 1
A= B=
1 2 1 1
(a) determine os autovalores e autovetores que maximizam a razo
x t Ax
= t B 0
x Bx
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 2
S=
2 4
(a) Determine R, dada D1/2, definida por:

S11 0 0

0 S22 0
D 2 =
1

0 0 Spp

( ) S (D )
1 1
Sendo R = D
1 1
2 2
(b) Verifique a relao
S= D( ) R (D )
1
2
1
2
||[ 3
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.

3.2. 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 x12 " x1k " x1 p

x x22 " x2 k " x2 p
21
# # # # # #
X =
# # # # % #

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.

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 ) 3 1
X = =
(1 + 0 + 2 ) 3 1
O primeiro ponto dado por X1t = [ 2 1] , o segundo por X 2t = [ 3 0] , e

o terceiro por X 3t = [ 2 2] . A Figura 3.1 mostra os pontos juntamente com X ,

centro de massa ou de balano, obtidos a partir da matriz X.
3 2
x3
2
_
x x1
1
x2
0 1
-4 -3 -2 -1 0 1 2 3 4
-1
-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.
x11 x12 " x1k " x1 p

x x22 " x2 k " x2 p
21
# # # # # #
X =
# # # # % #

= y1 y2 " yk " y p

As coordenadas do k-simo ponto y kt = [ x1k x 2k " x nk ]

determinada pela n-upla de todas as medidas da k-sima varivel. conveniente
representar y kt 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
y1t = [ 2 3 2] e y 2t = [1 0 2]

Y2
Y1
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.
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
mesmo ngulo de direo. Considerando o vetor y kt = [ x1k x 2k " x nk ] , cuja

projeo em 1 ( )
n 1 :

1 1
X jk
t
y
k 1 1=
n n
j=1
n
1
( )
1 = y kt 1 1 = X k 1
n
Pois, a projeo geral de X em Y dada por:

Xt Y
Proj ( X em Y ) = Y
Y

Dessa forma X k = ( )
1 t
y k 1 corresponde a um mltiplo de 1, obtido a
n
partir da projeo de y kt em um vetor 1 , de acordo com o esquema a seguir.

y k e k = y k X k 1

1 X k 1

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.
x3
1
_
_ x 11
x 21 e1
e2 Y1
Y2
x1
x2
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.

2 1
X = 3 0 y1t = [ 2 3 2] y 2t = [1 0 2]
3 2
2 + (3) + (2) 1+ 0 + 2
X1 = = 1 X2 = =1
3 3
1 1 1 1
X11 = 1 1 = 1 X 2 1 = 1 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.

3
( X 1 ) ( )
y1 X11 = [ 1 1 1] 2 = 3 + 2 + 1 = 0
t
1

1
A decomposio :
2 1 3 1 1 0
y1 = 3 = 1 + 2 ; e y 2 = 0 = 1 + 1 .
2 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
X1
X2
Figura 3.4. Vetores de desvios ei do exemplo 3.3.

Considere o comprimento ao quadrado dos vetores de desvios,
obtidos por (2.2):
n
| e k |2= e k . e k = ( x jk X k ) 2 (3.1)
j =1
Observa-se por (3.1) que o comprimento ao quadrado dos vetores de
desvios proporcional varincia da i-sima varivel. Equivalentemente, o

comprimento proporcional ao desvio padro. Vetores longos representam
maiores variabilidades que os vetores mais curtos.
Para dois vetores desvios e k e eA :

n
ekt eA = ( x jk X k )( x jA X A ) (3.2)
j =1
De (2.3) e denotando o ngulo ik como o ngulo formado pelos
vetores e k e e A , tem-se:

e kt eA
Cos ( kA ) = (3.3)
e kt e k eAt eA

Usando (3.1) e (3.2) fcil verificar que (3.3) :
SkA
rkA = Cos ( kA ) = (3.4)
Skk SAA
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

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 x12 " x1k " x1 p X 1t

x
21 x22 " x2 k " x2 p X 2t

# # # # # # #
X = = (3.5)
x j1 x j 2 " x jk " x jp X tj
#
# # # % # #

xn1 xn 2 " xnk " xnp X nt

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 ) = 1
n (Matriz de covarincia populacional dividida pelo tamanho da

amostra).
PROVA:
X =( X 1+ X 2+...+ X n)/n

E(X) = E ( n1 X1 + n1 X 2 + " + n1 X n )

= E ( n1 X1 ) + E ( n1 X 2 ) + " + E ( n1 X n )

1 1
= nE ( X j ) = n
n n
E(X) =

Para provar o valor da covarincia, pode-se observar que:
t
1 n 1 n
( ) ( ) ( X
n n
1
)( )
t
( X - ) ( X - ) = Xj
t
XA = 2 j XA
n j=1 n A =1 n j=1 A =1
Ento,
( )( ) E ( X )( )
n n
1
Cov ( X ) = E X X = 2
t t
j XA
n j=1 A =1
( )( )
t
Sendo j A e considerando que E X j X A igual a zero,

devido a covarincia entre os elementos independentes X j e X A ser nula, ento,

E ( X
n
1
Cov ( X ) = 2 )( )
t
j Xj
n j=1
( )( )
t
Desde que = E X j X j a covarincia populacional comum

dos componentes X j , tm-se:

E ( X )( )
n
1 1
Cov ( X ) = 2
t
j X j = 2 ( + + " + ) =
n j=1 n
1 1
= 2
(n) =
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 12 " S 1p
S S 22 " S 2p
S=
21
# # % #
S Sp2 " S pp
p1
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

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.

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,
n
L e1 = (X
j=1
j1 X1 ) 2 = (n 1)S11
n
L e2 = (X
j=1
j2 X 2 ) 2 = (n 1)S22
Cos()=r12
Portanto,
rea = (n 1) S11S22 (1 r122 ) (3.7)
Por outro lado,
S11 S21 S11 S11 S22 r12

S= =
S12 S22 S11 S22 r12 S22
(3.8)
= S11 S22 S11 S22 r12
2
= S11 S22 (1 r12
2
)
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.
(a) (b)
e3 e2
e2 e1 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

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 10 8 6 0
S= S= S=
8 10 8 10 0 6
8 8 0
r12 = = 0,8 r12 = = 0,8 r12 = = 0, 0
10 10 10 10 6 6
| S |= 36 | 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 2
(3.10)
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:
1 1 2
X 1 X t = [ e1 e2 e3 ] = 1 1 0

0 2 2
Verifica-se que e3t = e1t + e 2t , 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:
3 3 0 1 0 1
| S| = 1 ( 1) 2 + 0 ( 1) 3 + 1 ( 1) 4 =
3 4 3 4 3 3
= 131
. . + 0 + 1.( 3).1 = 3 3 = 0
e1
e2
e3
1 2
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.

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

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)
O 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
e3
e2 e1 e2 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:

|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:
4,935 0,552 2,921 100

, 0,30 0,31

S = 0,552 0,686 1932
, e R = 0,30 100
, 0,55
2,921 1932
, 17,993 0,31 0,55 100
,
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

37,387837,3828 (verificado, apesar da pequena diferena devido s
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
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.
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.
4
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.

4.2. 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.
4.3. Densidade normal multivariada e suas

propriedades
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:
1 ( x )
2
1
f (x) = e 2 2
x ]; + [ (4.1)
22
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.

0,683
0,954
2 + +2
Figura 4.1. Densidade normal univariada com mdia e varincia 2 ,
destacando-se as reas entre e 2 .
O expoente da funo de densidade normal univariada:
(x )
2
= ( x ) ( 2 )
1
( x ) (4.2)
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,

( X ) ( ) ( X )
t 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:
1
1
( ) ( )
t
f (X) = p 1
exp X
2 1 X (4.4)

( 2 ) 2 2
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 a t X =a1X1+a2X2+...+ apXp, ento, at X ter

distribuio N( a t , a t a );

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
i) Fazendo a t X = [1 0 " 0] = X1 a propriedade 2 se torna evidente. Assim,
2
#

X p
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 + ... a1p X p

q A p p X1 = # % # ~ N q ( A; AA ')

a q1 X1 + ... a qp X p

iii) Todos os subconjuntos de X tem distribuio normal (multivariada)

q X1 X1
Tomando-se uma partio: X
p 1 = = e suas correspondentes
(p q) X1 X2

parties no vetor de mdia e de covarincia, dadas por:
q 1 1 q 11q 12( pq )
= = =
q
p 1 e
(p q) 1 2 ( pq ) 21q ( p q )
22 ( p q )

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).

q X1 X1
Dada a partio p 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 + 12 221 x 2 2 e c = 11 12 221 21
4.4. Distribuio normal bivariada
Sejam X1 e X2 duas variveis com parmetros E(X1)=1, E(X2)=2,
12
Var(X1)=11, Var(X2)=22 e 12 = = Corr( X1 , X 2 ) . A matriz de covarincia
11 22
12
= 11
21 22
Cuja inversa ,
1 22 12
1 =
11 22 21
2
12 11
Fazendo 12 = 12 11 22 , obtm-se
= 11 22 122 = 11 22 (1 122 ) , e a distncia generalizada de (4.3) ser:
1 22 12 11 22 X1 1
[X1 1 X2 2] =
11 22 (1 12 ) X 2 2
2
12 11 22 11
(4.5)
1 2 2 X1 1 X 2 2
= X1 1 + X 2 2
212
1 12
2
11 22

11 22
Desde que, ||=11 22 - (12)2 = 11 22 (1- 122 ), podem ser
substitudos -1 e || em (4.4) para se ter a expresso da densidade normal
bivariada, apresentada a seguir.

1
f(x1 ,x2 ) =
2 1122 (1 122 )
(4.6)
2 2
X1 1 X2 2
1 X1 1 X2 2
exp + 212

2(1 12 ) 11
2
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.

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.

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
( ) ( ) ( X )
t 1
em superfcies cujas distncias quadrticas X so constantes.

Esses padres so chamados de contornos ou curvas de nvel.
( ) ( ) ( X ) =c
t 1 2
Contornos={todo X tal que X } (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

( X ) ( ) ( X ) =c
t 1 2
elipside centrada em e tem eixos na direo de

c i
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
= ( 11 i ) 122 = 0
2
12 11 i
= ( i 11 12 )( i 11 + 12 ) = 0
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 e1
e = (11 + 12 ) e
12 11 2 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 :
1
2
e1 =
1
2
De forma similar foi obtido o segundo autovetor, o qual :
1
2
e1 =
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 v 11 + 12
cv - 12
2
11
Figura 4.4. Curva de nvel de densidade constante para a distribuio normal
bivariada com 11 = 22 e 12 > 0 .
Anderson (1984) demonstra que a escolha de c2= p2 (), em que
p2 () o percentil (100) superior da distribuio de qui-quadrado com p graus de

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
1
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.

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

x 11 x 12
" x
1p

x x " x
2p
X = 21 22

n p
# # % #
" x np
x n1 x n2
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

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,
(np2)/2 tr(S 1)/2

S e
wn1(S/ ) = p
(4.9)
[ (n i)]
p(n1)/2 p(p1)/4 (n1)/2
2 1
2
i=1
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
( ) ( )
t
n X 1 X se distribui aproximadamente como p2 para n - p grande.

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
X
z= (4.10)

n
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 ) (4.11)
1 G se z > 0
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 );
1
= ;
1 + 0,2316418| z|
z2
(z) = (2 ) 2 e
1 2
;
a1=0,319381530
a2=-0,356563782
a3=1,781477937
a4=-1,821255978
a5=1,330274429
4.6. Distribuies amostral derivada da distribuio

normal multivariada
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

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.
(21)
lim F(1 , 2 ) =
2 1
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) = Z' Z = z12 + z22 +...+ z2 (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.
1

P(2 / ) = t ( 2 )1e 2 dt
t
(4.13)
2 ( 2) 0
2
A funo de distribuio (4.13) pode ser aproximada para aplicaes
em computadores pela srie convergente apresentada a seguir.
e n
P( / ) =
2
(4.14)
n=0 ( + n +1)
1 1
quando < max( ,13) , e caso contrrio pela expanso assinttica:
2 2
1 (1)(2)
P( / ) 1e 1+ +
2
+... (4.15)
2
Os valores de ( a) podem ser obtidos pela frmula de Stirling:
1 1 139 571
(a) =(a1)!eaaa1/2(2)1/2 1+ + 2 (4.16)
12a 288a 51840a 2488320a
3 4
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 2 2 2 1 como um desvio normal
unitrio.
Razo entre independentes 2 (F de Fisher)
Sejam 12 e 22 , dois 2 independentes com 1 e 2 graus de liberdade,
respectivamente. Ento,
12 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:
xa (1 x)b B(a +1, n +1) n+1

Ix (a, b) = 1+ x (4.17)
aB(a, b) n=0B(a + b, n +1)
( a )( b )
em que, B( a, b ) =
( a + b )
Ento,
2 1
P( F, 1 , 2 ) = 1 I x ( , )
2 2
2
em que, x =
2 + 1 F
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

( ) ( )
t
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

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 .
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 [ i ii ; i + ii ] e probabilidade de 0,954 para o intervalo
[ i ]
2 ii ; i + 2 ii (Figura 4.1). Consequentemente, para grandes amostras de
tamanho n, esperado que a proporo de P i1 observaes contidas no intervalo
[X i s ii ; X i + s ii ] seja de cerca de 0,683, e de forma semelhante, espera-se
[
que a proporo P i2 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 P i , ento se
0,683 0,317 1,396

| P i1 0,683 | > 3 =
n n
0,954 0,046 0,628

| P i 2 0,954 | > 3 =
n n
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)):

q( j )
j 12

2
= 1
2
e z /2
dz (4.18)
n
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:
1) ordenar a amostra: x(1), x(2), ..., x(n) e obter os seus valores correspondentes de
probabilidade acumulada (j-)/n.
j x(j) (j-)/n q(j)
1 0,46 0,05 -1,645

2 1,79 0,15 -1,036
3 2,06 0,25 -0,675
4 2,91 0,35 -0,385
5 3,30 0,45 -0,126
6 3,74 0,55 0,126
7 4,02 0,65 0,385
8 4,59 0,75 0,675
9 4,79 0,85 1,036
10* 8,65 0,95 1,645
2) calcular os percentis da distribuio normal padro.
q(1)
j 12 1 12

2
Ex. Para a observao 1 tem-se: = = 0, 05 = 1
2
e z /2
dz
n 10
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
10
Q-Q Plot
Outlier
8
6
X(j)
0
-2 -1 0 1 2
Q(j)
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

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.
(x ) (q )
n
( j) x ( j) q
j=1
rQ = (4.19)
2 2
(x ) (q )
n n
( j) x ( j) q
j=1 j=1
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).

