Plano de Ensino
Disciplina: EST039 - ANÁLISE MULTIVARIADA
Horas Aula: 4
Departamento: DEPTO DE ESTATISTICA /ICE
Ementa
Introdução. Vetores aleatórios e distribuições multivariadas. Análise de
componentes principais. Análise fatorial. Análise de correlações canônicas. Análise de
agrupamentos. Análise discriminante. Tópicos adicionais.
componentes principais. Análise fatorial. Análise de correlações canônicas. Análise de
agrupamentos. Análise discriminante. Tópicos adicionais.
Conteúdo
1. Introdução: Propriedades básicas; matrizes ortogonais; formas quadráticas; autovalores
e autovetores.
2. Vetores aleatórios e distribuições multivariadas: Introdução; vetores aleatórios;
geometria amostral e amostragem aleatória; decomposição espectral da matriz de
covariâncias e de correlações; distribuições de probabilidades multivariadas: normal
multivariada, Wishart.
3. Análise de componentes principais: Modelos para análise de componentes principais;
número e estrutura de componentes principais; inferência para análise de componentes
principais; aplicações à análise exploratória de dados.
4. Análise fatorial: Modelos paramétricos lineares de análise fatorial; estimação dos
parâmetros; ajuste do modelo; rotação; estimação dos escores dos fatores; aplicações à
análise exploratória de dados.
5. Análise de correlações canônicas: Modelo para análise de correlação canônica;
associação e redundância; análise de correlação canônica parcial e biparcial; previsão e
validade em regressão multivariada com análise de correlação canônica; seleção de
variáveis.
6. Análise de agrupamentos: Distâncias de similaridade; métodos aglomerativos
hierárquicos; métodos não hierárquicos; determinação do número de clusters;
escalonamento multidimensional; visualização de clusters.
7. Análise discriminante: Classificação e discriminação para duas populações;
classificação e discriminação com várias populações; avaliação de funções de
classificação; método de Fisher para discriminação entre várias populações.
8. Tópicos adicionais: Análise fatorial confirmatória; modelos de equações estruturais;
modelos Bayesianos de análise fatorial; MANOVA e MANCOVA.
e autovetores.
2. Vetores aleatórios e distribuições multivariadas: Introdução; vetores aleatórios;
geometria amostral e amostragem aleatória; decomposição espectral da matriz de
covariâncias e de correlações; distribuições de probabilidades multivariadas: normal
multivariada, Wishart.
3. Análise de componentes principais: Modelos para análise de componentes principais;
número e estrutura de componentes principais; inferência para análise de componentes
principais; aplicações à análise exploratória de dados.
4. Análise fatorial: Modelos paramétricos lineares de análise fatorial; estimação dos
parâmetros; ajuste do modelo; rotação; estimação dos escores dos fatores; aplicações à
análise exploratória de dados.
5. Análise de correlações canônicas: Modelo para análise de correlação canônica;
associação e redundância; análise de correlação canônica parcial e biparcial; previsão e
validade em regressão multivariada com análise de correlação canônica; seleção de
variáveis.
6. Análise de agrupamentos: Distâncias de similaridade; métodos aglomerativos
hierárquicos; métodos não hierárquicos; determinação do número de clusters;
escalonamento multidimensional; visualização de clusters.
7. Análise discriminante: Classificação e discriminação para duas populações;
classificação e discriminação com várias populações; avaliação de funções de
classificação; método de Fisher para discriminação entre várias populações.
8. Tópicos adicionais: Análise fatorial confirmatória; modelos de equações estruturais;
modelos Bayesianos de análise fatorial; MANOVA e MANCOVA.
Bibliografia
JOHNSON, R. A.; WICHERN, D. W. Applied Multivariate Statistical Analysis. 6th. Ed.
New Jersey: Prentice Hall, 2007.
New Jersey: Prentice Hall, 2007.
Bibliografia(continuação)
Não informado
Bibliografia complementar
EVERITT, B.; HOTHORN, T. An Introduction to Applied Multivariate Analysis with R.
New York: Springer, 2011
FERREIRA, D. F. Estatística multivariada. Lavras: Editora UFLA, 2008.
HAIR JR., J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise
multivariada
de dados. Porto Alegre: Bookman, 2005.
JOBSON, J. D. Applied multivariate data analysis, vol. I e II. New Jersey: Springer
Verlag, 1992.
LATTIN, J.; CARROLL, J. D.; GREEN, P. E. Análise de dados multivariados. São Paulo:
Cengage Learning, 2011.
MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma
abordagem aplicada. Belo Horizonte: Editora UFMG, 2005.
SCHOTT, J. R. Matrix analysis for statistics. Hoboken, NJ: John Wiley & Sons, 2016
TIMM, N. H. Applied multivariate data analysis. New York: Springer Verlag, 2002.
New York: Springer, 2011
FERREIRA, D. F. Estatística multivariada. Lavras: Editora UFLA, 2008.
HAIR JR., J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise
multivariada
de dados. Porto Alegre: Bookman, 2005.
JOBSON, J. D. Applied multivariate data analysis, vol. I e II. New Jersey: Springer
Verlag, 1992.
LATTIN, J.; CARROLL, J. D.; GREEN, P. E. Análise de dados multivariados. São Paulo:
Cengage Learning, 2011.
MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma
abordagem aplicada. Belo Horizonte: Editora UFMG, 2005.
SCHOTT, J. R. Matrix analysis for statistics. Hoboken, NJ: John Wiley & Sons, 2016
TIMM, N. H. Applied multivariate data analysis. New York: Springer Verlag, 2002.