See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/268418651

Mtodos de Agrupamento e Componentes

Principais: Teoria e Aplicaes

Article

CITATIONS READS

0 10

3 authors, including:

Eniuce Menezes Souza

Universidade Estadual de Maring
46 PUBLICATIONS 121 CITATIONS

SEE PROFILE

All content following this page was uploaded by Eniuce Menezes Souza on 28 January 2015.

The user has requested enhancement of the downloaded file.

 Mtodos de Agrupamento e Componentes Principais: Teoria e
Aplicaes
Daniele Barroca Marra Alves
Eniuce Menezes de Souza
Faculdade de Cincias e Tecnologia - UNESP
19060-900, Presidente Prudente, SP
E-mail: danibarroca@yahoo.com.br, eniuce@yahoo.com.br

1. INTRODUO (discreta, contnua e binria), as escalas de

Em geral, informaes sobre muitas
variveis so coletadas em diversas reas, tais
como: Sade, Segurana Pblica e Cincias
Sociais. A anlise de uma grande quantidade
de dados relacionados com muitas variveis
seria uma tarefa muito difcil sem o
conhecimento da Anlise Multivariada, a qual
est relacionada com mtodos estatsticos para
descrever e analisar dados multivariados.
Dois conjuntos de dados referentes
Sade e Segurana Pblica foram pesquisados
e dois mtodos de Anlise Multivariada,
agrupamento e componentes principais, foram
utilizados. Conceitos tericos e anlises so
contemplados nesse artigo.
2. CLUSTERING - AGRUPAMENTO
Diversos procedimentos so utilizados
para entender a natureza complexa das
relaes multivariadas. Agrupar os dados
levando em considerao suas caractersticas
uma tcnica interessante. Agrupamentos
podem prover meios para acessar a
dimensionalidade, indentificar erros grosseiros
e sugerir hipteses interessantes relativas s
relaes das variveis [2].
O mtodo denominado clustering ou
agrupamento uma tcnica que tem como
base relaes de similaridade (associao) ou
distncias entre as variveis. O objetivo bsico
da anlise atravs de cluster descobrir o
agrupamento natural das variveis [2], e dessa
forma reduzir informao [1].
2.1. Medidas de Similaridade
Quando se objetiva produzir estruturas
de grupos simples a partir de um conjunto de
dados complexos necessrio medir a
similaridade. Consideraes importantes a
esse respeito incluem a natureza das variveis
medio (nominal, ordinal, por intervalo e
proporo), dentre outros tpicos [2].
Assim, quando as variveis so
agrupadas, a sua proximidade indicada por
algum tipo de associao. Para dados que tm
propriedades mtricas, uma medida baseada
na distncia pode ser usada. Mas para dados
que tm componentes qualitativas, pode-se
introduzir uma varivel binria ([1] e [2]).
No que concerne medida de
distncia, diversos tipos podem ser utilizados.
Dado x = [x1 , x 2 ,K , x n ] e y = [ y1 , y 2 ,K , y n ] ,
a distncia Euclidiana entre essas duas
variveis p-dimensionais dada por:
d (x , y ) = (x y ) (x y ) .
J a distncia estatstica entre as
mesmas variveis dada por:
d (x , y ) = (x y ) A(x y ) ,
sendo A o inverso da matriz que contm as
varincias e covarincias. Um outro tipo de
distncia a de Minkowski,
1
p m
m
d ( x , y ) = x i y i .
i =1
Outros tipos de medidas podem ser
encontrados em [1], [2] e [3].
Quando os itens no podem ser
representados por variveis p-dimensionais, as
medidas de similaridade so obtidas atribuindo
os valores 0 (ausncia do atributo) ou 1
(presena do atributo), utilizando portanto
uma varivel binria.
Aps obteno dos valores 0 ou 1
necessrio medir a associao dos atributos.
Pode-se simplesmente contar o nmero de
respostas iguais, (0,0) ou (1,1), e dividir pelo
nmero total de atributos. Assim, o caso (0,0)
tem o mesmo peso do caso (1,1). Entretanto,
muitas vezes o caso (1,1) uma indicao
mais forte da similaridade. Portanto, vrios
mtodos de associao podem ser usados. Em
[1] e [2] tais mtodos so apresentados.
2.2. Mtodos de Agrupamento
Desde que o clculo apropriado das
medidas de similaridade (ou distncia) j
tenha sido realizado, deve-se selecionar um
mtodo adequado de agrupamento.
Os mtodos de agrupamento mais
populares so denominados mtodos
hierrquicos e no hierrquicos ([1], [2] e [3]).
Nos mtodos hierrquicos so realizadas
sucessivas junes ou divises nos dados.
Alm disso, a alocao de um objeto em um
grupo no pode ser alterada, ou seja, quando
um objeto se junta a um grupo ele no pode
mais ser removido ou unido com objetos
pertencentes a um outro grupo. J nos
agrupamentos no hierrquicos, os objetos
podem ser realocados se as caractersticas
iniciais forem de fato inacuradas. Alm disso,
nesse mtodo, geralmente assume-se que o
nmero final de grupos conhecido e
