Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/39117
metadata.artigo.dc.title: Efeito de diferentes estruturas de correlação nos ângulos formados entre componentes principais e interpretáveis em amostras com presença de pontos discrepantes
metadata.artigo.dc.title.alternative: Effect of different correlation structures in angles formed between principal and interpretable components in samples witch presences of outliers
metadata.artigo.dc.creator: Silva, Augusto Maciel da
Morais, Augusto Ramalho de
Cirillo, Marcelo Angelo
metadata.artigo.dc.subject: Estatística circular
Simulação de Monte Carlo
Pontos discrepantes
Circular Statistics
Monte Carlo Simulation
metadata.artigo.dc.publisher: Universidade Federal de Santa Maria
metadata.artigo.dc.date.issued: Dec-2013
metadata.artigo.dc.identifier.citation: SILVA, A. M. da; MORAIS, A. R. de; CIRILLO, M. A. Efeito de diferentes estruturas de correlação nos ângulos formados entre componentes principais e interpretáveis em amostras com presença de pontos discrepantes. Ciência e Natura, Santa Maria, v. 35, n. 2, p. 95-104, dez. 2013.
metadata.artigo.dc.description.resumo: Análise de Componentes Principais (ACP) tem como objetivo descrever a estrutura de covariâncias de um vetor aleatório utilizando combinações lineares das variáveis originais. Em algumas situações, os coeficientes dos Componentes Principais (CP) podem não ser facilmente interpretados devido ao número de variáveis ou presença de pontos discrepantes. Assim foram introduzidos os Componentes Interpretáveis (CI), os quais são avaliados através do ângulo formado entre os mesmos e os Componentes Principais. O presente trabalho tem como objetivo avaliar os efeitos de diferentes estruturas de correlação via Simulação de Monte Carlo e estatística circular na distribuição dos ângulos formados entre os componentes em amostras com e sem contaminação. Foi verificado que as estruturas de correlação atuam de forma diferente nos ângulos, sendo a estrutura de Simetria Composta a que apresenta menores médias angulares para os primeiros componentes em situações de maior coeficiente de correlação. Foi verificado também que a contaminação da amostra não atua diretamente na magnitude dos valores esperados dos ângulos.
metadata.artigo.dc.description.abstract: The principal component analysis aims to explain the variance structure of a random vector consisting of p variables, using linear combinations of the original variables. In some situations, the coefficients of the principal components may not be easily interpreted because the number of variables or the presence of outliers. Thus were introduced interpretable components, which are measured by the angle formed between the Principal and Interpretable Component. This paper aims to evaluate the effects of different correlation structures via Monte Carlo simulation and circular statistics on the angles formed between the components in samples with and without contamination. It was found that the structures act differently on the angles, and the CS structure which has the smallest expected angle for the first components in situations of higher correlation coefficient. Still, it was found that the contamination of the sample does not act directly on the magnitude of the expected values of the angles.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/39117
metadata.artigo.dc.language: pt_BR
Appears in Collections:DEX - Artigos publicados em periódicos



This item is licensed under a Creative Commons License Creative Commons