Tabela 4.1. Valores crticos para o teste para normalidade baseado no coeficiente
de correlao Q-Q plot.
Tamanho amostral Nvel de significncia ()
n 0,01 0,05 0,10
5 0,8299 0,8788 0,9032

10 0,8801 0,9198 0,9351
15 0,9126 0,9389 0,9503
20 0,9269 0,9508 0,9604
25 0,9410 0,9591 0,9665
30 0,9479 0,9652 0,9715
40 0,9599 0,9726 0,9771
50 0,9671 0,9768 0,9809
60 0,9720 0,9801 0,9836
75 0,9771 0,9838 0,9866
100 0,9822 0,9873 0,9895
150 0,9879 0,9913 0,9928
200 0,9905 0,9931 0,9942
300 0,9935 0,9953 0,9960
Fonte: Johnson & Wichern (1998)
Exemplo 4.1 (continuao)
Calculando a correlao amostral, atravs de (4.19), obteve-se:
18, 77109
rQ = = 0,9523
44,15849 8, 798094
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.
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
2
n
n
Xj
X2j
j=1
j=1 n
Sn = (4.20)
n
3) Obter as probabilidades normais acumuladas utilizando (4.11) ou tabelas da
distribuio normal, atravs de:
Xj X
Zj =
Sn
Pj=(Zj)
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 x(j) pj = (j-)/n Pj
1 0,46 0,05 0,066

2 1,79 0,15 0,189
3 2,06 0,25 0,227
4 2,91 0,35 0,367
5 3,30 0,45 0,436
6 3,74 0,55 0,520
7 4,02 0,65 0,575
8 4,59 0,75 0,677
9 4,79 0,85 0,709
10* 8,65 0,95 0,992
Na Figura 4.8 esto plotados os pontos Pj (abcissa) contra pj (na
ordenada).
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.

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.
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
m
n
x rj (4.21)
r
n j=1
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
2 = m ~2 (4.23)
2 1
Assimetria ~ ~ 3m
3 = m ~ m ~ + 2m
~3 (4.24)
3 1 2 1
Curtose 4 = m
4 4 m 3 + 6m
1 m 2 3m
12 m 14 (4.25)
Os valores amostrais de o coeficiente de assimetria e curtose so,
respectivamente:
~
3
b1 = (4.26)
~
2 ~
2
~

b 2 = ~ 42 (4.27)
2
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.

x x2 x3 x4
0,46 0,2116 0,0973 0,0448

1,79 3,2041 5,7353 10,2663
2,06 4,2436 8,7418 18,0081
2,91 8,4681 24,6422 71,7087
3,30 10,8900 35,9370 118,5921
3,74 13,9876 52,3136 195,6530
4,02 16,1604 64,9648 261,1585
4,59 21,0681 96,7026 443,8648
4,79 22,9441 109,9022 526,4317
8,65 74,8225 647,2146 5598,4070
36,31 176,0001 1046,2520 7244,1350
Tm-se:
~ =36,31/10=3,631
m 1
~ =176,0001/10=17,6000
m 2
~ =1046,2520/10=104,6252
m 3
~ =7244,135/10=724,4135
m 4
~ = 3,631
1
~ = 17,6 - (3,631)2 = 4,4158

2
~ = 104,6252 - 3 x 3,631 x 17,6 + 2 x (3,631)3 = 8,6518

3
~ = 724,4135 - 4 x 3,631 x 104,6252 + 6 x (3,631)2 x 17,6 - 3 x (3,631)4 = 75,6182

4
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,
significativamente. Em grandes amostras, os valores crticos de b 1 podem ser
obtidos com boa aproximao usando como desvio da normal padro a estatstica:
(n + 1)(n + 3)
Z1 = b1 (4.28)
6(n 2)
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)

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 + (4.29)
n +1 24n(n 2) (n 3)
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.
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.

Exemplo 4.4
1) Calcular a distncia quadrada generalizada amostral d(j) de cada observao
em relao mdia amostral, dada por:
d 2j = (x j x) 'S1 (x j x) , j=1, 2, ..., n

Os valores da mdia e da matriz de covarincia amostrais foram
apresentados no exemplo 1.2, e so:
100 333,333 20,000

X= e S=
9 20,000 6,667
A matriz inversa de S :
0,0037 0,0110
S 1 =
0,0110 0,1829
A distncia generalizada para primeira observao :
0, 0037 0, 0110 80 100

d12 = [80 100 10 9] = 2, 0853
0, 0110 0,1829 10 9
E assim sucessivamente, para as demais observaes:

d 22 = 1,7926; d 32 = 1,3536 e d 24 = 0,7683.
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)= 2p ((j-)/n), da distribuio de qui-quadrado. Estes percentis dependem da
inversa da funo de distribuio de qui-quadrado, e podem ser obtidos em vrios
softwares estatsticos.
J d (2j) (j-)/n q(j)
1 0,7683 0,125 0,2671

2 1,3536 0,375 0,9400
3 1,7926 0,625 2,2479
4 2,0853 0,875 4,1589
4) Plotar ( d (2j) ; q(j)) e examinar os resultados

2
q(j)
0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2

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:

{( )}
3
) (
t
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
) (
t
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:
n n
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 ) Sn1 ( X X) e
t
j di = gi i

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,
n 1,p
k1 =
6
segue a distribuio de 2 com p(p+1)(p+2)/6 graus de liberdade, e
k2 =
{ 2 ,p 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:

Obs Reais Vendas

1 80 10
2 120 12
3 90 6
4 110 8
As estatsticas amostrais so:
100 250 15 1 0,004878 0,014634 1 5 15

X = Sn = Sn = ou S n1 =
9 15 5 0,014634 0,243902 1025 15 250
Os desvios de cada observao da mdia amostral ( i ):

1. 1t = [ 20 1] 2. 2t = [ 20 3] 3. 3t = [ 10 3] 4. 4t = [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]Sn1 = 2,7805
1
20
Para i=1 e j=2, g1 2 = [ 20 1] Sn1 = 0, 6341
3
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
3
+ 2(0, 6341)3 + " + 1, 02443 )
=1,2766
16
ento,
n 1, 2 4 1,2766
k1 = = = 0,8511
6 6
Como k1 2 com p(p+1)(p+2)/6=4 graus de liberdade, e sabendo
que 02,05; 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
n i =1 4
(
2,p = g i i = 2,7805 + 2,3902 + 1,8049 + 1,0244 =
2 2 2 2 17,7513
4
= 4,4378 )
em seguida, estima-se o valor estimado da normal (0, 1):
4, 4378 2(2 + 2) 3,5621

k2 = 1
= = 0,8905
8 2 4 2 4

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; Proc IML;

Input Reais Vendas; use FR;
cards; read next 4 into X; /* lendo n observacoes dentro de X */
80 10 n=nrow(X);p=ncol(X);
120 12 dfchi=p*(p+1)*(p+2)/6; /*definindo GL para B1,p */
90 6 q=i(n) - (1/n)*j(n,n,1); /* criando q=I-1/nJ, auxiliar */
110 8 S=(1/n)*x`*q*x; /* matriz de covariancias viesada */
; S_inv=inv(S); /* inversa de S */
Proc Calis data=FR Kurtosis; print s s_inv;
Title1 j=1 "Uso do Calis para testar a g=q*x*s_inv*x`*q; /* matriz com gij */
normalidade"; print g;
Title2 "pela Curtose de Mardia"; beta1=(sum(g#g#g))/(n*n); /*produto elem. a elem. E sua soma/n^2 */
Lineqs beta2=trace(g#g)/n; /* idem com tomada do traco/n */
Reais=e1, print beta1 beta2;
vendas=e2; k1=n*beta1/6; /* definindo k1 e k2, transformacoes de b1,p e b2,p */
std k2=(beta2-p*(p+2))/sqrt(8*p*(p+2)/n);
e1=eps1, e2=eps2; pvalskew=1-probchi(k1,dfchi); /* calculo dos p_values respectivos */
Cov pvalkurt=2*(1-probnorm(abs(k2)));
e1=eps1, e2=eps2; print k1 pvalskew;
Run; print k2 pvalkurt;
Quit; /* abandonando IML */
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;
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 ( P i ) de distncias que pertencem a elipse, e comparando com a
estatstica abaixo.
0,5 0,5 1,5

| P i 0,5 | > 3 =
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.

Temperatura Umidade Relativa (%) Precipitao (mm)
22,7 64,1 7,9

23,7 56,1 1,5
24,3 54,9 0,0
24,4 58,2 0,0
24,5 62,8 8,7
25,2 70,3 22,5
25,5 75,2 57,0
24,7 81,4 75,7
24,3 79,3 123,2
24,7 74,6 124,4
24,9 78,0 148,0
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

||[ 5
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.

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 n
e S2 =
1 n
(Xj X)2 .
S n j=1 j
n 1 j=1
n
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
t2 = n(X0)(S2)1 (X0) tn21( 2) (5.1)
em que, t n2 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
S S
X t n 1 ( / 2 ) 0 X + t n 1 ( / 2 ) (5.2)
n n
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

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
T 2 = n X 0 S1 X 0 (5.3)

em que,
01

1 n 1 n 02
X = Xj , S = ( X j X )( X j X ) e 0 =
t
n j=1 n 1 j=1 #

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:
(n 1)p
T2 ser distribuda como Fp,n p (5.4)
np
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:
p
T 2 = Fp,+1 p (5.5)
+1 p
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
(n 1)p
( ) ( )
t
T 2 = n X 0 S1 X 0 > Fp,n p () (5.6)
np
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.

11 2
X = 10 4
9 3
Teste a hiptese de que 0t =[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,
1 4 2
S1 =
3 2 4
E o valor de T2 ser obtido da seguinte forma:
1 4 2 10 9
T 2 = 3 [10 9 3 2] = 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

(n 1)p 4
F2,1 = 199,5 = 798,0 .
np 1
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
0t = [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:

(n 1)p
( ) ( )
t
P n X S1 X Fp,n p () (5.8)
np
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 a 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
p(n 1)
( ) ( )
t
n X S1 X c2 = Fp,np ()
n p
so determinados por
i c
= i [p(n 1)Fp,n p ()]/[n(n p)] unidades ao longo de ei .
n
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
se o ponto 0t =(13, 4) pertence a mesma.

10 1,0 0,5 1 1 4 2
X = , S= e S =
3 0,5 1,0 3 2 4
Os autovalores e autovetores de S, so:
1 = 1,5 e1t = [ 0, 707107 0, 707107 ]

2 = 0,5 e 2t = [ 0, 707107 0, 707107 ]

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
Para verificar se o ponto 0t =(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.

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.
Verificar se o ponto 0t = (16,89 8, 76 109, 23) pertence a regio de confiana (ponto

referente a cultivar Achat). Traar a regio de confiana.
Clones Produo Produo de Peso mdio de

comercial tubrculos grados tubrculos grados
1 47,82 40,40 146,30
2 42,40 26,96 94,58
3 41,82 27,33 143,66
4 40,77 21,81 127,29
5 40,27 33,06 115,17
6 39,84 22,31 99,32
7 38,36 32,81 150,13
8 38,15 26,02 131,17
9 37,55 21,69 152,04
10 36,19 25,65 154,83
11 36,15 23,46 95,43
12 35,17 25,29 105,97
13 34,90 22,92 113,59
14 34,57 16,25 86,39
15 34,15 21,75 119,50
Fonte: Moment, 1994
O vetor de mdias e a matriz de covarincia amostrais so:
38,541 13,8195 15,8284 24,7250

X = 25,854 S = 15,8284 34,8769 63,0215

122,358 24,7250 63,0215 540,1553
Os autovalores e autovetores de S so:
1 = 549, 208 e1t = (0, 049 0,123 0,991)

2 = 34, 460 e 2t = (0,500 0,856 0,131)

3 = 5,185 e3t = (0,865 0,502 0, 019)

A regio de confiana fica determinada por:
p(n 1)
n(X ) t S1 (X ) c 2 = Fp,n p ()
np
0,15149 Sim. 38,541 1

15 [38,541 1 25,854 2
122,358 3 ] 0, 07124 0, 06983 25,854
2
0, 00138 0, 00489 0, 002358 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
Para verificar se o ponto 0t = (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.
x3
x1
x2
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
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,
A t X = A1 X1 + A 2 X 2 + " + A p X p

cuja distribuio amostral possui estimador da covarincia dado por:
A t SA

n
Dessa forma poderia se pensar em se obter intervalos de confiana
de 95% baseados na distribuio de t-student,
A t SA
A X t n 1 ( / 2)
t
(5.9)
n
O intervalo da expresso (5.9) pode ser interpretado como intervalos
sobre componentes do vetor de mdia, assim, por exemplo, fazendo-se
A 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 A . No entanto o coeficiente de confiana para

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)
At X Fp,n p ( )A t SA (5.10)
n(n p)
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 :
Sii
Xi tn1(2m

) i =1,2,...,p = m (5.11)
n
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
p(n 1) S
IC1 (0,95) = X1 Fp,n p () 11
np n
2(3 1) 1
IC1 (0,95) = 10 199,5
32 3
IC1 (0,95) = 10 16,31 = [6,31; 26,31]
2(3 1) 1
IC2 (0,95) = 3 199,5
3 2 3
IC2 (0,95) = 3 16,31 = [13,31; 19,31]

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,
1
IC1 (0,95) = 10 6, 21
3
IC1 (0,95) = [6, 41; 13,59]
1
IC2 (0,95) = 3 6, 21
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.