especificado inicialmente [1].
Nesse trabalho so utilizados dois
mtodos de agrupamento hierrquicos: mtodo
de ligao simples e completo. Os demais
mtodos de agrupamento hierrquico e os
mtodos no hierrquicos so apresentados em
[1], [2] e [3].
Para utilizar tanto o mtodo de ligao
simples como completa, 4 passos devem ser
seguidos em um conjunto de n objetos [2]:
1o passo - comece com n grupos, cada grupo
contendo um nico elemento e uma matriz
simtrica (nn) de distncias D = {dik};
2o passo - Procure na matriz de distncias o
par de grupos mais prximos (mais
similares). Seja dUV a distncia entre os
grupos mais similares U e V;
3o passo - Junte os grupos U e V, formando
(UV). Atualize a matriz de distncia da
seguinte forma: a) elimine as linhas e
colunas correspondentes a U e V;
b) adicione uma linha e coluna para
acrescentar a distncia (UV) dos grupos
remanescentes;
4o passo - Repita os passos 2 e 3 (n-1) vezes
(todos os objetos pertencero a um nico
grupo quando o algoritmo terminar).
Registre a identidade dos grupos que esto
unidos e os nveis (distncias) em que os
agrupamentos (junes) ocorreram.
Os resultados desses mtodos podem
ser mostrados de forma grfica em um
dendograma1.
2.2.1. Mtodo de Ligao Simples
O mtodo de ligao simples, tambm
denominado mtodo do vizinho mais prximo,
utiliza a distncia mnima ou similaridade
maior para realizar o agrupamento.
Inicialmente, encontra-se a menor
distncia D = {dik} e agrupa-se os objetos
correspondentes (U e V) para formar o grupo
(UV). No passo 3 do algoritmo, as distncias
entre (UV) e qualquer outro grupo W so
calculadas por [2]:
d (UV )W = min{d UW , d VW } .
2.2.2. Mtodo de Ligao Completa
O agrupamento por ligao completa
ou vizinho mais afastado exatamente o
oposto do mtodo de ligao simples. Nesse
caso, os elementos so agrupados
considerando a distncia mxima (ou
similaridade mnima) [1].
O algoritmo iniciado encontrando a
menor distncia D = {dik} e agrupando os
objetos correspondentes (U e V) para formar o
grupo (UV). No passo 3 do algoritmo, as
distncias entre (UV) e qualquer outro grupo
W so calculadas por [2]:
d (UV )W = max{d UW , d VW } .
3. COMPONENTES PRINCIPAIS
A anlise de componentes principais
transforma um conjunto de variveis em um
conjunto menor de combinaes lineares que
representam a varincia do conjunto total. Esta
anlise permite reduzir os dados e facilitar a
interpretao dos mesmos [1].
Considerando que a varivel p-
dimensional X = [X1,..., Xp] tem matriz de
covarincia (ou matriz de correlao ) com
autovalores 1 ... p 0, sejam as
combinaes lineares dadas por [2]:
Y 1 = w 1' X = w 11 X 1 + w 12 X 2 + ... + w 1 p X p
M
Y p = w 'p X = w p 1 X 1 + w p 2 X 2 + ... + w pp X p
1
O dendograma ilustra as junes ou divises realizadas em
diferentes nveis do mtodo de agrupamento.
 As varincias e covarincias so dadas
por:
Var( Y i) = wi' wi , i = 1,K , p
Cov( Y i,Y k ) = w wk , i , k = 1,K , p
' leishmaniose tegumentar americana (I) e
i
Os componentes principais so as
combinaes lineares no correlacionadas
Y1,...,Yp cujas varincias so as maiores
possveis..
O primeiro componente principal a
combinao linear w1' X com a maior
varincia. A varincia Var ( Y 1) = Var ( w1' X )
pode ser alterada multiplicando wi por alguma
constante. Mas, para que a varincia no seja
alterada, interessante que os vetores de
coeficientes tenham comprimento unitrio, ou
seja, w1' w1 = 1 .
O segundo componente principal a
combinao linear w'2 X que maximiza a
varincia Var( Y 2) = Var( w'2 X ) sujeito as
condies w2 w2 = 1 e Cov( Y 1,Y 2) = Cov( w1' ,w'2 ) = 0 .
'
Assim, o i-simo componente
principal a combinao linear wi' X que
maximiza a varincia Var( Y i ) = Var( wi' X )
sujeito as condies wi' wi = 1
Cov( Y i,Y k ) = Cov( wi , wk ) = 0 , para k < i [2].
' '
dengue (A), esquistossomose (B), meningite
(C), hepatite (D), sfilis congnita (E),
leptospirose (F), tracoma (G), coqueluche (H),
acidentes com animais peonhentos (J).
4.1.1. Agrupamento
Como os itens pesquisados no podem
ser representados por medidas, estes foram
comparados com base na presena (1) ou
ausncia (0) de certas caractersticas,
introduzindo uma varivel binria. As
caractersticas selecionadas so:
x1 uma doena infecciosa;
x2 A doena causada por vrus;
x3 A doena causada por bactrias;
x4 A doena causada por protozorios;
x5 A doena causada por verme parasita;
x6 A transmisso ocorre por mosquitos;
x7 Possui uma vacina de preveno;
x8 uma doena epidmica;
x9 uma doena endmica;
x10 transmitida por contato humano;
x11 Pode levar a morte;
e x12 Tem tratamento especfico;
x13 disseminada nas fezes;

