# Leitura dos dados da base de dados "ExemploBanco.csv"
dados <- read.table("ExemploBanco.csv",header=TRUE,sep=";",dec=",")
#
# Resumo estatístico - - - - - - - - - - 
names(dados)
summary(dados)
dados.q <- dados[,c(2,3)]
#
# Matriz de correlação ---------------------------------------
correlacao <- cor(dados.q)
correlacao
# Análise de Autovalores - - - - - - - -
# Autovalores de r 
auto.v <- eigen(correlacao)
auto.v
av <- auto.v$values
av
#
plot(av,type="b")
#
# Percentual da variância explicada por em cada componente:
percent <- av/sum(av)
percent
#
# Matriz de covariância --------------------------------------- 
covariância <- cov(dados.q)
covariância
# Análise de Autovalores da matriz de covariância - -
# Autovalores de S
auto.v.S <- eigen(covariância)
auto.v.S
av.S <- auto.v.S$values
av.S
#
plot(av.S,type="b")
#
# Percentual da variância explicada por em cada componente:
percent.S <- av.S/sum(av.S)
percent.S
#
#####################################################
# Análise de componentes principais com função "prcomp"
#
# Variância (scale = FALSE)
banco_pca_S <- prcomp(dados.q, scale = FALSE)
summary(banco_pca_S)
banco_pca_S
predict(banco_pca_S)
#
# Correlação (scale = FALSE)
banco_pca_R <- prcomp(dados.q, scale = TRUE)
summary(banco_pca_R)
banco_pca_R
predict(banco_pca_R)
#