3. Intervalo t de Student
Neste caso /2=0,025 e o valor de t-student correspondente com 2
GL 4,30. Ento,
1
IC1 (0,95) = 10 4,30
3
IC1 (0,95) = [7,52; 12, 48]
1
IC2 (0,95) = 3 4,30
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.
5.4. Inferncias sobre propores de grandes

amostras
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 p1 (1 p1 ) p1 p 2 " p1 p q
p p p p 2 (1 p 2 ) " p 2 p q 1
1
E(p) =
2
=
e Cov(p)
2 1
= .
# n # # % # n

p q p q p1 pq p 2 " 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 A t p .

Para uma amostra de tamanho n, considerando q categorias da
distribuio multinomial, o intervalo aproximado de confiana simultneo de
100(1-)%, para qualquer combinao A t p = A1p1 + A 2 p 2 + ... + A q p q , dado por:

A t A
A t p q2 1 () (5.12)
n
garantindo que n-1-q seja grande. Segundo Johnson e Wichern (1988), o valor
grande de n-q-1, significa que np k 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 Ninfa mvel Ninfa fmea Ninfa macho Total

5 11 15 4 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:

0,1429 0,1225 Sim.

0,3143 0,0449 0, 2155
p =
e =
0, 4286 0,0612 0,1347 0, 2449

0,1142 0,0163 0,0359 0,0489 0,1012
O valor de 32 (0, 05) 7,815, e os intervalos so:
0,1225
p1 : 0,1429 7,815 = 0,1429 0,1654 = [0,0225; 0,3083]
35
0, 2155
p 2 : 0,3143 7,815 = [0,0949; 0,5337]
35
0, 2449
p3 : 0, 4286 7,815 = [0,1948; 0,6624]
35
0,1012
p 4 : 0,1142 7,815 = [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

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(, 2D ), a varivel
D
t= (5.14)
SD
n
segue a distribuio de t-student com n-1 graus de liberdade, em que:

n
2

1
Dj

1 n 1 n
( )
n
D 2j
2
Dj e Dj D
2 j=1
D=
n j=1 SD = n 1 j=1
=
n 1 n (5.15)
j=1

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.
SD
D t n 1 ( / 2) (5.16)
n
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

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
p(n 1)
T 2 = n ( D 0 ) Sd1 ( D 0 ) >
t
Fp,n p () (5.17)
(n p)
em que,
1 n 1 n
D = Dj ( D j D )( D j D )
t
e SD =
n j=1 n 1 j=1
A regio de confiana de 100(1-)% para consiste em todos os

valores de tais que

p(n 1)
T 2 = n(D ) t SD1 (D ) Fp,n p ( ) (5.18)
(n p)
Os intervalos de confiana simultneos 100(1-)% para as diferenas
de mdias individuais i so dados por:
p(n 1) SD(ii)
ICi (1 ) : Di Fp,n p () (5.19)
(n p) n
em que, Di o i-simo elemento de D e SD(ii) i-simo elemento da diagonal de

SD.
Para n-p grande, [(n-1)p/(n-p)]Fp,n-p() p2 () , 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 (5.20)
2p n
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 Aps
X1j1 X1j2 X2j2 X2j2
10 80 13 90
11 80 15 92
9 60 16 88
8 60 19 90
A hiptese a ser testada :
0
H0 : = 0 =
0
As diferenas foram obtidas e so dadas por:
Dj1 Dj2
3 10
4 12
7 28
11 30
As estimativas amostrais so:

6, 25 12,9167 34, 6667

D= e SD =
20, 00 34, 6667 109,3333
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:
2(4 1) 12,9167
IC1 (0,95) : D1 F2,4 2 (0, 05) = 6, 25 13,57 = [ 7,32;19,82]
(4 2) 4
2(4 1) 109,3333
IC2 (0,95) : D 2 F2,4 2 (0, 05) = 20 39, 47 = [ 19, 47; 59, 47 ]
(4 2) 4
5.6. Comparaes de vetores mdias de duas

populaes
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 Estatsticas amostrais

(Populao 1) 1 n1
1 n1
X1 = X1j ( X1j X1 )( X1j X )
t
X11 , X12 , ..., X1n1 S1 =
n1 j=1 n1 1 j=1
(Populao 2) 1 n2 1 n2 t
X 21 , X 22 , ..., X 2n 2 X

2 = X2 j
n 2 j=1
S2 = (
n 2 1 j=1
X 2 j X 2 )( X 2 j X 2 )

Subscritos 1 e 2, denotam a populao.
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:
(n1 1)S1 + (n2 1)S2

Sp = (5.21)
n1 + n2 2
Para se testar a hiptese H 0 : 1 2 = 0 , considera-se os seguintes

resultados:
(

)
E X1 X 2 = 1 2

(5.22)
1 1

(
)
Cov X1 X 2 = + (5.23)
n1 n 2
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 1 (n1 + n 2 2)p
T = [X1 X 2 0 ] + Sp [X1 X 2 0 ] >
2 t
Fp,n + n p 1 ( )
n1 n 2 (n1 + n 2 p 1) 1 2
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 B
Produtividade Altura da planta Produtividade Altura da planta
5,7 2,10 4,4 1,80
8,9 1,90 7,5 1,75
6,2 1,98 5,4 1,78
5,8 1,92 4,6 1,89
6,8 2,00 5,9 1,90
6,2 2,01
As estatsticas amostrais so:
6,57 1, 4587 0,0514

X1 = , S1 =
1,99 0,0514 0,0051
5,56 1,5430 0,0366

X2 = , S2 =
1,82 0,0366 0,0045
A matriz de varincia e covarincia amostral combinada :
1, 4962 0,0448
Sp =
0,0448 0,0048
Os autovalores e autovetores de Sp so:
1 = 1, 4975 e1t = [ 0,9995 0, 0300]

2 = 0, 0035 e 2t = [ 0, 0300 0,9995]

O valor de F2,8(0,05)=4,459. A regio de confiana dada por:
1
1 1 (n1 + n 2 2)p
T = [X1 X 2 0 ] + Sp [X1 X 2 0 ]
2 t
Fp,n + n p 1 ( )
n1 n 2 (n1 + n 2 p 1) 1 2
21
em que, 0 = 1 = 11
2 12 22
Desta forma com os valores amostrais, tem-se:
30 0,9276 8,6575 1,01 1

[1,01 1 0,17 2 ] 10,0328
11 8,6575 289,1364 0,17 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:
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.
Intervalos de confiana simultneos
Para desenvolver intervalos de confiana simultneos para um
componente de 1 2 , adota-se o vetor A tal que a combinao A t ( 1 2 ), ser

abrangida com probabilidade 1-, para qualquer escolha de A , por

(n1 + n 2 2)p 1 1
A t ( X1 X 2 ) Fp,n1 + n 2 p 1 () + A tSp A (5.24)
n1 + n 2 p 1 n1 n 2
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 (5.25)
2p n1 n 2
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

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 1
[X1 X 2 0 ] S1 + S2 [X1 X 2 0 ] p2 ()
t
(5.26)
n1 n2
O intervalo de confiana simultneo aproximado dado por:
1 1
A t ( X1 X 2 ) p2 ( ) A t S1 + S2 A (5.27)
n1 n2
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.

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.

n1 n2
n 1 1
Z j = X1j 1 X 2 j +
n2 n 1n 2
X2 j
j=1 n2
X
k =1
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 SZ1Z (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:

1
2 1 1
T = [X1 X 2 ] S1 + S2 [X1 X 2 ] ~ p2
t
(5.30)
n1 n2
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).
2p ( ) ( A + B 2p ( ) ) (5.31)
em que 2p () o quantil superior da distribuio de qui-quadrado e A e B so
dados em (5.32) e (5.33).
1 2 1 1 Si
2

A = 1+ tr Se (5.32)
2p i =1 n i 1 ni

1 1 Si 1 Si
2 2
2
1
B= tr 2 Se
2p(p + 2) i =1 n i 1
+ tr Se
ni

ni
(5.33)

em que:
S1 S2
Se = + (5.34)
n1 n 2
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 2 1 t 1 S
2
( X1 X 2 ) Se Se ( X1 X 2 )
1
=
i
(5.35)
( T 2 ) 2 i =1 n i 1 ni

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:
T 2
Fc = (5.36)
C
2D + 6D
C = p (5.37)
p(p 1) + 2
{ }
2
1 tr ( I V 1V )2 + tr ( I V 1V ) 2
D= (5.38)
i =1 2(n i 1)
i
i
p(p + 2)
= (5.39)
3D
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
= (5.40)
1 S1 S1 1 S2 S2
2 2 2 2
tr + tr + tr + tr
n1 1 n1 n 1 n 2 1 n 2 n 2

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.
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:
S
qt 1 q
n
d= 1
S
qt 2 q
n2
A maximizao desse par de formas quadrticas resulta na soluo
do sistema de equaes homogneas dado por (5.41).
S1 S2
dk qk = 0 (5.41)
n1 n2
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 " q p . A partir dessas

matrizes definem-se as seguintes quantidades:
w = Q t ( X1 X 2 ) (5.42)

1
p 2p
r = dk (5.43)
k =1
dk + 1
Ak = (5.44)
( )
2
dk + r
A 2
k
c= k =1
p
(5.45)
Ak =1
k
2
p
Ak
f = p
k =1
(5.46)
A2k k =1
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 + rI ) w
1 1/ 2 1
(5.47)

( p + 1)G
Fc = (5.48)
cf
2 2
1 1 w t D(D + I) 2 w 1 w t (D + I) 2 w
= + (5.49)
n1 1 w t (D + I) 1 w n 2 1 w t (D + I) 1 w

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
2

j=1 n j 1 n k 6(p + 1)(k 1)
c

(5.50)
k
( n j 1) ln S j (n k) ln Sp
j=1
em que: Sj o estimador no viesado da covarincia da sub-populao j, baseado
k
em nj observaes multivariadas de dimenso p; n = n j ; j=1, 2, ..., k, e
j=1
(n
j=1
j 1) S j
Sp =
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 = com n2=15
0, 44700 0, 47600 0, 73786 1,54828
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

Logo,
1 1 1 2 22 + 3 2 1
c2 = 1 +
10 14 24 6 3 1
(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
1% da distribuio de qui-quadrado so 32 (0, 05) = 7,8147 e 32 (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.

11 2
10 4
X =
9 3

10 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.

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 Aps
Peso Teor de protena Peso Teor de protena
(%) (%)
250 10 280 12
300 12 320 16
350 13 360 13
320 15 380 18
400 9 410 15
320 11 350 12
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 B
Produtividade Altura da planta Produtividade Altura da planta
5,7 2,10 4,4 1,80
8,9 1,90 7,5 1,75
6,2 1,98 5,4 1,78
5,8 1,92 4,6 1,89
6,8 2,00 5,9 1,90
6,2 2,01
||[ 6
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
(Student, 1908).
As 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.

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

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, ", n i (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

g
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:

Xi j = X.. + (X i. X.. ) + (X i j X i. )

Observao Estimativa da Estimativa do resduo (6.2)
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) = SQP tratamentos + SQP resduo
total corrigido
g ni
( X )( )
t
ij X.. X i j X.. =
i =1 j=1
(6.3)
g g ni
= n i ( X i. X.. )( X i. X.. ) + X i j X i. ( )( X )
t t
ij X i.
i =1 i =1 j=1
A soma de quadrados e produtos do resduo pode ser expressa por:
g ni
( )( )
t
E = X i j X i. X i j X i. = (n1 1)S1 + (n 2 1)S2 + ... + (n g 1)Sg (6.4)
i =1 j=1
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)

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 GL Matriz de SQP
Tratamento g-1 g
( )( )
t
B = n i X i. X.. X i. X..
i =1
Resduo g g ni
= ni g ( )( )
t
E = X i j X i. X i j X i.
i =1 j=1
i =1
Total corrigido g g ni
n ( )( )
t
i 1 B + E = X i j X.. X i j X..
i =1 j=1
i =1
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:

( 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.
Tabela 6.2. Estatsticas multivariadas e suas equivalncia aproximada com a
distribuio F.
Critrio Estatstica Aproximao F GL de F

Wilks
|E| 1 1 1t rt 2f v1=pq
= = F = 1
|H+E| k 1+k t pq
v2=rt-2f
Trao de Pillai
V 2n + s + 1 v1=s(2m+s+1)
V = tr[H(H + E)1] = k F=
s V 2m + s + 1
1+k
v2=s(2n+s+1)
Trao de
Hotelling U = tr(HE1) = k F=
2(sn +1)U v1=s(2m+s+1)
Lawley s (2m + s +1)
2
v2=2(sn+1)
Raz mxima
= 1 ( d + q) v1=d
de Roy F=
d
v2= d + q
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
Se p 2 + q 2 5 > 0
t = p2 + q 2 5