x14 Pode ser evitada com conscientizao

Uma maneira prtica de construir os
sanitria.
componentes principais utilizar os pares de
A tabela 1 relaciona cada doena com
autovalores e autovetores (1,e1),..., (p,ep) suas respectivas caractersticas utilizando
associados a (ou matriz de correlao ) [2]: variveis binrias.
Y i = e i' X = e 11 x 1 + ... + e 1 p x p , i = 1 ,2 ,..., p e
p p Tabela 1 Caractersticas das doenas pesquisadas
11 + K + pp = Var ( X ) =
i =1
i 1 +K + p = Var (Y ).
i =1
i
A
x1
1
x2
1
x3
0
x4
0
x5
0
x6
1
x7
0
x8
1
x9
0
x10
0
x11
1
x12
0
x13
0
x14
1
B 1 0 0 0 1 0 0 0 1 0 1 1 1 1
Consequentemente, a proporo da C 1 1 1 1 0 0 0 1 0 1 1 1 0 0
D 1 1 0 0 0 0 1 1 1 1 1 1 0 0
varincia total devido ao k-simo componente E 1 0 1 0 0 0 0 0 0 1 1 1 0 0

principal igual a k (1 + K + p ) .
F 1 0 1 0 0 0 0 1 0 0 1 1 0 1
G 1 0 1 0 0 1 0 1 0 1 0 1 0 0
H 1 0 1 0 0 0 1 1 0 1 1 1 0 0
I 1 0 0 1 0 1 0 1 1 0 1 1 0 0
J 0 0 0 0 0 0 0 0 0 0 1 1 0 0

