1) O documento introduz os conceitos e métodos da estatística multivariada, incluindo o estabelecimento de relações entre variáveis, redução de variáveis e análise multivariada. 2) É explicado que a análise multivariada olha para as variáveis de forma conjunta ao invés de isolada, diferentemente da estatística univariada. 3) São definidos alguns métodos estatísticos como regressão linear, correlação de Pearson, análise de componentes principais e regressão linear múltipla de componentes principais.

1. Estatística Multivariada
Como os dados podem direcionar nossas ações

2. Introdução

3. Estabelecer relações

4. Pesquisa Correlacional x Experimental
Variáveis Dependentes x Independentes
Variáveis Qualitativas x Quantitativas

5. Traduzir informações em conhecimento

6. Redução de Variáveis
A maneira própria de fazer ciência,
procurando reduzir a poucas
variáveis, desenvolveu muito um
ramo da estatística que olha as
variáveis de maneira isolada — a
estatística univariada.

7. A Análise Multivariada

8. Estatística
O que posso afirmar com os
dados que tenho hoje?

9. Procedimento Metodológico
Definição do
problemaInício
•Amostragem
•Seleção de
variáveis
Meio
•Tratamento
•Análise e
inferência
de Dados
Fim

10. Métodos

11. Definições Básicas
Regressão Linear
Ferramenta estatística usada para prever futuros valores a partir de
valores passados.
Correlação de Pearson
O coeficiente mede a intensidade e a direção de relações lineares. A
intensidade diz respeito ao grau de relacionamento entre duas
variáveis. Quanto mais próximo dos extremos do intervalo, (-1 e +1)
mais forte é a correlação. Quanto mais próximo do centro do
intervalo, zero, mas fraca é a correlação linear.

12. Definições Básicas

13. Análise de componentes principais
 Os fundamentos da análise de componentes principais serão apresentados
descrevendo os passos matemáticos e estatísticos a partir das necessidades de
interpretação adequada da matriz de dados. O entendimento exaustivo do
assunto requer o conhecimento de operações com matrizes e por isso optamos
por uma abordagem conceitual usando as noções de álgebra linear.

14. Regressão linear múltipla de
componentes principais
 Finalidade: Obter uma relação matemática entre UMA das variáveis (variável
dependente) e o restante das variáveis que descrevem o sistema (variáveis
independentes).
 Pode ser usada na predição de resultados.

15. Aplicações
Objetivos bem precisos, desde o início da pesquisa,
ajudam na consecução do trabalho e posterior tratamento
estatístico.

16. O que os dados nos dizem?

17. O que os dados nos dizem?

18. Obrigado!
Objetivo
"Dados são como filhos: você não sabe no que eles vão se tornar"