1 cc
Obs. Critrio de Wilks possui aproximao exata de F se
min(p,q)2
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 B C D
P NGV P NGV P NGV P NGV
1082 4,66 1163 5,52 1544 5,18 1644 5,45
1070 4,50 1100 5,30 1500 5,10 1600 5,18
1180 4,30 1200 5,42 1550 5,20 1680 5,18
1050 4,70 1190 5,62 1600 5,30 1700 5,40
1080 4,60 1170 5,70 1540 5,12 1704 5,50
5462 22,76 5823 27,56 7734 25,90 8328 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 2. = X 3. = X 4. =
4,552 5,512 5,180 5,342
E a mdia geral:
1367,35000
X.. =
5,1465
A matriz B obtida por:
1092, 400 1367,3500

B = 5 5,512
{ }
[1092, 400 4,552] [1367,3500 5,1465] +"+
4,552
1665,600 1367,3500
+ 5 5,512
{
[1665, 600 5,512] [1367,3500 5,1465]}
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,
2
g
X i.k X2
SQBkk = g ..k (6.6)
ni
i =1
ni
i =1
representa a soma de quadrados de tratamento para o i-simo componente, e
g
X i.k X i.A X..A X..k
SPBkA = g (6.7)
ni
i =1
ni
i =1
representa a soma de produtos de tratamento entre as variveis k e A , com
k A =1, 2, ..., p.
Para o total as SQ e SP so:
2
g ni
SQTkk = X ijk
2 Xg
..k
(6.8)
i =1 j=1
n
i =1
i
g ni
SPTkA = X ijk X ijA X X ..k
g
..A
(6.9)
i =1 j=1
n i =1
i
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:

FV GL SQ&P
1189302,1500 768, 3605
Tratamento 3 B=
768, 3605 2, 6318
Erro 16 29058, 4000 9, 9040

E=
9, 9040 0, 3199
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

de formas quadrticas e kt Be k e e kt 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:
1 = 41,3463 e1t = [ 0, 0058 0,1952]

2 = 6, 6781 e 2t = [ 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

autovetores, no caso da maximizao da razo entre duas formas quadrticas,
so normalizados da seguinte forma: e kt Ee k = 1 e e kt EeA = 0 (k A) , 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 Estatstica F G.L. Pr>F

Wilks =0,0030756 85,16 v1=6 e v2=30 0,0001
Trao de Pillai V=1,846145 64,00 v1=6 e v2=32 0,0001
Trao de Hotelling
Lawley U=48,0244 112,06 v1=6 e v2=28 0,0001
Raz mxima de =41,3463 220,51 v1=3 e v2=16 0,0001
Roy
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.

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 (6.12)
nh ni
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 + (6.13)
pg(g 1) n h n i
para todos os k = 1, 2, ..., p e todas as diferenas h < i = 1, 2, ..., g .

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.
||[ 7
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

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 X p amostrado de uma
populao com covarincia , cujos autovalores so 12p0, ento, os

componentes principais (Y1, Y2,,Yp) so as combinaes lineares dadas por
(7.1)
Y1 = e1t X = e11X1 + e12 X 2 + ... + e1p X p

Y2 = e 2t X = e 21X1 + e 22 X 2 + ... + e 2p X p
(7.1)
Yp = e pt 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)
Cov(Yi , Yk ) = Cov ( eit X,e kt 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

e t e
restritos ao comprimento unitrio. Seja a forma quadrtica dada por = , ento
et e
o seu mximo obtido pela resoluo da equao (7.5).
( 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:
p p
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

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,
p p
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).
k
%VarExp(Yk ) = p
100 (7.8)
i
i =1
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

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)
eik i
Yi ,Xk = , i, k = 1, 2,..., p (7.9)
kk
Demonstrao: Para demonstrar (7.9), primeiro apresentada a definio do
coeficiente de correlao. Posteriormente, foi avaliado cada termo dessa
expresso individualmente.
Cov ( Yi , X k )
Yi ,Xk =
Var ( Yi ) Var ( X k )
Mas,
Cov ( Yi , X k ) = Cov ( eit X, X k ) = Cov ( eit X, t X )
com, t
= [ 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:

Cov ( Yi , X k ) i eik i eik

Yi ,Xk = = =
Var ( Yi ) Var ( X k ) i kk 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:

p p
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:
1 = 5 e1t = [ 0,7071 0,7071 0] , 2 = 3 e 2t = [ 0,7071 0,7071 0] e 3 = 2 e3t = [ 0 0 1]
Os componentes principais so:

Y1 = e1t X = 0,7071X1 + 0,7071X 2
Y2 = e 2t X = 0,7071X1 0,7071X 2
Y3 = e3t 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 X1 + X 2 = Var X1 + Var X 2 + 2Cov X1 , X 2 =
2 2 2 2 2 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.
A porcentagem da variao explicada por cada componente
apresentada na tabela seguinte.
Componente Var(Yi)=i % da variao explicada % variao acumulada

Y1 5 50 50
Y2 3 30 80
Y3 2 20 100
Os coeficientes de correlao entre os componentes e as variveis
originais so:
Componente X1 X2 X3
Y1 0,7906 0,7906 0,0000
Y2 0,6124 -0,6124 0,0000
Y3 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.
2
e11 1 5
Y1 ,X1 = = 2 = 0,7906 .
11 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:

X i i
Zi = (7.10)
ii
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 ii .
fcil verificar que:
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:

p p
Var(Yi ) = Var(Zi ) = p
i =1 i =1
p
(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
0 0
=
22
(7.15)

0 0 pp
Os autovalores e autovetores so dados por:

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 verifica-
se que:
e i = i e i
= ei = ii ei
0 0

11 0 0
0 0 0
0
=
22
1 = ii 1

0 0
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

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
= (7.16)

2
2 2
A matriz de correlao correspondente dada por:
1
1
= (7.17)

1
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.

1 = 2 [1 + (p 1)] (7.18)
1 1 1
e1t = , ,..., (7.19)
p p p
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:

t 1 1
e 2 = , , 0,..., 0
1 2 1 2
t 1 1 2
e 3 = , , , 0,..., 0
23 23 23

(7.21)
1 1 (i 1)
eit = ,..., , , 0,..., 0
(i 1) i (i 1) i (i 1) i

e t = 1
,...,
1
,
(p 1)
p (p 1) p

(p 1) p (p 1) p

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
= p2 ( )
cujos eixos so dados por 2p ( ) i ei , i = 1, 2, ..., p , em que (i, ei ) so os pares
de autovalor-autovetor de . possvel verificar, fazendo = 0 por convenincia
de algumas demonstraes que se seguem, que:
1 t 2 1 t 2 1
( e1X ) + ( e 2 X ) + ... + ( e pt X )
2
2p ( ) = X t 1X =
1 2 p
em que eit X, i = 1, 2, ..., p so os componentes principais de X . Fazendo
Yi = eit X, i = 1, 2, ..., p tem-se
1 2 1 2 1
2p ( ) = X t 1X = 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.

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

= Var(e
Q = Var(Y) 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.
2Se(e 2(e tSe)e

t e) 2 e tSe
= = S e = 0
e (e t e)
2 e 'e e t e
e t Se
S t e = 0
ee
A equao resultante dada por:
(S ) e = 0 (7.23)
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 :
= e t X = e X + e X + ... + e X , i = 1, 2, ..., p
Y (7.24)
i i i1 1 i2 2 ip p
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) :
Y
Cov (
,Y
i k )
= 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

p p
principais amostrais igual a i = Sii . A partir da decomposio espectral de
i =1 i =1
S, dada por S = P
P t e da propriedade que tr(AB)=Tr(BA) demonstra-se que:
( ) ( ) ( )
p n
tr(S) = Sii = tr P
P 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 :

) = k 100
%VarExp(Y (7.27)
k p
i
i =1
e Xk definida por:
A correlao amostral entre Yi
e ik i
rY ,X = , i, k = 1, 2,..., p (7.28)
i k
Skk
Os componentes principais podem ser definidos por componentes
principais amostrais centrados na mdia amostral X , da seguinte forma:
= e t ( X X ) = e ( X X ) + e ( X X ) + ... + e ( X X ) , i = 1, 2, ..., p (7.29)

Yi i i1 1 1 i2 2 2 ip p p
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.

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 ; e i . Assim, o i-simo componente principal
amostral obtido da matriz de correlao amostral dado por:
= e t Z = e Z + e Z + ... + e Z ,
Y i = 1, 2, ..., p (7.32)
i i i1 1 i2 2 ip p
A variao total explicada pelo k-simo componente principal dada
por:

) = k 100
%VarExp(Y (7.33)
k
p
e Zk definida por:
A correlao amostral entre Yi
rY ,Z = e ik i , i, k = 1, 2,..., p (7.34)
i k
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.

^ 10
i
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

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.
= e t X = e X + e X + ... + e X , k = 1, 2, ..., p; j = 1, 2,..., n

Y (7.35)
jk k j k1 j1 k2 j2 kp jp
De uma forma geral, os escores dos p componentes principais,
t = Y
representados pelo vetor Y
j j1 Yj2 ... Yjp para a j-sima observao amostral
X tj = X j1 X j2 ... X jp , so dados por:
e1t
t

= P X = e 2 X
Y t
(7.36)
j j j

e pt
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 Q-
Q plots desses componentes, de menor importncia para a variao total, so
utilizados.
Da equao (7.36) e relembrando que P uma matriz ortogonal,
( )
1
t = P t P = , portanto P t
pois PP = P , pode-se demonstrar que:
= e e
X j = PY
e p Y
j 1 2 j
(7.37)
e + Y
Xj = Y e + e
+Y
j1 1 j2 2 jp 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

multivariadas. Dessa forma, uma medida da qualidade desse ajuste obtida
e + Y
avaliando quanto Y e + e difere de X , tendo como desvio o valor
+Y
j1 1 j2 2 jq q j
e + Y
dado por Y e + e . Essa medida feita tomando-se o
+Y
jq +1 q +1 jq + 2 q + 2 jp p
quadrado desse desvio, o qual refere-se ao seu comprimento quadrtico, ou seja,
2 +Y
por Y 2 + 2 . As observaes consideradas suspeitas so aquelas que
+Y
j q +1 j q+2 jp
,Y
possuem pelo menos uma das coordenadas de Y , que contribui
,Y
j q +1 j q+2 jp
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 e i so apresentadas em Anderson

(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 > > p > 0 com correspondentes
autovetores (desconhecidos) e1 , e 2 , , ep . O estimador amostral de S, sendo
que os estimadores de i e ei so 1 > 2 > > p > 0 e e1 , e 2 , , e p .
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
(7.38)
k =1 ( )
k i k i
ento, n ( e i ei ) N p 1 ( 0, E i ) .
3. Cada i tem distribuio independente dos elementos do vetor caracterstico
associado e i .
4. A covarincia do r-simo elemento de e i e o s-simo elemento de e j (ij) :
i jeis e jr
Cov ( e ir , e js ) = (i j) (7.39)
n ( i j )
2
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:


i i
P Z ( / 2 ) = 1 (7.40)
2
i n
O intervalo de confiana resultante dado por:

ICi (1 ) : i
; i
(7.41)
2 2
1 + Z ( / 2 ) n 1 Z ( / 2 ) n
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 2
ICi (1 ) : i Z ( / 2 ) i ; i + Z ( / 2 ) i (7.42)
n n
Testes de hipteses de o tipo H o : i = 0 podem ser realizados
calculando-se o escore normal padro:
i 0
Zc = (7.43)
2
0
n
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
c = (n 1) ln j + (n 1)r ln
j= q +1
(7.45)
j= q +1 r

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.
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 E i , o qual obtido pela substituio de i e ei
pelos seus estimadores i e e i . Assim, Anderson (1963) demonstra que o teste
estatstico dado por:
1
c2 = n i e0t S1e0 + e0t Se0 2 = n ( e i e0 ) E ig ( e i e0 )
t
(7.47)

i
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:

1
0 0
( 1 i )
2

2
0 0
( 2 i )
2
i = uma matriz (p-1)x(p-1) originria da

p
0 0
( p i )
2

j
eliminao da i-sima linha e i-sima coluna de uma matriz Diag , pxp.
( )2
j i
Pi = e1 e 2 e p p (p 1), sendo e j os autovetores de , com ji e dimenso
px(p-1).
Assim, pode-se definir Ei por:
p
j
E i = i Pi i Pit = i e e t
j=1 ( )
2 j j

j i i j
e sua inversa generalizada, devido a Ei ter posto (dimenso) p-1, por:
p ( )2
1 1
t
i j
E = Pi i1Pit =
g
i e je j
i i j=1 j
j i
No captulo 4 foi visto que sob normalidade ou para grandes
amostras a forma quadrtica
n ( ei e0 ) E ig n ( ei e0 ) 2p 1
t
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:
p ( )
2
n
n ( ei e 0 ) E i ( ei e0 ) = ne0 E i e0 = e0 t
t g t g t i j
e je j e 0 =
i j=1 j
j i
n t p ( j 2 i j + i ) t
2 2 p
n tp p
1 t
= e0 e je j e0 = e0 je je j 2 i e je j + i e je j e0 =
t
t
2
i j=1 j i j=1 j=1 j

j i
j=1
j i j i j i
p
Como je jetj = , alm disso, somando e subtraindo i ei eit ao
j=1
p
termo da expresso je je tj , tem-se que:
j=1
j i
p
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

p 1 1
subtraindo ao termo e je tj a quantidade dada por

ei eit , tem-se:
j=1 j
j i
i
p 1 1 1 1
e je tj + ei eit ei eit = 1 ei eit
j=1 j
j i
i i i
p
Finalmente, o termo e je tj equivalente a seguinte expresso,
j=1
j i
lembrando que os autovetores tm norma 1 e so ortogonais e ainda aplicando-se
o mesmo tipo de artifcio:
p
e je tj = I ei eit
j=1
j i
Assim, retornando ao desenvolvimento anterior da aproximao de
qui-quadrado tem-se:
p
n tp p
1 t
e0 j e j e j 2 i e j e j + i e j e j e0 =
t
t
2
i j=1 j=1 j=1 j

ji j i j i
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
= n 0 0 0 i i 0 i 0 0 2 i + 2 i 0 i i 0 + i2 0 i2 0 i i 0 =
i i i i i i i
e t e
= n 0 0 e0t ei eit e0 2e0t e0 + 2e0t ei eit e0 + i e0t 1e0 e0t ei eit e0 =
i
e t e
= n 0 0 + i e0t 1e0 2
i
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 (7.48)