4. APLICAES
As distncias entre as doenas listadas
Nessa seo so apresentadas duas na tabela 1 so mostradas na tabela 2.
aplicaes relacionadas com a Sade e
Segurana Pblica. Tabela 2 Distncias entre as doenas pesquisadas
A B C D E F G H I J
A 0 7 6 6 7 4 6 7 5 6
4.1. Sade
B 7 0 9 7 6 5 9 8 6 5
C 6 9 0 4 3 4 4 3 5 6
Nesta aplicao foram utilizados D 6 7 4 0 5 6 6 3 5 6
dados de sade registrados pela vigilncia E 7 6 3 5 0 3 3 2 6 3
epidemiolgica no municpio de Presidente F 4 5 4 6 3 0 4 3 5 4
Prudente (estado de SP) de 01/01/2000 a G 6 9 4 6 3 4 0 3 5 6
H 7 8 3 3 2 3 3 0 6 5
31/07/2004. Os dados foram fornecidos pela
I 5 6 5 5 6 5 5 6 0 5
Secretaria Municipal de Sade de Presidente J 6 5 6 6 3 4 6 5 5 0
Prudente. As doenas pesquisadas foram:
 A partir dos dados de distncia entre grupos, ou seja, onde cortar o dendograma.
as doenas ilustrados na tabela 2, foram Um mtodo utilizado est relacionado com a
utilizados os mtodos de ligao simples e avaliao do coeficiente de fuso, isto , o
completa. A figura 1 ilustra o dendograma da valor numrico (distncia ou semelhana) para
ligao simples obtido pelo software o qual vrios casos se unem para formar um
MINITAB. grupo. Quando a diviso de um novo grupo
no introduz alteraes significativas no
Similaridade coeficiente de fuso, pode-se tomar essa
38,25 partio como sendo tima.
A figura 3 ilustra o coeficiente de
58,83
fuso para a ligao simples e completa.

79,42
16
14 ligao simples
12

Distncia
10 ligao co mpleta
100,00 8
Esq. Deng. Leis. Hep. Men. Sif . Coq. Trac. Lep. Ac. 6
Observaes 4
2
Figura 1 Dendograma da ligao simples 0
9 8 7 6 5 4 3 2 1
Grupos
Observando a figura 1 pode-se
verificar que as observaes foram agrupadas Figura 3 Coeficiente de fuso
de acordo com a distncia mnima, isto , com
o maior grau de similaridade (no mnimo Para analisar a figura 3 necessrio
38,25%). Isto pode ser confirmado pelo verificar a partir de qual grupo a curva
primeiro grupo formado: sfilis e coqueluche. torna-se quase paralela a um dos eixos (nesse
Isso j era esperado, pois na matriz de caso ao eixo horizontal), pois quando isso
distncias essa duas doenas apresentavam o ocorre tem-se um nmero timo de grupos
menor valor (distncia 2), confirmando o alto para determinado conjunto de dados. Para a
grau de similaridade. ligao completa o coeficiente de fuso traz
Em contrapartida, a figura 2 ilustra o alteraes mais significativas at o terceiro
dendograma da ligao completa. grupo, portanto o nmero de grupos
escolhidos poderia ser 5. J para a ligao
Similaridade simples essa anlise um pouco mais
0,00 complexa, talvez nesse caso a escolha tima
fosse 4.
33,33

