OK Nei! Veja que mesmo no *próprio* R, dependendo do "pacote" (*library*) a análise pode vir com sinais trocados, por exemplo princomp, prcomp, dão resultados diferentes das da ADE, FactoMiner, etc.
[] On Wed, Dec 9, 2020 at 1:39 PM Nei por (R-br) <[email protected]> wrote: > Bom Dia Cesar, > > Obrigado pelas dicas sobre PCA. > > Eu já tinha percebido a questão dos "sinais trocados" quando se usa Matlab > ou Python. > > E obrigado por mais uma expressão latina para a minha coleção. :-) > > Um Abraço, > > Markos > > Em 07-12-2020 16:08, Cesar Rabak escreveu: > > OK Nei! > > A interpretação, obviamente *não deveria* ser diferente em função da > linguagem e implementação da técnica, mas na prática... há uns óbices que > precisam ser levados em conta: > > 1) O diagrama que indica as componentes principais pode ter os 'sinais > trocados' nos eixos devido a forma como são calculados os autovetores e > autovalores; > 2) No caso dos biplots há três maneiras de representá-los, com as > "flechas" neles tendo significado métrico levemente diferente na hora de > interpretar; > 3) Algumas implementações oferecem mais objetos de análise em adição às > tabelas decorrentes dos cálculos das componentes principais. > > Essas diferenças podem ser vistas no próprio R com as várias funções para > produzir a análise (number crunching) e os gráficos em pacotes diversos. > > OK quanto ao latim 🤓. Nos países de língua inglesa é muito usada porque > nos contratos "padrão" de venda essa expressão advinda do jargão legal caiu > no uso devido à repetição em contratos, avisos dos órgãos de proteção ao > consumidor, etc. A própria palavra *caveat *sozinha às vezes é usada na > conversa cotidiana. > > Qtº a ficar mais chique, existe um aforismo, em latim é claro sobre > isso¹: QUIDQUID LATINE DICTUM SIT ALTUM VIDETUR!! > > []s > -- > Cesar Rabak > > [1] “O que é dito em latim soa profundo”. > > On Mon, Dec 7, 2020 at 11:34 AM Nei por (R-br) <[email protected]> > wrote: > >> Oi Cesar, >> >> Você tem razão, os links apontam para tutoriais sobre PCA que utilizam o >> Python como ferramenta computacional. >> >> Mas eu compartilhei os links pois a pergunta se referia à interpretação >> dos resultados de PCA, e não ao uso da ferramenta R. >> >> E nesses tutoriais eu procurei discutir alguns conceitos sobre a técnica >> estatística, independente da ferramenta computacional usada, e que poderiam >> ser úteis para o Fernando. >> >> Obrigado pela expressão "caveat emptor". Aprendi mais uma. >> >> Entendi como um sinônimo de "disclaimer". >> >> Vou incluir no meu site pra ficar mais "chique". :-) >> >> Um Abraço, >> >> Markos >> >> Em 07-12-2020 10:13, Cesar Rabak por (R-br) escreveu: >> >> Só agora pude dar uma vista d'olhos nas referências indicadas. >> >> Um senão (*caveat emptor*) precisa ser colocado: os exemplos usam Python >> e não R. >> >> HTH >> >> On Thu, Apr 23, 2020 at 11:10 PM Nei por (R-br) <[email protected]> >> wrote: >> >>> http://www.c2o.pro.br/hackaguas/apx.html >>> >>> http://www.c2o.pro.br/hackaguas/apxs02.html >>> >>> Em 22-04-2020 18:25, Fernando Souza por (R-br) escreveu: >>> >>> Olá pessoal tudo bem >>> >>> Estou realizando uma análise de componentes principais, com o objetivo >>> de selecionar as melhores variáveis para uma análise multivariada. >>> >>> Gostaria de uma orientação sobre a interpretação. Eu interpretei de >>> forma correta? Variáveis que possuem alta correlação com um CP também estão >>> correlacionadas entre si. Isso significa que posso utilizar somente uma das >>> principais variáveis do CP1 (por exemplo) para incluir no modelo >>> multivariado? No caso a variável que apresentar significado para o trabalho. >>> >>> Os círculos de correlação, screem plot e corrplot geradas pelo Pca estão >>> disponíveis no link >>> https://drive.google.com/open?id=1jS5tCX-2-qHo2Gbej00DkFQBpLztwXks >>> >>> A interpretação que fiz foi a seguinte: >>> >>> Considerei as variáveis PC,IC e Prod leite (Azul no gráfico) como >>> variável suplementar quantitativa. Baseado no ScreenPlot selecionei >>> somente 5 CP para avaliação que explicaram 67,80% da variancia total. Pela >>> minha interpretação cheguei as seguintes conclusões >>> >>> Principais variáveis para cada componente: >>> >>> Consumos (CP1): CMS,CMO,CPB,CEE,CCNF,CFDNcp,CFDA,CNDT,CEB,CED,CEM,CEL >>> >>> Energia (CP2) : EB,ED,EM,EL >>> >>> Peso (CP3): PV,PCJ,PCVZ,PCVZ075 >>> >>> Composição do Leite(CP4) : Solido e DCNF >>> >>> Variaveis sanguíneas (CP5): PT e ALBUMINA >>> >>> >>> >>> Segue uma descrição do trabalho para compreensão. Aceito sugestões sobre >>> a melhor forma trabalhar esses dados >>> >>> O banco de dados é oriundo dois estudos realizados pelo mesmo grupo de >>> pesquisa nas mesmas condições experimentais >>> (animais,instalação,dieta,manejo) e avaliaram 48 variáveis. >>> Os fatores experimentais foram: >>> *Raça*: Estudo 1 avaliou 12 animais (6 raça1 e 6 da raça 2). O estudo 2 >>> avaliou 13 animais (6 raça 1 e 7 raça 2) >>> *Plano nutricional:* O estudo 1 avaliou os níveis (0,15,30) o estudo 2 >>> avaliou os níveis (0,5,10,20) >>> *Dias em lactação-DEL* (medidas repetidas no tempo): Estudo 1, dias >>> dispersos entre os períodos de 30 a 120 dias. No estudo 2 os DEL foram >>> avaliados em dias entre 150 a 250 dias. >>> >>> >>> Eu realizei uma análise gráfica e não há indicações de haver diferenças >>> entre estudos, o que era de certo modo esperado. Raça e DEL parecem ser os >>> fatores que afetam as variáveis respostas. >>> >>> >>> >>> -- >>> ========================================= >>> Fernando Souza >>> Zootecnista, DSc. Produção e Alimentação Animal >>> Celular: (31)99796-8781 (Vivo) >>> E-mail:[email protected] <e-mail%[email protected]> >>> Lattes: http://lattes.cnpq.br/6519538815038307 >>> Blog: https://producaoanimalcomr.wordpress.com/ >>> ========================================== >>> >>> >>> _______________________________________________ >>> R-br mailing >>> [email protected]https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código >>> mínimo reproduzível. >>> >>> >>> _______________________________________________ >>> R-br mailing list >>> [email protected] >>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >>> código mínimo reproduzível. >>> >> >> >> _______________________________________________ >> R-br mailing >> [email protected]https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código >> mínimo reproduzível. >> >> >> _______________________________________________ >> R-br mailing list >> [email protected] >> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> código mínimo reproduzível. >> > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