1
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:
1 p
rk = rik ; k = 1, 2, ..., p
p 1 i =1
(7.49)
ik
2 p 1 p
r= rik
p(p 1) i =1 k =i +1
(7.50)
(p 1) 2 1 (1 r ) 2
= (7.51)
p (p 2)(1 r ) 2
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:
n 1 p 1 p p 2
c2 = 2
(1 r ) i =1 k =i +1
( rik r )
2

( rk r ) (7.52)
k =1
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)
Para o teste dessa hiptese, suponha uma amostra aleatria da
distribuio normal p-variada com mdia e covarincia , dada por
X1 , X 2 , , 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
L ( , X ) = f ( X j ) = ( 2 ) np / 2 n / 2 exp ( X j ) 1 ( X j )
t
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:
n np n 1 n
S( ) = ln ( j ) = 2 ln ( 2 ) 2 ln 2 ( X j ) 1 ( X j )
t
, X f X
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
S ( , X ) n
= 1 ( X j )
j =1
Igualando a zero e resolvendo a equao formada obtm-se:
(X
j =1
j ) = 0
n
n = X j
j =1
n

j =1
Xj
= =X
n
b) Derivada de S ( , X ) em relao a
S ( , X ) n 1
= ( 1 ) + n 1S n 1
t
2 2
Igualando a zero e resolvendo a equao para , substituindo-se o
valor de encontrado em (a), tem-se as seguintes passagens.

S ( , X )
=0

n 1 t 1 1 1
( ) + n Sn = 0
2 2
1 1 1 n 1
n S n = ( )
2 2
1S n 1 = 1
Pr e ps multiplicando ambos os lados dessa ltima equao por
obtm-se:
1S 1 =
1
n
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:
1 n
( ) exp ( X j X j ) S n1 ( X j X j )
n / 2 t
L , = ( 2 ) np / 2 S n
2 j =1
1 n 1 t
exp tr S n ( X j X j )( X j X j )
n / 2
= ( 2 ) np / 2 S n
2 j =1
1 1 n t
exp tr S n ( X j X j )( X j X j )
n / 2
= ( 2 ) np / 2 S n
2 j =1
n / 2 1
= ( 2 ) np / 2 Sn exp tr Sn1nSn
2
n / 2 n
= ( 2 ) np / 2 S n exp tr [ ]
2
n / 2 np
= ( 2 ) np / 2 Sn exp
2
Sob H 0 : = 0 = 2 I a verossimilhana e a funo suporte so
dadas por:
1 n
L ( , 0 X ) = ( 2 ) np / 2 0 exp ( X j ) 01 ( X j )
n / 2 t
2 j =1
1 n
exp 2 ( X j ) ( X j )
t
= ( 2 ) np / 2 ( 2 )
np / 2
2 j =1
np np 1 n
( ) ln ( 2 ) ln ( 2 ) 2 ( X j ) ( X j )
t
S , 2 X =
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.

(
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
j ) = 0
n
n = X j
j =1
n

j =1
Xj
= =X
n
Essa soluo a mesma do caso anterior.
( )
d) Derivada de S , 2 X em relao a 0
(
S , 2 X ) = np 1 n
2
2 2
+
2( )
2 2
(X
j =1
j )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.

(
S , 2 X ) =0
2
np 1 n
2
+ ( X j X )t ( X j X ) = 0
2 2 ( ) j =1
2
2
1 n
np
2 ( ) 2 2
tr ( X
j =1
j X )t ( X j X ) =
2 2
1 n np
tr
( 2 ) j =1
( X j X )( X j X )t = 2

2
Pr e ps multiplicando ambos os lados dessa ltima equao por
2 , e simplificando algumas Expresses obtm-se:
1 np 2
2 tr ( nS n ) =
( )
2 2 2
1 np p
= =
2
n tr ( S n ) tr ( S n )
tr ( S n )
2 =
p
Substituindo as solues obtidas em L ( , 0 X ) obtm-se o seu
mximo da seguinte forma:

np / 2
tr ( S n )
( ) p n
( X j X j ) ( X j X j )
t
L , 0 = ( 2 ) np / 2 exp
p 2tr ( S n ) j =1
np / 2
tr ( S n ) p
= ( 2 ) np / 2
exp tr ( nS n )
p 2tr ( S n )
np / 2
np / 2 tr ( S n ) np
= ( 2 ) exp
p 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:
np / 2
np / 2 tr ( S n ) np
( 2 ) exp
1 =
( )=
L , 0
p

2
=
Sn
n/2
L ( , ) np tr ( S n )
np / 2
n / 2
( 2 ) np / 2 Sn exp
2
p
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:
np / 2
p p
np / 2
i

i
p p
n/2
S i =1
1 = = = p i =1 (7.54)
[ tr(S) / p]
np / 2 np / 2
p
i / p
i / p
i =1 i =1
Um teste estatstico pode ser obtido, conforme mencionado
anteriormente por:
n np
c2 = 2ln ( 1 ) = 2 ln S + {ln [tr ( S )] ln ( p )} =
2 2
(7.55)
n np p
p
= 2 ln ( ) + ln ln ( p )
2
2 i =1 2 i =1
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 + 1) p ( p + 1) 2 ( p + 2)( p 1)
= p+ 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)
c2 = 2 1 ln ( 1 ) (7.56)
6pn
tem distribuio aproximadamente de qui-quadrado com =(p+2)(p-1)/2 graus de
liberdade sob H0 dada em (7.53).

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
0 0
H0 : =
22
; ii >0 (7.57)

0 0 pp
A seguinte estatstica deve ser calculada inicialmente:
n/2
S n/2
2 = n/2
= R (7.58)
p
Sii
i =1
Para grandes amostras, sob H0, o teste estatstico:
(2p + 11)
c2 = 2 1 ln ( 2 ) (7.59)
6n
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

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
c2 n
6 rik
i =1 k = i +1
(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;
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 1-
alpha=' 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);
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;
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;
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 Lawley-
pior*/
aux1=Rs#Rs;
aux2=(sum(aux1)-trace(aux1))/2;
qui2c=aux2*(n-(2*p+11)/6);
v=p*(p-1)/2;
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;
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 4,9810 3,8063 4, 7740

X = 2, 008 e S = 3,8063 3, 0680 3, 7183
1, 710 4, 7740 3, 7183 4,8264
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
autovetor de seja igual a e1t = 1 3 1 3 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. X1 X2 X3
1 12,80 29,56 45,19
2 14,12 26,54 49,29
3 19,09 33,26 49,79
4 15,98 31,00 51,73
5 16,00 28,94 50,30
6 16,51 31,67 48,06
7 14,05 30,11 55,15
8 14,34 26,47 46,84
9 16,87 29,00 52,16
10 21,93 38,00 39,24
11 15,21 30,68 54,02
12 15,54 27,37 51,52
13 17,71 30,20 51,66
14 14,42 29,99 52,50
15 13,38 31,61 52,33
16 13,91 29,59 44,19
17 15,53 29,30 53,71
18 16,40 28,96 46,56
19 18,35 30,15 52,18
20 13,59 27,70 52,33
21 19,08 31,26 48,59
22 13,95 29,94 54,73
23 16,11 34,52 52,69
24 17,10 29,39 52,03
25 18,81 31,48 49,79
26 15,27 29,54 43,11
27 14,80 31,88 48,08
28 17,39 28,88 50,69
29 18,02 34,02 49,58
30 9,52 25,23 45,89
||[ 8
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

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 B
18
16
Varivel 2
14
12
A
C
10
1.0 1.5 2.0 2.5 3.0 3.5 4.0

Varivel 1
Figura 8.1. Disperso entre trs indivduos mensurados com relao a duas
variveis quantitativas contnuas.
8.2. Medidas de parecena (similaridade e

dissimilaridade)
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

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
X1t = X11 X12 " X1p e X 2t = 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 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.
1m
p m
d ( X1 , X 2 ) = X1i X i2i (8.3)
i =1
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,
( X X ij )
2
hj
j =1
d h,i = (8.4)
p
Distncia euclidiana padronizada,
2
p X hj X ij
= ( X h Xi ) D 1 ( X h X i )
t
d h,i = (8.5)
j =1 S
jj
em que, D uma matriz diagonal tendo o j-simo componente igual a varincia Sjj,
ou seja,
S11 0 " 0
0 S " 0
D= 22
# # % #

0 0 " Spp
De modo anlogo pode-se definir a distncia euclidiana padronizada
mdia,
2
p X hj X ij

j =1

( X h Xi ) D 1 ( X h X i )
t
S jj =
d h,i = (8.6)
p p
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.
1 p X hj X ij
d h,i = log10 1 (8.7)
p j =1 X ( n ) j X (1) j
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

para presena e para a ausncia dessas bandas foram obtidos e esto
apresentados a seguir.
Bandas
Linhagens 1 2 3 4 5
A 1 0 0 1 1
B 1 1 0 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.
0 se X hj = X ij = 1 ou se X hj = X ij = 0

(X X ij )
2
hj = (8.8)
1 se X X
hj ij
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:
d A2 , B = 2
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 0 Totais
1 a b a+b
Item h
0 c d c+d
Totais a+c b+d p = a + b +c + d
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

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).
1
Sh,i = (8.9)
1 + d h ,i
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).
2
2 p d h2, i
3
Sh,i = (8.10)
2
2 p + d h2,i
3
Uma outra expresso apresentada atribuda a Cattel e Coulter
(Bussab, Miazaki, Andrade, 1990), tambm derivada considerando distncias
euclidianas padronizadas dada por:
2 p d h2, i
Sh,i = (8.11)
2 p + d h2, i
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)
Tabela 8.1. Alguns coeficientes de parecena para variveis dicotmicas.
Nome Expresso Explicao Variao Ex.

Coincidncia a+d Pesos iguais para 1-1 e 0-0 0-1 0,60
simples
p
Sokal e 2 (a + d ) Peso duplo para 1-1 e 0-0 0-1 0,75
Sneath
2 (a + d ) + b + c
Rogers e a+d Duplo peso para pares no 0-1 0,43
Tanimoto coincidentes
a + 2( b + c) + d
Russel e Rao a Nenhum 0-0 no numerador 0-1 0,40
p
Jaccard a As coincidncias 0-0 so tratadas 0-1 0,50
como irrelevantes
a+b+c
Sorenson 2a 0-0 irrelevante e duplo peso para 0-1 0,66
1-1.
2a + b + c
- a 0-0 irrelevante e duplo peso para 0-1 0,33
no coincidncia.
a + 2( b + c)
- a Razo entre coincidncias e no 0-(p-1) 1,00
coincidncias - Exceto 0-0
b+c
Dist. Binria b+c nica medida de dissimilaridade. 0-1 0,63
de Sokal
p
Ochiai a Concordncias positivas sobre 0-1 0,67
adaptao da mdia geomtrica de
( a + b )( a + c) discordncias
Baroni-Urbani- Concordncias positivas e a mdia 0-1 0,63
Buser
a + ad geom. de concordncia positivas e
a + b + c + ad negativas
Haman (a + d) (b + c ) Proporo de coincidncias menos -1 - +1 0,20
a proporo de discordncias
p
Yule ad bc Proporo de ad menos a de bc -1 - +1 0,33
ad + bc
ad bc Produto de momento de correlao -1 - +1 0,17
aplicado a variveis binrias
(a + b)(a + c)( b + d )(c + d )
Ochiai II ad Proporo de coincidncias em 0 -1 0,33
relao mdia geom. total
(a + b)(a + c)(b + d )(c + d ) modificada
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 qui-
quadrado, 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.

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

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 d24 .3 .2 .3
.1 .4 d15
.4
(a) . 5
.
1
.5
(b)
.2 .3
.1 .4
.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.

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

B 3 0
D=
C 7 9 0

D 8 6 5 0
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
D = C 7 0

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
DC 0
D=
AB 6 0
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:

d( AB ), C = max{dAC , dBC } = max{7, 9} = 9
d( AB ),D = max{dAD , dBD } = max{8, 6} = 8
AB C D
AB 0
D = C 9 0

D 8 5 0
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
DC AB
DC 0
D=
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.

Dendrograma
Complete Linkage
Matriz de dissimilaridades
2 3 4 5 6 7 8 9 10
Distncia de ligao
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

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
AB C D
AB 0
D = C 8 0

D 7 5 0
formando o subgrupo DC, no nvel 5. Recalculando as distncias tm-se,
d(DC ),( AB ) = (dD ( AB ) + dC ( AB ) ) = (7 + 8) / 2 = 7,5
DC AB
DC 0
D=
AB 7,5 0

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
2 3 4 5 6 7 8
Distncia de ligao
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.