4.1.2. Componentes Principais

66,67

Foi realizada a anlise de

100,00
componentes principais para verificar a
Deng. Leish. Lep. Ac. Esq. Men.
Observaes
Trac. Sif . Coq. Hep. correlao das doenas pesquisadas no
Figura 2 Dendograma da ligao completa
decorrer de 5 anos. A tabela 3 traz todas as
variveis e seus respectivos nmeros de casos
Observando a figura 2 pode-se no decorrer desses 5 anos.
verificar que as observaes foram agrupadas Tabela 3 Nmero de casos das doenas pesquisadas
de acordo com a distncia mxima, isto , de Variveis Nmero de casos
acordo com o menor grau de similaridade (no (Doenas) 2000 2001 2002 2003 2004
mnimo 0%). Isto pode ser verificado pelo fato A 50 13 76 24 32
B 1 0 0 1 0
de que a Esquistossomose s foi agrupada com C 58 92 127 71 59
a Meningite e Tracoma no ltimo D 68 89 1 1 1
agrupamento, o que era de se esperar E 5 1 4 1 1
F 7 2 5 6 2
observando a matriz de distncias. G 0 0 36 2 0
Depois de realizar uma anlise dos H 2 2 0 1 5
dendogramas, uma dvida que permanece diz I 5 5 5 2 0
J 4 2 1 2 0
respeito escolha adequada do nmero de
 Para aplicar componentes principais
necessrio utilizar a matriz de covarincia ou
de correlao. A matriz de covarincia dada
por:
734,222 886,000 690,889 359,333 46,556
886,000 1372,044 838,778 519,489 432,000 .
= 690,889 838,778 1862,944 903,278 821,111
359,333 519,489 903,278 492,989 429,556
46,556 432,000 821,111 429,556 392,889
Observando a matriz pode-se
perceber que as varincias so muito grandes.
Assim, se essa matriz for utilizada no mtodo
de componentes principais pode-se chegar a
resultados errneos. Portanto, para que isso
no acontea, os dados foram padronizados, e
foi utilizada a matriz de correlao, a qual
dada por:
1,000 0,883 0,591 0,597 0,645
0,883 1,000 0,525 0,632 0,588
.
= 0,591 0,525 1,000 0,943 0,960
0,597 0,632 0,943 1,000 0,976
0,645 0,588 0,960 0,976 1,000
Observando a matriz de correlao
pode-se perceber que a maior correlao
ocorre entre 2003 e 2004 (correlao de
0,976). J a menor correlao ocorre entre
2001 e 2002 (correlao de 0,525). Esses
resultados podem ser confirmados analisando
os dados da tabela 3.
Os componentes principais obtidos no
MINITAB so:
Y1 = - 0,413x1 - 0,403x2 - 0,461x3 - 0,475x4 - 0,478x5
Y2 = 0,554x1 + 0,598x2 - 0,383x3 - 0,304x4 - 0,311x5
Y3 = 0,646x1 - 0,592x2 + 0,249x3 - 0,400x4 + 0,098x5
Y4 = 0,164x1 - 0,231x2 - 0,759x3 + 0,264x4 + 0,523x5
Y5 = - 0,279x1 + 0,276x2 + 0,053x3 - 0,672x4 + 0,626x5
Note que o primeiro componente
principal explica uma proporo de
1 5 = 0,7903 79% (tabela 4) da varincia
populacional total. J as duas primeiras
componentes principais explicam
( 1 + 2 ) 5 = 0,961 96% da varincia
populacional total. Alm disso, pode-se
verificar, analisando a tabela 4, que o terceiro,
quarto e quinto componentes principais trazem
uma contribuio de apenas 2,9%, 0,9% e
0,1% respectivamente.
O primeiro componente principal
(aproximadamente) uma soma de pesos iguais,
pois todas as variveis tm praticamente o
mesmo peso. J a segunda componente
principal contrasta os anos de 2000 e 2001
com os anos de 2002, 2003 e 2004. Alm
disso, pode-se perceber que os anos de 2003 e
2004 tm praticamente a mesma importncia
para esse componente principal (o que era
esperado pois a correlao entre essas duas
variveis muito alta). A baixa correlao
