ComponentesPrincipaisR Documentation

Componentes principais

Description

Esta funcao possibilita o estudo dos componentes principais .

Usage

ComponentesPrincipais(D,
padronizar=TRUE,
xlab="PCA 1",
ylab="PCA 2",
CR=TRUE,
CorPlot=TRUE,
CorCol="red",
VarCol="blue",
Perc=0.1,
NomeTrat=NULL,
NomeVar=NULL,
bty="L")

Arguments

D

Matriz com os valores para obtencao dos componentes principais.Esta matriz deve conter os valores observados, sendo as variaveis respostas na coluna. Esta matriz nao deve conter a identificacao dos tratamentos na primeira coluna. Se provir de experimento com repeticao, a matriz deve conter apenas as medias dos tratamentos.

padronizar

Se for TRUE (default) os dados serao padronizados para ter media 0 e variancia igual a 1. Se for FALSE os componentes principais considerarao os valores originais.

xlab

Nome do eixo X do grafico de componentes principais.

ylab

Nome do eixo Y do grafico de componentes principais.

CR

Valor logico.Se for TRUE aparecera a contribuicao relativa dos dois primeiros componentes principais no grafico.

CorPlot

Valor logico. Se for TRUE sera apresentado no grafico as correlacoes.

CorCol

Indica a cor das setas referente a apresentacao das correlacoes no grafico (default = "red").

VarCol

Cor do nome das variavies na dispersao grafica da correlacao.

Perc

Valor entre 0 e 1 indicando o recuo dos eixos.

NomeTrat

vetor contendo o nome dos tratamentos/individuos. Se for igual a NULL sera considerado o nome das linhas do objeto D (conjunto de dados)

NomeVar

Vetor contendo o nome das variaveis resposta. Se for igual a NULL sera considerado o nome das colunas do objeto D (conjunto de dados)

bty

Deve receber um character indicando o tipo de borda desejado no grafico:

  • "o": Todas as bordas.

  • "n": Sem bordas.

  • "7" : Acima e a direita.

  • "L" : Abaixo + esquerda (Default).

  • "C" : Acima + Direita + Abaixo.

  • "U" : Direita + Abaixo + Direita.

Value

Esta funcao retorna informacoes importantes para o estudo de componentes princiapais. Sao apresentados autovalores e autovetores da matriz de covariancia, Escores dos componentes principais, correlacao entre as variaveis e eos escores, contribuicao na explicacao de cada componente e o grafico de dispersao dos CPs.

References

PlayList "Curso de Analise Multivariada": https://www.youtube.com/playlist?list=PLvth1ZcREyK72M3lFl7kBaHiVh5W53mlR

CRUZ, C.D. and CARNEIRO, P.C.S. Modelos biometricos aplicados ao melhoramento genetico. 3nd Edition. Vicosa, UFV, v.2, 2014. 668p. (ISBN: 8572691510)

FERREIRA, D.F. Estatistica Multivariada. (2018) 3ed. UFLA. 624p. (ISBN 13:978 8581270630)

HAIR, J.F. Multivariate Data Analysis. (2016) 6ed. Pearson Prentice HalL. (ISBN 13:978 0138132637)

See Also

eigen, princomp

Examples


data(Dados.MED)
ComponentesPrincipais(Dados.MED)
#Atribuindo nome aos tratamentos
Trat=paste("T_",1:nrow(Dados.MED),sep="")
ComponentesPrincipais(Dados.MED,NomeTrat = Trat)
ComponentesPrincipais(Dados.MED,NomeTrat = Trat,CorPlot = FALSE)
ComponentesPrincipais(Dados.MED,NomeTrat = Trat,CorPlot = TRUE,
CorCol = "blue",VarCol="red" )
ComponentesPrincipais(Dados.MED,NomeTrat = Trat,CorPlot = TRUE,bty = "n")