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 x1 x2
A 2 0
B 5 2
C 1 4
D 8 4
i) particionar os itens arbitrariamente em 2 grupos, como por exemplo AD e BC.
Calcular a mdia de cada grupo.
Centride
Objeto X1 X2
AD (2+8)/2=5 (0+4)/2=2
BC (1+5)/2=3 (2+4)/2=3
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.
2
d A ( AD )
= (2 5) 2 + (0 2) 2 = 13
2
d A (BC )
= (2 3) 2 + (0 3) 2 = 10
Neste caso h necessidade de realocao de A para o grupo BC,
sendo que os centrides dos grupos devem ser recalculados.
Centride
Objeto X1 X2
D 8 4
ABC 2,667 2
Recalculando as distncias dos objetos para o centride dos grupos
e checando a possibilidade de realocao, tem-se:
2 2 2
d A ,D
= 52 d B ,D
= 13 d C ,D
= 49
2 2 2
d A ,( ABC )
= 4, 44 d B ,( ABC )
= 5, 44 d C ,( ABC )
= 6,77
Item (distncia quadrtica p/ centride)

Grupo A B C D
D 52,0 13,0 49,0 0,0
ABC 4,4 5,4 6,8 32,4
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

B 9 0
D=
C 25 36 0

D 49 100 16 0
||[ 9
Anlise de fatores
]||
9.1. Introduo
A tcnica dos componentes principais consiste em uma
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

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
fontes de variaes adicionais 1, 2, ..., p chamadas de erro ou de fatores
especficos. O modelo de fatores pode ser especificado por:
X1 1 = A11F1 + A12 F2 + ... + A1m Fm + 1

X 2 2 = A 21F1 + A 22 F2 + ... + A 2m Fm + 2
(9.1)
# # # % # #
X p p = A p1F1 + A p2 F2 + ... + A pm Fm + p
ou em notao matricial por:
X = L F +
(9.2)
(p1) (p m) (m1) (p1)
em que A 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

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
0 " 0
Cov() = E( ) = =
t 2
(9.6)
# # % #

0 0 " p
Finalmente, assumido que F e so independentes, portanto,

Cov(, F) = E ( Ft ) = 0 (9.7)
(p m)
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

Substituindo X pelas definies dadas no modelo (9.2), verifica-

se que:
( X )( X ) ( )
t
= ( 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(FF )L + E ( F ) L + L E ( F t ) + E ( t )
t t t 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

Logo,
Cov ( X, F ) = L ou Cov ( X i , Fj ) = A ij (9.9)

Da relao (9.8) verifica-se que:
m
Var(X i ) = ii = A 2ij + i = A 2i1 + A 2i2 + ... + A 2im + i
j=1
(9.10)
m
Cov(X i , X k ) = ik = A ijA kj = A i1A k1 + A i2A k 2 + ... + A im A km
j=1
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 = A 2i1 + A 2i2 + ... + A 2im (9.11)
Assim,
ii = h i2 + i i = 1, 2, ..., p (9.12)
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
( A 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 .

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.

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 A 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)

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 j-
simo 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 (p-
m) menores. Dessa forma a contribuio de m +1e m +1e mt +1 + m + 2 e m + 2 e mt + 2 + ... + p e p e pt

para negligenciada. Desprezando essa contribuio, a seguinte aproximao
de pode ser obtida:
1 e1

2 e2
1 e1 2 e 2 ... m e m = LL
t
(9.16)
#
e
m m
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).

Dessa forma a matriz pode ser aproximada por:
LLt +
(9.17)
m
= Diag( LLt ) ou i = ii A 2ij para i=1, 2, ..., p.
j =1
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
Z 11
# (
Z = = V 1/ 2 X = #
2
)

(9.18)
X p p
Zp
pp
em que:
1
0 " 0
11

1
0 " 0
V 1/ 2
= 22
# # % #

1
0 0 "
pp
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
m
i . Como ii = 1 , fcil perceber que i = 1 A 2ij . A padronizao evita que
j=1
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 , e i , i = 1, 2, ..., p, em que 1 2 ... p . Seja m < p, o nmero

de fatores comuns. A matriz das cargas fatoriais estimadas A ij dada por: ( )
L = 1 e1 2 e 2 ... m e m = P1
1/ 2 (9.19)

1
em que P1 uma matriz p x m dos autovetores amostrais de S e

uma matriz
1
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
0 2 " 0
=

# # % #
t
= Diag S LL ( ) (9.20)

0 0 " p
De (9.20) verifica-se que:
m
i = Sii A 2ij = Sii h i2 (9.21)
j=1
Sendo que o estimador da comunalidade dado por:
h i2 = A 2i1 + A 2i2 + ... + A 2im (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.

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,
t +
S LL (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

p
t
resduos S LL 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:
A
i =1
2
ij = A 1j2 + A 22 j + ... + A 2pj = j e j j e tj = j

(9.24)
Logo, a porcentagem da variao total devida ao j-simo fator dada
por:
j
100 para fatores de S
Tr(S)

%VarExp = (9.25)

j 100 para fatores de R
p
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:

11 0 " 0
0 " 0
H0 : =
22
; ii >0
# # % #

0 0 " pp
O valor de qui-quadrado obtido foi de c2 = 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
quadrados dos dois ltimos autovalores, dada por 22 + 32 = 0, 0291 , foi considerada
muito pequena e indica que a soma de quadrados dos elementos da matriz de
resduos no deve ultrapassar esse valor. Os resultados obtidos so:
Cargas fatoriais Comunalidades Varincias

Variveis F1 h i2 especficas
i
X1 2,2165 4,9129 0,0681
X2 1,7277 2,9849 0,0831
X3 2,1770 4,7394 0,0870
% explicao 98,1500
A matriz de resduos dada por:

t
S LL =
4,9810 3,8063 4, 7740

= 3,8063 3, 0680 3, 7183
4, 7740 3, 7183 4,8264
2, 2165 0, 0681 0 0
1, 7277 [ 2, 2165 1, 7277 2,1770] 0 0, 0831 0
2,1770 0 0 0, 0870
0 0, 0228 0, 0515

= 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 Comunalidades Varincias

Variveis F1 F2 h i2 especficas
i
X1 2,2165 0,1630 4,9394 0,0418
X2 1,7277 0,1608 3,0108 0,0575
X3 2,1770 -0,2935 4,8255 0,0003
% explicao
acumulada 98,15 99,23
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.

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 *i tenham sido obtidas por um meio qualquer, ento,
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
i = 1 i . A matriz Rr definida por:

diagonal de R por h *2 *
h1*2 r12 " r1p

r h *2 " r2p
R r = R = 21
* 2
(9.26)
# # % #

rp1 rp2 " h *2
p
Teoricamente, desconsiderando a variao amostral, possvel
estabelecer que a matriz Rr pode ser recomposta pelos m fatores comuns. Dessa
forma, Rr fatorada em:

R r L*r L*tr (9.27)
em que L*r a matriz dos estimadores das cargas fatoriais A*ij .
O mtodo fatorial principal de anlise de fatores utiliza os
estimadores:
*
L r = 1 e1 *2 e *2 *m e *m
* *

(9.28)
m
*i = 1 A*2 ij
j=1
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:
i = A ij
h *2 *2
(9.29)
j=1
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

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 *i = 1 r ii , em que rii o elemento da i-sima diagonal da matriz
R-1. As comunalidades iniciais so, ento, dadas por:
1
i = 1 i = 1
h *2 *
(9.30)
r ii
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
i seja
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 i-
sima posio da diagonal de S-1, da seguinte forma:
m ii
i = Sii 1
h *2 S (9.31)
2p
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 :
n / 2
L(, ) = (2) np / 2

1 n t

exp tr 1 ( X j X )( X j X ) + n X X = ( )( )
t
2 j=1
(9.32)
(n 1) / 2 1
= (2) (n 1)p / 2
exp tr 1Sn
2
n
(
exp tr X 1 X ) ( )
1/ 2 t
(2) p / 2
2
a qual depende de L e por meio de = LLt + .
Devido multiplicidade de escolhas para L dadas por
transformaes ortogonais imperativo impor uma restrio de unicidade
computacional por:
Lt 1L = uma matriz diagonal (9.33)

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
)(
1/ 2
Sn )
1/ 2 L = (
1/ 2 L + ) (9.34)
Lawley (1940, 1942, 1943) mostra que o estimador dado por:
= L t
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 + L t
1L )
( 1/ 2
Sn )
1/ 2
1/ 2 L
1/ 2 L =
1/ 2 LL
t
1L
( 1/ 2
Sn )
1/ 2
1/ 2 L =
1/ 2 LL
t
1L
Logo,

n(
1/ 2 S
)
1/ 2
1/ 2 L =
1/ 2 LL
t
1L (9.36)
Como L t
1L uma matriz diagonal para garantir que os elementos
de L sejam nicos, ento, os autovalores de (S n

)
1 , e portanto
(
1/ 2 S
n
)
1/ 2 , so iguais aos valores correspondentes a diagonal de .
1/ 2 L o vetor caracterstico correspondente

Dessa forma, a i-sima coluna de
1/ 2 S
ao i-simo autovalor de n
( )
1/ 2 . O clculo desses vetores no um
so tambm desconhecidos, os
processo direto, uma vez que os elementos de
= Diag(S LL
quais devem ser obtidos da relao t ) . Sendo assim, o processo de
estimao deve ser executado iterativamente estimando-se os vetores
, e ento,
caractersticos correspondentes a valores iniciais de os elementos de
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 re-
escalonados para que as somas de seus quadrados sejam iguais aos respectivos
autovalores. O processo iterativo descrito a seguir:
1. Calcular as m razes caractersticas ( 10 , 20 ,..., m0 ) de Sn e os vetores
caractersticos correspondentes ( e10 , e 20 ,..., e m0 ) , de tal sorte que seus

elementos sejam re-escalonados para que tenham norma quadrtica igual
a i0 , na matriz P0 apresentada a seguir, com i = 1, 2, ..., m. Seja a matriz
= [ e e ... e ] , sem re-escalonar. Dessa forma,

(p x m) definida por Q
Q 0 0 10 20 m0

possvel definir as matrizes 0 (m x m) e P 0 (p x m) por:
10 0 " 0

= 0 " 0
#
20
% #
0
#
0 0 " m0

P0 = Q 1/ 2
0 0
2. Aproximar as varincias especficas por:
0 n (
= Diag S P P t
0 0 ) (9.37)
3. Obter a matriz
0 (
1/ 2 S
n

0
1/ 2
0 ) (9.38)
e extrair os m autovetores ( e11 , e 21 ,..., e m1 ) e os correspondentes autovalores

(
11 , 21 ,..., m1 ) = [ e e ... e ] sem re-
dessa matriz. Formar a matriz Q1 11 21

m1
escalonar e definir as matrizes:

11 0 " 0

= 0 21

" 0
1 # # % #

0 0 " m1

P1 = Q 1/ 2
1 1
( )
A primeira aproximao de L L 1 dada por:
L 1 =
1/ 2 P
0 1 (9.39)
4. Calcular
1 n (
= Diag S L L t
1 1 ) (9.40)
Repetir os passos 3 e 4 at que os correspondentes elementos de
sucessivas iteraes de L i e L i +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.

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 ( )

. Esses estimadores so:
as varincias especficas Z
L Z = D 1/ 2 L (9.41)
= D 1/ 2
D 1/ 2 (9.42)
Z
As estimativas de mxima verossimilhana das comunalidades so
dadas por:
h i2 = A 2i1 + A 2i2 + ... + A 2im para i = 1, 2, ..., p (9.43)

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;
Dessa forma, a proporo explicada pelo j-simo fator dada por:
p 2
A ij
i =1 100 para fatores de S
Tr(S)

%VarExp = (9.44)
p
A 2Z(i j)
i =1
p 100 para fatores de R

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 A 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 A jt o ajuste pela razo:

A ij(t 1) A ijt
A ijt A ij(t +1)
A 2i j t = (9.45)
A ij(t +1) 2A ijt + A ij(t 1)
em que A ijt o i-esimo elemento de A jt . Se o denominador de (9.45) for nulo o

valor de A 2i j t deve ser feito igual a A i j t .
Aitken (1937) mostra que os termos de A 2j t convergem mais

rapidamente do que queles de A j t .

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
(3 1) e P (3 1) por:
(1 1), Q
compostas as matrizes 0 0 0
0, 6234937 2, 2164432

= 12,637147 Q = 0, 4859812 L = P = Q

0 0 = 1, 727603
1/ 2
0 0 0 0
0, 612436 2,1771344
ii) As varincias especficas iniciais foram obtidas por:
0, 0683794 0 0
0 n (
= Diag S P P =

t
0
0 0 ) 0, 0833879 0

0 0 0, 0864857
iii) Foi obtida a seguinte matriz e desta extrados os autovalores e
autovetores. O m = 1 primeiro autovalor e autovetor correspondente
(3 1) e P (3 1) .
(1 1), Q
foram usados para compor as matrizes 1 1 1
71,843527 50,406739 62,079406

0 (
1/ 2 S
n

0 )
1/ 2
0 = 50,406739 35,791891 43,784534
62,079406 43,784534 54,805777
0,6657947 8,4600381

= 161,45963 Q = 0,4691915 P = Q = 5,9618652
1/ 2
1 1 1 1 1
0,5801523 7,3718074
Finalmente a primeira aproximao L 1 feita por:
2,2122546
P = 1,721606
L 1 = 1/ 2
0 1
2,167934
iv) por:
Foi calculado o segundo valor 1
0,0869296 0 0
(
1 = Diag Sn L 0 L 0 =
t
) 0 0,1040727 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:

2,2106526
1/ 2 P = 1,7217993 e
L 41 = 40 41
2,1595433
0,0940152 0 0
41 n (
= Diag S L L
t
41 41 )
= 0 0,1034073 0

0 0 0,1627727
A matriz de resduos (R) foi:
0 2,9835E-8 3,7474E-8

R = 2,9835E-8 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
0 0
4,9810 2,2106526 0,9905177
1
L Z = D 1/ 2 L = 0 0 1,7217993 = 0,983003
3, 0680 2,1595433 0,9829926
1
0 0
4,8264
E as varincias especficas so:

0, 0188748 0 0
= D 1/ 2
D 1/ 2
= 0 0, 0337051 0
Z
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 0,34 0, 63 0, 40 0, 28 0, 20 0,11 0, 07

1, 00 0, 42 0,51 0, 49 0,52 0,31 0,36 0, 21 0, 09

1, 00 0,38 0,19 0,36 0, 73 0, 24 0, 44 0, 08

1, 00 0, 29 0, 46 0, 27 0,39 0,17 0,18
1, 00 0,34 0,17 0, 23 0,13 0,39
R=
1, 00 0,32 0,33 0,18 0, 00
1, 00 0, 24 0,34 0, 02

1, 00 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.

