Análise multivariada - Multivariate analysis

A análise multivariada ( AMIU ) é baseada nos princípios da estatística multivariada , que envolve a observação e a análise de mais de uma variável de resultado estatística por vez. Normalmente, o MVA é usado para abordar as situações em que várias medições são feitas em cada unidade experimental e as relações entre essas medições e suas estruturas são importantes. Uma categorização moderna e sobreposta de MVA inclui:

  • Modelos multivariados normais e gerais e teoria da distribuição
  • O estudo e medição de relacionamentos
  • Cálculos de probabilidade de regiões multidimensionais
  • A exploração de estruturas e padrões de dados

A análise multivariada pode ser complicada pelo desejo de incluir análises baseadas na física para calcular os efeitos das variáveis ​​para um "sistema de sistemas" hierárquico. Freqüentemente, os estudos que desejam usar a análise multivariada são paralisados ​​pela dimensionalidade do problema. Essas preocupações costumam ser amenizadas com o uso de modelos substitutos , aproximações altamente precisas do código baseado em física. Como os modelos substitutos assumem a forma de uma equação, eles podem ser avaliados muito rapidamente. Isso se torna um facilitador para estudos de MVA em grande escala: embora uma simulação de Monte Carlo em todo o espaço de design seja difícil com códigos baseados em física, torna-se trivial ao avaliar modelos substitutos, que muitas vezes assumem a forma de equações de superfície de resposta .

História

O livro de Anderson de 1958, An Introduction to Multivariate Statistical Analysis , educou uma geração de teóricos e estatísticos aplicados; O livro de Anderson enfatiza o teste de hipótese por meio de testes de razão de verossimilhança e as propriedades das funções de poder : Admissibilidade , imparcialidade e monotonicidade . MVA outrora permaneceu apenas nos reinos da teoria estatística devido ao tamanho, complexidade do conjunto de dados subjacente e alto consumo computacional. Com o crescimento dramático do poder computacional, o MVA agora desempenha um papel cada vez mais importante na análise de dados e tem ampla aplicação nos campos OMICS .

Formulários

Ferramentas

Veja também

Referências

Leitura adicional

  • TW Anderson, An Introduction to Multivariate Statistical Analysis , Wiley, New York, 1958.
  • KV Mardia; JT Kent e JM Bibby (1979). Análise multivariada. Academic Press . ISBN   978-0124712522 . (Abordagem de "probabilidade" de nível MA)
  • Feinstein, AR (1996) Multivariable Analysis . New Haven, CT: Yale University Press.
  • Hair, JF Jr. (1995) Multivariate Data Analysis with Readings , 4ª ed. Prentice-Hall.
  • Johnson, Richard A .; Wichern, Dean W. (2007). Análise estatística multivariada aplicada (sexta ed.). Prentice Hall. ISBN   978-0-13-187715-3 .
  • Schafer, JL (1997) Analysis of Incomplete Multivariate Data . CRC Press. (Avançado)
  • Sharma, S. (1996) Applied Multivariate Techniques . Wiley. (Informal, aplicado)
  • Izenman, Alan J. (2008). Técnicas estatísticas multivariadas modernas: regressão, classificação e aprendizagem múltipla. Springer Textos em Estatística. Nova York: Springer-Verlag. ISBN   9780387781884 .
  • "Handbook of Applied Multivariate Statistics and Mathematical Modeling | ScienceDirect". Recuperado em 03/09/2019.

links externos