Universidade Estadual Paulista “Júlio de Mesquita Filho” FCLassis – Depto de Ciências...

Universidade Estadual Paulista “Júlio de Mesquita Filho” FCLassis – Depto de Ciências Biológicas

Programa de Pós-graduação em Biociências

Área de Concentração

“Caracterização e Aplicação da Diversidade Biológica”

Análise de Agrupamentos para Reconhecimento de Padrões em Saúde e Ecologia.

Dr. Fernando Frei


Dr. Fernando Frei

Análise de Agrupamentos para Reconhecimento de Padrões em Saúde e Ecologia.Análise de Agrupamentos para Reconhecimento de Padrões em Saúde e Ecologia.

Tópicos Relacionados

Colinearidade e Multicolinearidade

A “multicolinearidade” pode ser definida como o grau de dependência linear existente entre as variáveis independentes. A multicolinearidade pode alterar os padrões de agrupamento, pelo fato das variáveis colineares serem implicitamente ponderadas com maior peso

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10

multicolinearidade colinearidade

4 vezes mais chances de afetar a medida de similaridade

O segundo grupo terá menos influência


Dr. Fernando Frei


Técnica para detectar a presença de multicolinearidade. A mais utilizada é: os fatores de inflação da variância, VIF (variance inflation factors)

Onde corresponde ao coeficiente de determinação da regressão linear que tem a variável de agrupamento xk como função das demais.

2kR

Quanto maior for o VIF, mais severa é a multicolinearidade.

Uma regra prática aceitável é a de que, se VIF(k) > 10, a colinearidade existente entre a variável “k” e as demais é significativa


Dr. Fernando Frei


A situação ideal para todo pesquisador seria ter diversas variáveis independentes altamente correlacionadas com a variável dependente, mas com pouca correlação entre elas próprias

Providências

Combinar variáveis – Análise Fatorial

Excluir variáveis


Dr. Fernando Frei


Outliers podem ser consideradas como objetos com baixaconectividade em oposição à maior conectividade na região intracluster.

As observações que apresentam um grande afastamento das restantes.

Outliers

Métodos de identificação

Gráfico de BoxZ-scores


Dr. Fernando Frei


O gráfico de Box é construído da seguinte forma:

1) Calcula-se a mediana, o quartil inferior (Q1) e o quartil superior (Q3);

2) Subtrai-se o quartil superior do quartil inferior = (L)

3) Os valores que estiverem no intervalo de Q3+1,5L e Q3+3L e no intervaloQ1-1,5L e Q1-3L, serão considerados outliers podendo, portanto ser aceitosna população com alguma suspeita;

4) Os valores que forem maiores que Q3+3L e menores que Q1-3L devem ser considerados suspeitos de pertencer à população, devendo ser Investigada a origem da dispersão. Estes pontos são chamados de extremos.


Dr. Fernando Frei



Dr. Fernando Frei


Z-Scores

1) Calcular os z-scores, isto é, os valores z-standardizados dos dados.

2) Se o conjunto dos dados é pequeno (inferior a 50), valores que tenham Zscores inferiores a -2.5 ou superiores a 2.5 devem ser considerados outliers.

3) Se o conjunto dos dados é grande, valores que tenham z-socres inferiores a -3.3 ou superiores a 3.3 são tipicamente considerados outliers.

4) Se o conjunto dos dados é muito grande (1000 ou mais), também valoresmais extremos do que +-3.3 podem ser considerados dados normais e nãooutliers.


Dr. Fernando Frei


Providências

As aplicações da Análise de Agrupamento são diversas

Qual o objetivo? Detecção de pontos aberrantes!

Qual o objetivo? Obtenção de grupos! Outliers são retirados da análise.São caracterizados como grupo ou grupos.


Dr. Fernando Frei


Universidade Estadual Paulista “Júlio de Mesquita Filho” FCLassis – Depto de Ciências...

Documents

Transcript of Universidade Estadual Paulista “Júlio de Mesquita Filho” FCLassis – Depto de Ciências...