Estimativas de mxima verossimilhana

Varincias
Cargas fatoriais estimadas especficas
i = 1 h i2
Variveis F1 F2 F3 F4
Corrida 100m -0,0869 0,3449 0,8290 -0,1685 0,157935
Salto em distncia 0,0688 0,4352 0,5931 0,2746 0,378693
Lanamento de peso -0,1294 0,9911 -0,0038 -0,0007 0,001053
Salto em altura 0,1603 0,4059 0,3343 0,4451 0,499688
corrida 400m 0,3787 0,2437 0,6702 -0,1372 0,329262
110m com barreira -0,0178 0,3629 0,4234 0,3878 0,538310
Arremesso de disco -0,0563 0,7294 0,0268 0,0182 0,463815
Salto com vara 0,1573 0,2640 0,2275 0,3937 0,698795
Arremesso de dardos -0,0218 0,4411 -0,0115 0,0971 0,795340
1500m rasos 0,9986 0,0496 -0,0004 -0,0001 0,000408
Proporo cumulativa
da varincia explicada 0,12 0,37 0,55 0,61
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 L t

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:

L* = LT . A ortogonalidade de T, isto , T T t = T t T = , faz com que as
comunalidade fiquem inalteradas:
m m
A*2ij = A2ij h*2i = h i2

j=1 j=1
bem como a soma de seus quadrados:
2
p
m 2 p m p m 1 m
A ij = A ij + 2 A ijA ik
i =1 j=1
4 2 2
(9.46)
i =1 j=1 i =1 j=1 k = j+1
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 :
2
p
1 p m 2
m
V = A A ij
4
ij (9.47)
i =1 j=1 pm i =1 j=1
Como o termo de correo meramente soma das comunalidades
tomada ao quadrado, ento, a maximizao de V equivalente a maximizar a

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 m p 4 p 2 2
v = 2
*
p
p A ij A ij
j=1 i =1
(9.48)
i =1
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 m p 4 p 2 2
v= 2
p
p x ij x ij
j=1 i =1
(9.49)
i =1
em que:
A ij
x ij = (9.50)
m
A
j=1
2
ij
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 2 p
2
p

2 2p ( x ir x is ) x ir x is ( x ir x is ) 2 x ir x is
2 2
i =1 i =1 i =1
tg() = (9.51)
p p

2
p

2

p ( x ir x is ) ( 2x ir x is ) ( x ir x is ) 2 x ir x is
2 2 2 2 2
i =1 i =1
i =1

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

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 numerador
Sinal do denominador + (positivo) - (negativo)
+ (positivo) : 004<900 V: -9004<00
- (negativo) : 9004<1800 : -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
:
H 0 : = LLt +

(9.52)
H : uma matriz p p p.d. sim.
1
Usando a distribuio de Wishart, Morrison (1976) mostra que a
razo de verossimilhana fornece o seguinte teste, com a correo de Bartlett
(1954):
(2p + 4m + 5) LL +
t

= n 1
2
c ln S (9.53)
6
n

o qual tem distribuio qui-quadrado para grandes amostras com:
1
= (p m) 2 p m (9.54)
2
graus de liberdade.
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
2
(
2p + 1 8p + 1 ) (9.55)
O teste de razo de verossimilhana compara as varincias
t +
generalizadas LL e S . Se m for pequeno em relao a p, geralmente H0
n
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
t +
de LL 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:
t +
LL t +
D 1/ 2 LL D 1/ 2
=
Sn 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:

t +
LL t D 1/ 2 + D 1/ 2
D 1/ 2 LL D 1/ 2 L Z L tZ +

z
= =
Sn D 1/ 2Sn D 1/ 2 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.
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:
p
i2
( ) ( )
t

i =1
= t 1 = X LF 1 X LF

(9.56)
i
Bartlett (1937) props a soluo F que minimiza (9.56). A soluo :

(
F = ( Lt 1L ) Lt 1 X )
1
(9.57)

Como, de fato, L, e so desconhecidos, os respectivos

estimadores devem ser utilizados para a obteno dos escores fatoriais:
( ) 1 ( X X ) j = 1, 2, ..., n
1
F j = L t
1L L t j (9.58)

Se a matriz de correlao for utilizada, ento:
( )
1
F j = L tZ
1L
Z Z L tZ
1Z j = 1, 2, ..., n
Z j (9.59)

Se as cargas fatoriais que sofreram rotao so usadas L* = LT

,
ento, F j se relaciona com F j* por:
F j* = T ' F j (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
(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 + L
=
*
(9.61)
L
t

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 + ) ( x )
1
(9.62)

C ov ( F / x ) = Lt 1L = Lt ( LLt + ) L
1
(9.63)

Os coeficientes Lt ( LLt + )
1
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:
( ) ( X X )
1
F j = L t LL
t +

j j = 1, 2, ..., n (9.64)

O uso da identidade de matrizes:
( ) = ( + L L )
1 1
L t LL
t +
t 1
L t
1 (9.65)
pode simplificar o clculo dos escores dos fatores, os quais so dados por:
( ) 1 ( X X ) j = 1, 2, ..., n
1
F j = + L t
1L L t j (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
F jLS e o de mnimos quadrados ponderados por F jWLS e usando a identidade de

matriz dada por:
( ) = ( + L L )
1 1
L t LL
t +
1 t 1
L t
1
Tem-se:
( ) ( + L L ) F ( )
1
= L t + F j
1
F jWLS = L t
1L t 1 LS 1L LS

j

Pelas estimativas de mxima verossimilhana verifica-se que
( L L )
1
t 1
uma matriz diagonal e quando o seu valor for prximo de zero os
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.
||[ 10
Anlise de correlao cannica
]||
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).
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 e correlao cannica

populacionais
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.
X1(1)
(1)
X2
#

X (1) X (1)p
X = (2) = (2) (10.1)
X X1
(2)
X2
#

X (2)
q
Cuja mdia :
(1)
= E(X) = (2) (10.2)

E cuja matriz de covarincia :
p q
p 12 (10.3)
( )( )
t
= E X X = 11
q 21 22
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

E ( X ) = Cov ( X (2) ) = 22
(2) (2)
(10.4)

( ) 12 21
Cov X (1) , X (2) = = t

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,
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 a 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)

(10.5)
V = b t X (2)

sendo a e b vetores no nulos dos coeficientes dessas combinaes lineares.

Assim,
Var(U) = Cov ( a t X (1) ) = a t 11a

Var(V) = Cov ( b X ) = b 22 b
t (2) t
(10.6)

Cov(U, V) = a

t
C ov ( X

(1)
, X

(2)
) b = a t 12 b

A correlao entre U e V definida por:
a t 12 b
Corr(U, V) = U, V = (10.7)
a t 11a b t 22 b

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
= ( b t 22 b ) ( a t 11a ) 12 b + 2 ( a t 12 b )( a t 11a ) 11a
1/ 2 3 / 2
a 2
(10.9)
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

b 11 22 12 12 22 22
2
Igualando as derivadas parciais de (10.9) a zero e impondo as
restries (10.8), rearranjando alguns termos, obtm-se:

( a t 12 b ) 11a + 12 b = 0

(10.10)
t
12a ( a 12 b ) 22 b = 0
t
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

(10.11)
t
12a U, V 22 b = 0
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 (10.12)
12 U, V 22
t
Uma importante propriedade dos determinantes reproduzida a
seguir. Seja uma matriz A com as seguintes parties:
A A12
A = 11 (10.13)
A 21 A 22
O determinante de A, se A11 e A22 so no singulares, dado por:
A = A11 A 22 A 21A11 1
A12

ou (10.14)
1
A = A 22 A11 A12 A 22 A 21
Utilizando o resultado (10.14) no determinante (10.12), obtm-se os
seguintes resultados para a primeira equao:
1 1
U, V 11 U, V 22 + 12
t
11 12 = 0
U, V
Como U, V 11 diferente de zero, pois 11 positiva definida,
ento, o determinante anterior s ser zero se:
1 1
U, V 22 + 12
t
11 12 = 0
U, V
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 :

12 22112
t
2U,V 11 = 0

(10.15)
t 1
12 11 12 U,V 22 = 0
2
Fazendo = 2U,V , verifica-se que as equaes determinantais de
(10.15) podem ser vistas como maximizao de pares de formas quadrticas
(captulo 2) do tipo:
e t Ae
= t
e Be

restrito a e t Be =1.

Assim, os resultados de (10.15) podem ser reescritos (captulo 2) da
seguinte forma:
( 12 22112
t
11 ) a = 0 (a)

(10.16)
t 1
( 12 11 12 22 ) b = 0 (b)
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 1/112 a matriz raiz quadrada de 11 e considere a transformao
1/ 2 1/ 2
linear c = 1/112 a , ento, a = 11 c . Se a equao (a) for pr-multiplicada por 11 e

1/ 2
a for substitudo por a = 11 c , ento:

1/ 2
11 ( 1222112t 11 ) 111/ 2c = 0
( 1/ 2
11 12 22112
t 1/ 2
11 1/ 2
11 1/ 2
1111 ) c = 0
Ento a soluo de (a) dada pela soluo do seguinte sistema de
equaes homogneas:
( 1/ 2
11 12 22112
t 1/ 2
11 i ) ci = 0

(10.17)
A soluo de (10.17) facilmente obtida pelo clculo dos autovalores
(i) e autovetores ( ci ) de 11
1/ 2
12 22112
t 1/ 2
11 . Os autovalores (i) dessa matriz so

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,
1/ 2
a i = 11 ci (10.18)

Tratamento igual dado para a equao (b) de (10.16), agora
efetuando a transformao linear d = 1/222 b . Ento,

( 1/ 2
22 12
t 1
11 12 221/ 2 i ) d i = 0

(10.19)
Os autovetores bi , solues almejadas, so recuperados por:

bi = 221/ 2 d i (10.20)

O mximo obtido substituindo essas solues em (10.7). Logo,
a t 12 b
Max ( U, V ) = t = a t 12 b
a, b a 11a b 22 b
t

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 (10.21)
a, b

As variveis cannicas tm as seguintes propriedades:
Var(U i ) = Cov ( a it X (1) ) = a it 11a i = cit 11

1/ 2 1/ 2
1111 ci = cit ci

1/ 2
Sabendo que ci um autovetor de 11 12 22112
t 1/ 2
11 com norma 1, e

procedendo da mesma forma para Var(Vi) verifica-se que:
Var ( U i ) = Var ( Vi ) = 1 (10.22)
A Cov ( U k , U A ) com (k A) dada por:
Cov ( U k , U A ) = C ov ( a kt X (1) , a At X (1) ) = a kt 11a A =

1/ 2 1/ 2
= c kt 11 1111 cA = c kt cA = c kt cA = 0 (k A)

Logo,
Cov ( U k , U A ) = Corr ( U k , U A ) = 0 ( k A )

(10.23)
Cov V , V = Corr V , V = 0 k A
( k A) ( k A) ( )
Finalmente, a covarincia entre Uk e VA com ( k A ) dada por:
Cov ( U k , VA ) = C ov ( a kt X (1) , b At X (2) ) = a kt 12 b A =

1/ 2
= c kt 11 12 221/ 2 d A = 0 (k A)

Logo,
Cov ( U k , VA ) = Corr ( U k , VA ) = 0 (k A) (10.24)
Para variveis padronizadas Z(1)t = Z1(1) Z(1) (1)

2 " Zp
e

Z(2)t = Z1(1) Z(2) (2)

2 " Zq as variveis cannicas so dadas por:
U k = a kt Z(1) = c kt 11
1/ 2 (1)
Z

(10.25)
V = b t Z(2) = d t 1/ 2 Z(2)
k k
k 22

1/ 2
em que c k e d k so os autovetores de norma 1 das matrizes 11 1222112
t 1/ 2
11 e

221/ 212
t 1
11 12221/ 2 , respectivamente. Os autovetores originais devem ser
recuperados por:
a k = 11
1/ 2
ck

(10.26)
b = 1/ 2 d
k 22

k
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:
p q
p 12 (10.27)
= E ( ZZt ) = 11
q 21 22
de forma que:
E ( Z(1) ) = 0 Cov ( Z(1) ) = 11

E ( Z ) = 0 Cov ( Z ) = 22
(2) (2)
(10.28)

( ) 12 21
Cov Z(1) , Z(2) = = t

As correlaes cannicas das combinaes lineares padronizadas
so dadas por:
a kt 12 b k
Corr(U k , Vk ) = = k (10.29)
a kt 11a k b kt 22 b k

1/ 2
em que k k-simo autovalor de 11 1222112
t 1/ 2
11 , ou equivalentemente de
1/ 2 t 1
22 1211 12221/ 2 .
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
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:
a1t b1t
t t
a2 b
A = e B = 2
(10.30)
# #
t t
ap bq

possvel definir os vetores de todas as p ou q variveis cannicas
simultaneamente por:
U1 V1
U V
U= 2
= AX (1)
e V = = BX(2)
2
(10.31)
# #

Up Vq
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,

as quais j so estandardizadas, e as p variveis de X (1) padronizadas. A

padronizao de X (1) dada por:

1
0 " 0
11
(1)
(1)
1 X1
0 " 0 X(1)

2
V 1/ 2
X (1)
= (1) (10.33)
#
11 22

# # % # (1)
Xp
1
0 0 "
pp
(1)

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
V , X( 2) = B 22 V22 (q q) (10.35)

= B12
t
V111/ 2 (q p)
V , X (1)
em que V221/ 2 uma matriz diagonal (q x q) com o i-simo elemento dado por
1/ ii(2) .
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 ; V , Z( 2) = BZ22

(10.36)
= A Z12 ; V ,Z(1) = B t
U , Z ( 2)
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:
U, X(1) = A11V111/ 2 = AV111/ 2 V111/ 211V111/ 2 = A Z11 = U, Z(1)

ou seja, a correlao no afetada pela padronizao (mudana de escala).