entre os anos de 2001 e 2002 tambm pode ser
verificada nessa componente, visto que essas
duas variveis se contrastam.
O terceiro, quarto e quinto
componentes principais no so fceis de ser
interpretados e coletivamente representam a
variao especfica de cada ano. De qualquer
forma, eles no explicam muito da variao
total.
Tabela 4 Autovalores da matriz de correlao
calculada no MINITAB correspondentes as 10 variveis
3,95 0,85 0,14 0,042 0,005
Portanto, uma dvida que permanece
diz respeito ao nmero de componentes
principais que se deve utilizar. Se o nmero de
componentes principais for muito pequeno
pode haver uma reduo exagerada da
dimensionalidade e muita informao pode ser
perdida. Se for grande, pode no atender aos
objetivos de reduo.
Na literatura existem vrios critrios
que auxiliam na tomada de deciso. De acordo
com o critrio de Kaiser, no caso onde se
utiliza a matriz de correlao, deve-se manter
a anlise para os autovalores maiores que um
(Tabela 4). Assim, nessa aplicao apenas um
componente principal seria necessrio (tabela
4). Alm de outros mtodos, existe tambm o
Scree Plot. Nesse mtodo os autovalores so
representados atravs de um grfico, a
sugesto fazer o corte quando a variao
passa a ser pequena. A figura 4 ilustra o
grfico.
5
4
Autovalores
3
Scree Plot
2
1
0
0 1 2 3 4 5 6
Nmero de componentes
Figura 4 Scree Plot
Observando a figura 4 pode-se
perceber que a variao passa a ser menor
depois do segundo componente principal.
Mas, essa variao passa a ser realmente
pequena depois do terceiro componente furtos e roubos, leses corporais culposas em
principal. Portanto, trs componentes acidentes de trnsito, estelionato e fraudes
principais seriam suficientes. diversas (variveis c1, c2, c3, c7 e c9)
apresentam uma maior similaridade entre si.
4.2. Segurana Posteriormente, homicdios dolosos
consumados e armas de fogo (variveis c5 e
As anlises de agrupamento e c9), so agrupados com 97,72% de
componentes principais tambm foram similaridade, pois, geralmente, os homicdios
aplicadas em dados de Segurana Pblica de so realizados utilizando armas de fogo. Com
Presidente Prudente e Regio, totalizando 20 quase o mesmo grau de similaridade
municpios. As observaes utilizadas foram (97,62%), as variveis relacionadas com o
coletadas mensalmente durante 3 anos: 2001, leses corporais dolosas e atos infracionais
2002 e 2003. Tais dados foram obtidos no (variveis c4 e c10) so agrupadas. Este
Centro de Assinalao Criminal da Delegacia resultado tambm bastante coerente, pois, os
Seccional de Presidente Prudente. atos infracionais realizados por menores de 18
anos, geralmente, envolvem leses corporais.
4.2.1. Agrupamento Alm disso, importante notar que a
similaridade destas duas variveis com
Os crimes registrados nos distritos homicdio e armas (variveis c5 e c9) menor,
policiais foram classificados em 10 variveis: pois, o nmero de menores de 18 anos que
c1 - Furtos simples e qualificado; portam armas ou cometem homicdios tambm
c 2 - Roubo; bem menor.
c3 - Furto e roubo de veculos; A figura 6 apresenta o dendrograma
c4 - Leses corporais dolosas; de similaridade utilizando a ligao completa
c5 - Homicdios dolosos consumados; para as 10 variveis utilizadas.
c 6 - Armas de fogo apreendidas; Similaridade
g p

