Métodos de Análise Multivariada em R

A proposta deste livro surge pela observação da frequente necessidade de materiais didáticos sobre estatística multivariada e suas aplicações computacionais por parte de estudantes de pós-graduação, pesquisadores e profissionais das mais diversas áreas. E também vai ao encontro da considerável expansão e utilização do software R (livre), especialmente no meio acadêmico.

Sem a pretensão de constituir um livro-texto detalhado, os seus capítulos convergem para um meio termo entre a teoria e prática dos principais métodos de análise multivariada, desde a análise exploratória por meio de gráficos, passando pelos métodos de redução dimensional até a parte básica de inferência estatística. Em capítulos curtos, apenas a parte teórica fundamental é apresentada.

Exemplos resolvidos e exercícios são a base da prática computacional, bem como alguns desafios para aqueles usuários mais interessados em desenvolver suas habilidades no R.

Os data sets utilizados são, em sua grande maioria, disponibilizados na distribuição dos seus próprios pacotes e, portanto, contam com documentação a respeito de origem e descrição dos dados.

A seleção do conteúdo é baseada na minha experiência acadêmica com a estatística multivariada e na análise de dados utilizando o R. Assim é que, sem negar o meu próprio viés de classificação literária, considero-o como um guia do usuário e, não obstante, assumo os erros que porventura surgirão. Por fim, deixo o meu agradecimento a priori aos leitores que relatarem críticas e sugestões. O Autor

Nos ensaios ou experimentos científicos mais comuns, um número n de indivíduos, objetos ou unidades observacionais é avaliado em múltiplas dimensões, ou seja, em relação a duas ou mais variáveis (características) de interesse para explicar um sistema complexo. Ocorre que, se essas variáveis fossem independentes entre si, análises univariadas, isto é, análises feitas separadamente para cada variável, resolveriam o problema de se extrair a informação contida nos dados. Porém, é natural que haja correlação entre essas variáveis. É nesse caso que o método multivariado deve ser utilizado, pois tanto a variabilidade individual de cada variável quanto a sua covariabilidade, com outra(s) variável(is), devem ser consideradas na análise. No entanto, é importante reconhecer que mais tempo e empenho são necessários para extrair o máximo de informação contida em dados multivariados, mas o resultado em geral vale o esforço. Dependendo do objetivo da pesquisa e da estrutura dos dados, um método multivariado do tipo: i) inferencial (testes de hipóteses), como a análise de variância multivariada, ii) de redução dimensional, como a análise de componentes principais, ou iii) de classificação e discriminação, pode ser aplicado. Não obstante, um problema relacionado a dados multivariados pode ser resolvido de diferentes formas pela aplicação de mais de um algoritmo ou mais de um método multivariado. Então, além da preocupação com a escolha do método, surge a questão: como ou onde realizar a análise? Nesta obra, os principais métodos de análise multivariada são apresentados com as rotinas computacionais do Ambiente R de Computação Estatística, em linguagem acessível a pesquisadores e estudantes de nível superior, das mais diversas áreas da ciência, que tenham conhecimento básico de estatística.