10.3. Variveis e correlaes cannicas amostrais
Uma amostra aleatria de tamanho n em cada conjunto de (p + q)
variveis aleatrias X (1) (p x 1) e X (2) (q x 1), dada por X1(1) , X(1)

2 , " , Xn
(1)
e

X1(2) , X(2)
2 , " , Xn
(2)
possui vetores de mdias amostrais dados por:

X1(1)

#
X(1) Xp(1)

X= = (10.37)

X
(2) (2)
X1

#
(2)
Xq

Em que:
1 n 1 n
X(1) = X(1) j e X(2) = X(2) j (10.38)
n j=1 n j=1
A matriz de correlao amostral S (p + q x p + q) dada por:
p q
p S S12 (10.39)
S = 11
q S21 S 22
1 n
( )( X )
t
em que SkA = X(j k ) X(k )
n 1 j =1
(A)
j X( A ) , k, A = 1, 2 .

As k-simas variveis cannicas amostrais so dadas pelas
combinaes lineares:
U = a t X (1)
k k

(10.40)
t (2)
Vk = b k X

que maximizam a k-sima correlao cannica amostral dada por:
a kt S12 b k
rU = (10.41)
k , Vk
a kt S11a k b kt S22 b k

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:

(
S12S22 S12 k S11
1 t
) a k = 0 (a)

(10.42)
t 1
(
S12S11 S12 k S22 ) b k = 0 (b)

Em que o mximo de ru dado por k , para os autovetores a k e

k , Vk

b k obtidos por:

a k = S11
1/ 2
c k (a)

(10.43)
1/ 2
b k = S22 d k (b)

1/ 2
sendo que c k k-simo autovetor de S11 S12S221S12
t 1/ 2
S11 e d k o k-simo autovetor de

1/ 2 t
S22 1
S12S11 S12S221/ 2 ; k o k-simo autovalor de ambas as matrizes, por serem
idnticos; k=1, 2, ..., pq.
As variveis cannicas amostrais tm as seguintes propriedades:
1. Varincias amostrais unitrias
U
Var = Var
k
V ( )
=1
k ( ) (10.44)
2. Correlaes amostrais:
rU = rV ; V = rU = 0 (k A) (10.45)
k ; UA k A k ; VA
3. Correlao amostral mxima:
rU = k (10.46)
k ; Vk
(p p) e B
Sejam as matrizes A (q q) definidas pelos vetores
cannicos amostrais:
a 1t b 1t
t
a b t
A = e B = 2
2
(10.47)
#
t #

a p b t
q
Analogamente a (10.31) definem-se:
U V 1
1

U V (2)
= e V = 2 = BX
= AX
2 (1)
U (10.48)
# #
U V
p q
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 D11 ( ) ( )
= Diag 1/ Sii(1) , (pxp) e D 221/ 2 = Diag 1/ Sii(2) , (qxq).
e X (1)
1. Matriz de correlaes entre U

D 1/ 2
R U, X(1) = AS (10.49)
11 11

e X (2)
2. Matriz de correlaes entre U

D 1/ 2
R U, X( 2) = AS (10.50)
12 22

e X (1)
3. Matriz de correlaes entre V

t D 1/ 2
R V, X(1) = BS (10.51)
12 11

e X (2)
4. Matriz de correlaes entre V

D 1/ 2
R V, X( 2 ) = BS (10.52)
22 22

Para variveis padronizadas, as variveis cannicas
correspondentes so:
U V 1
1

U
U
= 2 = A Z (1)
e = V2 = B Z (2)
V (10.53)
Z
#
Z

#
U V
p q
em que:
A Z = AD
1/ 2 e
11 B Z = BD
1/ 2
22 (10.54)
Sendo que a z 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 R =A 1 t
Z 11 Z (1) = B Z R 12
R V,Z
U,Z

(10.55)
1
( 2) = A Z R 12
R U,Z ( 2) = B Z R 22 = B Z
R V,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.

As matrizes de erro so obtidas como se segue, admitindo as
= AX
definies U (1) e V = BX
(2) . Logo, possvel definir:

X(1) = A 1U
e X(2) = B 1V (10.56)

e B
Como A so dadas por:
c1t d 1t
t t

= P (1)tS1/ 2
A
c
= 2 S111/ 2 = P (2)t S1/ 2 = d 2 S1/ 2
e B (10.57)
11
# 22 22
t #
c p d t
p
Ento:
1 = S1/ 2 P (1)
A e 1 = S1/ 2 P (2)
B (10.58)
11 22
devido a P (1) e P (2) serem matrizes ortogonais de autovetores, fcil perceber que
( P ) ( )
1 1
(1)t
= P (1) e P (2)t = P (2) .
e V
Das definies de U sabe-se que a covarincia entre eles

(pxq) com
uma matriz diagonal k na k-sima diagonal para k=1, 2,...p, e
cujas demais p-q colunas so formadas de zeros. Assim,

Cov

( U, V ) = AS

12
t = P (1)tS1/ 2S S1/ 2 P (2) =
B 11 12 22

Cov ( U ) = AS
A
11
t
= (10.59)

Cov ( V ) = BS

22
t =
B
Assim,
B
AS t =

12
S12 B 1
t =A
( )
t
1
S12 = A B
1
Da mesma forma:
( ) ( )
t t
1 A
S11 = A 1 e 1 B
S22 = B 1
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
1/ 2
autovetores de S11 S12S221S12
t 1/ 2
S11 e de S221/ 2S12
t 1
S11 S12S221/ 2 definidas por:
c1t
t
c
= P (1)t S1/ 2
A = 2 S111/ 2
(10.60)
r r 11
#
t
c r

d 1t
t
= P (2)t S1/ 2 d
B r r 22 = 2 S221/ 2 (10.61)
#
d t
r

1 0 " 0

0 2 " 0
=
(10.62)
r
# # % #

0 0 " r
Assim, definem-se as matrizes:
1 = S1/ 2 P (1) e B
A 1 = S1/ 2 P (2) (10.63)
r 11 r r 22 r
Considerando as matrizes de resduos E11, E22 e E12 das
reprodues de S11, S22 e S12, respectivamente, tm-se:

E = S
( A )( A )
t
1 1
(a)
11 11 r r

( B )( B )
t
1 1
E 22 = S22 r r (b) (10.64)

( A ) ( B )
t
1 1
E12 = S12 r r 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
ou pq valores de E11, E22 e E12. Como tr ( S11 ) = tr A ( )( )

1 + tr ( E ) , e assim
t
1 A

r r 11
por diante para as demais matrizes, a explicao das r variveis cannicas para o
seu respectivo conjunto dada por:
de X (1) = 100 1 tr ( E11 ) (a)

1(
,U
%Exp U ," , U
2 r

) tr ( S )
11

(10.65)

de X (2) = 100 1 tr ( E 22 ) (b)

%Exp V
(
,V ," , V )
tr ( S22 )
1 2 r

10.4. Inferncias para grandes amostras
Quando 12=0 as variveis cannicas U = a t X (1) e V = b t X (2)

possuem covarincia nula para todos os pares de vetores a e b . Dessa forma,

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:
p q
p 12
= 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)

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 ) S11 S22

n / 2

= = (10.69)
L1 ( X, S ) S

O teste da razo de verossimilhana para a hiptese (10.66), dado
por:
S11 S22 p
c2 = 2 ln( ) = n ln
S (
i =1
)
= n ln 1 i

(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:

S11 0
= S11 S22
0 S22
com a varincia generalizada irrestrita, |S|. O 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:
S11 S22
( )
p
1 1
c2 = n 1 ( p + q + 1) ln = n 1 ( p + q + 1) ln 1 i (10.71)
2 S
2 i =1
Se a hiptese nula H 0 : 12 = 0 ( 1 = 2 = " = p = 0 ) for rejeitada,
natural buscar um nmero de correlaes cannicas r que diferem
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

0
)
dada por:
H (k
0 : 1 0, 2 0," , k 0, k +1 = k + 2 = " = p = 0
)

(10.72)
H (k ) : 0 para algum i k + 1
1 i
O teste dessa hiptese incorporando a correo de Bartlett (1939)
pode ser realizado por:

( )
p
1
c2 = n 1 ( p + q + 1) ln 1 i (10.73)
2 i = k +1
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) (2)

0 , H 0 , etc. testada uma de
cada vez at que H (k

0
)
no seja rejeitada para algum k. O valor nominal da
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

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

(10.74)
H : 0 para algum i j=1, 2, ..., k
1 ij
Cujo teste apresentado por Wilks (1935) depende da quantidade:
S
Vc = (10.75)
S11 S22 " Skk
cuja distribuio muito complicada. Mas Box (1949) obteve boa aproximao de
qui-quadrado com graus de liberdade. O teste proposto :
n 1
c2 = ln ( Vc ) (10.76)
C
em que:
1 1
C = 1 12 (n 1) ( 23 + 3 2 )

(10.77)
1
= 2
2
S
k k
S = pi pSi ; S = 2, 3 (10.78)
i =1 i =1
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 = 11

t t 1/ 2
c e de b = 221/ 2 d ,

respectivamente; em que, F11 e F22 so os fatores de Cholesky de 11 e de
22, respectivamente.
10.5.2. Dois testes ( X1(1) e X (1)

2 ) de leitura foram aplicados em n=140 crianas
juntamente com dois testes de aritmtica ( X1(2) e X (2)

2 ). A matriz de
correlao amostral obtida foi:
1, 0000 0, 6328 1, 0000 0, 4248 0, 2412 0, 0586

R 11 = ; R 22 = ; e R 12 =
0, 6328 1, 0000 0, 4248 1, 0000 0, 0553 0, 0655
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.

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 .

||[ 11
Referncias bibliogrficas
]||
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 b1 ,

Biometrika, v.60, p.169-173, 1973.
DAGOSTINO, R.B.;TITJEN, G.L. Simulation probability points of b2 in small

samples, Biometrika, v.58, p.669-672, 1971.
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.321-
377, 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.
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.

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).

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.3719-
3735, 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 Manual

Enviado por

Dados do documento

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 Manual

Enviado por

Direitos autorais:

Formatos disponíveis

MINISTRIO DA EDUCAO E DO DESPORTO

UNIVERSIDADE FEDERAL DE LAVRAS

Daniel Furtado Ferreira

1. Aspectos da anlise multivariada 1

1.2. Aplicao das tcnicas multivariadas 3

1.3. Organizao de dados 5

2. lgebra vetorial e matricial 25

2.2. Elementos de lgebra vetorial 26

2.3. Elementos de lgebra matricial 34

3.2. Geometria amostral 90

3.3. Amostras aleatrias e esperanas do vetor de mdia e da

3.4. Varincia generalizada 104

3.5. Varincia generalizada de variveis generalizadas 113

3.6. Outra generalizao da varincia 116

3.7. Exerccios 117

4. Distribuio normal multivariada 119

4.1. Introduo 119

4.2. Pressuposies das anlises multivariadas 120

4.3. Densidade normal multivariada e suas propriedades 121

4.4. Distribuio normal bivariada 125

4.5. Distribuio amostral de X e S 133

4.7. Verificando a normalidade 143

4.8. Exerccios 169

5. Inferncias sobre o vetor mdia 171

5.1. Introduo 171

5.2. Inferncias sobre mdia de uma populao normal 171

5.3. Regio de confiana e comparaes simultneas de

5.4. Inferncias sobre propores de grandes amostras 190

5.5. Comparaes pareadas 192

5.6. Comparaes de vetores de mdias de duas populaes 199

5.7. Exerccios 215

6. Anlise de varincia multivariada 219

6.1. Introduo 219

6.2. Delineamento de classificao simples 220

6.3. Intervalos de confiana simultneos para o efeito de

6.4. Exerccios 232

7. Componentes principais 233

7.1. Introduo 233

7.2. Componentes principais populacionais 234

7.3. Componentes principais amostrais 250

7.4. Grficos dos componentes principais 256

7.5. Inferncias para grandes amostras 259

7.6. Exerccios 282

8. Anlise de agrupamento 285

8.1. Introduo 285

8.2. Medidas de parecena (similaridades e dissimilaridades) 286

8.3. Agrupamentos 296

8.4. Exerccios 308

9. Anlise de fatores 309

9.1. Introduo 309

9.2. Modelo de fatores ortogonais 310

9.3. Estimao de cargas fatoriais 316

9.4. Rotao fatorial 342

9.5. Teste da falta de ajuste do modelo fatorial 346

9.6. Escores fatoriais 349

9.7. Exerccios 354

10. Anlise de correlao cannica 355

10.1. Introduo 355

10.2. Variveis cannicas e correlao cannica populacionais 356

10.3. Variveis e correlaes cannicas amostrais 371

10.4. Inferncias para grandes amostras 380

10.5. Exerccios 386

11. Referencias bibliogrficas 389

ndice remissivo 397