c7 - Leses corporais culposas em acidentes 89,09

de trnsito;
c8 - Homicdio culposo em acidente de 92,73
trnsito;
c9 - Estelionato e fraudes diversas;
96,36
c10 - Atos infracionais.
A partir da quantidade de crimes
100,00
ocorridos em cada varivel foram calculadas C1 C2 C7 C3 C9 C8 C5 C6 C4 C1
0

as distncias entre as variveis utilizando os Variveis

mtodos de ligao simples e ligao completa Figura 6 Dendrograma utilizando ligao completa
no software MINITAB. A figura 5 ilustra o
dendograma da ligao simples. Comparando os resultados obtidos nas
g p
ligaes simples e completa, verifica-se que os
Similaridade mesmos so bem similares.
94,60 Para realizar a escolha adequada do
nmero de grupos, o coeficiente de fuso foi
96,40 plotado na figura 7.

98,20 0,3
0,25 ligao simples
Distncia

0,2 ligao co mpleta

100,00 0,15
C1 C2 C7 C9 C3 C5 C6 C8 C4 0
C1 0,1
0,05
Variveis
Figura 5 Dendrograma utilizando ligao simples 0
9 8 7 6 5 4 3 2 1
Grupos
Na ligao simples as variveis so Figura 7 Coeficiente de fuso
agrupadas de acordo com o maior grau de
similaridade entre elas. Verifica-se, a partir da Verifica-se que para a ligao simples
figura 5, que as variveis relacionadas com o coeficiente de fuso traz alteraes mais
 significativas at o terceiro grupo. J para a Y1 = - 0,33x1 - 0,33x 2 - 0,32x 3 - 0,29x 4 - 0,30x5
ligao completa, o nmero de grupos a ser - 0,32x6 - 0,37x7 -0,31x8 - 0,32x9 - 0,31x10
escolhido deve ser 4. Y2 = - 0,20x1 - 0,20x2 - 0,28x3 + 0,68x4 + 0,19x5 +
0,09x6 - 0,238x7 - 0,15x8 - 0,23x9 + 0,43x10
Y3 = 0,02x1 + 0,02x2 - 0,12x3 - 0,25x4 + 0,76x5 +
4.2.2. Componentes Principais
0,39x6 - 0,10x7 - 0,15x8 - 0,24x9 - 0,32x10
O primeiro componente
Nesta seo so apresentadas as
(aproximadamente) uma mdia aritmtica dos
anlises de componentes principais realizadas
10 tipos de crimes. O segundo componente
utilizando a matriz de correlao de todos os
parece ser dominado pelas as variveis 4 e 10,
dados disponveis, inclusive as ocorrncias
ou seja, leses corporais dolosas e atos
contra mulheres e crianas de cada uma das 10
infracionais, as quais so bastante
variveis, as quais so registradas na DDM
correlacionadas. No terceiro componente, a
(Delegacia da Mulher) e no nos distritos
varivel 5 relativa aos homicdios dolosos
policiais.
consumados se sobressai. Alm disso, este
Devido ao fato da grande quantidade
componente contrasta os atos infracionais com
de variveis e combinaes lineares possveis,
as armas de fogo, ou seja, indica que os atos
optou-se por analisar primeiramente os
infracionais so inversamente proporcionais
autovalores (Tabela 5) para verificar o nmero
ao nmero de armas de fogo apreendidas.
suficiente de componentes principais.
Tabela 5 Autovalores da matriz de correlao 5. CONSIDERAES FINAIS
calculada no MINITAB correspondentes as 10 variveis
9 ,4 ,3 ,1 ,04 ,02 ,01 ,008 ,002 ,000
Neste artigo foram apresentados
aspectos tericos e prticos para analisar uma
Pelo critrio de Kaiser, deveria ser
grande quantidade de dados. Trata-se de
utilizado apenas o primeiro componente
mtodos importantes para reduzir os dados e
principal, pois, apenas o primeiro autovalor
facilitar a interpretao dos mesmos.
(Tabela 5) maior do que 1, j que a matriz de
A partir das aplicaes realizadas
correlao utilizada. Por outro lado,
pde-se concluir que a Anlise Multivariada,
observando os autovalores representados no
em especial os mtodos de agrupamento e
Scree Plot (figura 8), percebe-se que depois do
componentes principais, so muito
terceiro componente principal praticamente
importantes na anlise de dados de diferentes
no existe diferena entre os autovalores,
reas.
indicando o uso de 3 componentes principais.
Sc ee o de C C 0
AGRADECIMENTOS
9

7
As duas autoras agradecem a FAPESP
pelo auxlio financeiro prestado mediante
Autovalores

4
bolsa de doutorado (Processos: 03/12771-0 e
3 03/12770-3)
2

0
REFERNCIAS
1 2 3 4 5 6 7 8 9 10
Nmero de Componentes

Figura 8 Scree Plot [1] W. R. Dillon; M. Goldstein, Multivariate

Analysis Methods and Applications,
Em relao porcentagem explicada John Wiley & Sons, Estados Unidos,
pelos componentes principais, os trs 1984.
primeiros componentes explicam 97,8% da
varincia total amostral. Conseqentemente, a [2] R. A. Johnson; D. W. Wichern, Applied
variao amostral est muito bem sumarizada Multivariate Statistical Analysis, Prentice
pelos 3 componentes e a reduo nos dados de Hall, New Jersey, 2002.
muitas observaes em 10 variveis para 3
componentes principais significativa. [3] K. V. Mardia; J. T. Kent; J. M. Bibby,
Assim, os autovetores respectivos aos Multivariate Analysis, Academic Press,
trs autovalores so utilizados para determinar San Diego, 1979.
os trs componentes principais:

View publication stats