Método para a seleção do número de componentes principais com base na lógica difusa

• Main Author: Scremin, Marcos Antônio Antonello
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: Florianópolis, SC 2012
• Subjects: Engenharia de produção; Lógica difusa; Analise fatorial; Analise de componentes principais
• Online Access: http://repositorio.ufsc.br/xmlui/handle/123456789/85327

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. === Made available in DSpace on 2012-10-20T17:34:51Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T19:21:38Z : No. of bitstreams: 1 191336.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Os problemas oriundos dos fenômenos naturais, sociais e econômicos normalmente envolvem um gran-de volume de dados. Uma eficiente transformação desses dados em informação útil possivelmente passa por uma redução de dimensionalidade. Esta redução, quando realizada por componentes principais, en-volve a decisão da seleção do número adequado de componentes principais. Os métodos freqüente-mente utilizados para esse propósito são fundamentados apenas na variância explicada pelas compo-nentes principais. Dessa forma, deixando de contemplar informações relevantes, como por exemplo, as cargas fatoriais e o conhecimento do pesquisador e/ou especialista sobre o problema em estudo. Neste trabalho desenvolve-se um método para a seleção do número de componentes principais com base na Lógica Difusa. O uso da Lógica Difusa contribui para o aperfeiçoamento do método de Análise de Com-ponentes Principais ao permitir agregar o conhecimento do pesquisador e/ou especialista, sobre o pro-blema, às informações estatísticas dos dados. Assim, possibilita fornecer subsídios importantes no apoio à tomada de decisão. Na busca da validação do método proposto realizou-se um estudo comparativo, por meio de amostras simuladas, com os métodos de Kaiser e da Porcentagem Acumulada de Variância Explicada. Neste estudo de comparação, o método proposto apresentou resultados superiores aos outros dois na seleção do número de componentes principais.