A teoria dos métodos estatísticos

p
Prof. Lorí Viali, Dr.
viali@pucrs.br;
viali@mat.ufrgs.br;
http://www.pucrs.br/famat/viali;
http://www.mat.ufrgs.br/~viali/
Prof. Lorí Viali, Dr. –
multivariados pode ser explicada razoavelmente
bem somente com uso de alguma álgebra
matricial. Por essa razão é útil, senão essencial ter
pelo menos algum conhecimento nessa área (Bryan
F. J. Manly).
Estatístico Ecologista com mais
de 30 anos de experiência como
pesquisador, consultor e professor de
Estatística.
PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

As principais aplicações da técnica

da “Análise de Fatores” (Factor
Analysis) são:

(1) Identificar dimensões latentes, isto é,

fatores que justifiquem as correlações
Factor Analysis (FACAN) observadas entre as variáveis.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

(2) Substituir o conjunto original de variáveis O que é Análise de Fatores

(em geral grande) e correlacionadas por um É uma classe de processos utilizados na
conjunto menor de variáveis sem correlação ou redução e sumarização de dados (Malhotra, 2001);
com baixa correlação.
É um nome genérico dado a uma classe de
métodos estatísticos multivariados, cujo propósito
(3) Objetivo Global: parcimônia, isto é, principal é definir uma estrutura fundamental em
redução da complexidade. uma matriz de dados (Hair et al., 1995).

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

1
 Quais variáveis
Além disso, a análise de fatores é V1, V2, V3,
explicam
V4, V5, V6,
aplicada como redutora de dados ou V7, V8, V9
a mesma coisa?
méotodo (exploratório) de detecção de
L. L. Thurstone (1887-1955)
estruturas. Psicometrista
V1, V5 Qualidade
http://www.indiana.edu/~intell/lthurstone.html

O termo “análise de fatores” foi V3, V6, V8 , V9 Experiência

introduzido por Thurstone em 1931. V2, V4, V7 Utilidade

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Objetivos
Examinar a “interdependência” entre todas as
V1, V5 Qualidade
variáveis (correlações).
Fatores

V3, V6, V8 , V9 Experiência Reduzir diversas variáveis, provavelmente

V2, V4, V7
Quais variáveis
medem a mesma coisa?
Prof. Lorí Viali, Dr. –
“correlacionadas”, a uma quantidade menor e
Utilidade
mais facilmente “gerenciável”.
O “quanto” estas Analisar a estrutura das correlações entre
um grande número de variáveis, definindo um
variáveis medem
conjunto menor de dimensões básicas
a mesma coisa? comuns, chamadas fatores.
PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Importância Histórico
Reduzir “massas” de informação a um Charles Spearman (1904), psicólogo americano
tamanho mais facilmente gerenciável; Pesquisa sobre habilidades mentais
Buscava identificar um “fator comum” para
A ciência busca explicações mais simples (lei matemática, vocabulário, comunicação, arte,
da parcimônia); lógica, etc...
Fator básico de inteligência geral - Fator G
AF propõe-se a reduzir a complexidade Desenvolveu a Análise de Fatores
das variáveis a uma maior simplicidade. “Factor Analysis” ou FacAn
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

2
 Aplicações Termos básicos
Identificar fatores que expliquem as correlações Comunalidade: representada por h2, é a proporção
da variância de uma variável que é
entre um conjunto de variáveis;
compartilhada com os fatores comuns na análise
Identificar, em um conjunto maior de variáveis, de fatores.
um conjunto menor que se destaque para uso em Autovalor: é a variância padronizada associada
uma futura análise multivariada; com um particular fator. A soma dos autovalores
Sumarizar os dados, para obter uma não pode exceder o número de variáveis (itens),
uma vez que cada item contribui com a unidade
melhor percepção do objeto de pesquisa.
na soma das variâncias.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Fator: uma combinação linear das variáveis

Escore do fator: Medida composta criada
(itens) no sentido de uma regressão, onde o
para cada observação em cada fator da
escore total do teste é a variável dependente
análise. Os pesos dos fatores são utilizados
e os itens são as variáveis independentes.
em conjunto com os valores originais da
Carga do fator: a carga de um fator expressa a
variável para calcular cada um dos escores.
correlação do fator com a variável. O
Os escores dos fatores são padronizados da
quadrado da carga do fator indica a
mesma forma que o escore z.
proporção da variância partilhada entre a
variável e o fator.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Matriz padrão dos fatores: uma matriz Solução rotada dos fatores: uma solução, onde os
contendo os coeficientes ou cargas eixos são girados com o propósito de mostrar um
utilizadas para expressar um item em padrão mais visível das cargas dos fatores.
termos do fator. Ela coincide com a matriz Gráfico de declividade (Scree plot): um diagrama
de estrutura se os fatores são ortogonais mostrando os autovalores de cada fator.
(não-correlacionados).
Teste de esfericidade de Bartlett: Verifica se todas
Matriz estrutura dos fatores: uma matriz
as correlações dentro da matriz de correlações
contendo as correlações dos itens com cada
são significativas.
um dos fatores.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

3
Matriz de correlação anti-imagem: é a matriz das
correlações parciais entre as variáveis (itens) após a
análise de fatores. Representa o grau com que os
fatores “explicam” um ao outro nos resultados.
Análise de factores comum: modelo de fatores na qual os
fatores são baseados numa matriz de correlação
reduzida, isto é, as comunalidades são inseridas na
diagonal da matriz de correlação e a extração dos
fatores é baseada somente na variância comum
excluindo as variâncias específicas e do erro.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística
Variância do erro: variância de uma variável
devido a erros na coleta ou medida dos valores.
Medida de adequação da amostra (MAS - Measure
of Sampling Adequacy): medida calculada tanto
para a matriz de correlação quanto para cada
variável individualmente avaliando a adequação
da aplicação da análise de fatores. Valores
maiores do que 0,5 tanto para a matriz como um
todo quanto para as variáveis indivualmente
indicam que o método é adequado.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Etapas 1. Formular o problema

1. Formular o problema Pesquisar e definir os constructos que
2. Montar matriz de correlações fundamentarão as variáveis originais.
3. Validar a Análise de Fatores Altamente recomendado que as variáveis
4. Determinar o método analisadas sejam especificadas com base em
5. Determinar Número de Fatores pesquisas anteriores.
6. Rotacionar Fatores Tamanho da amostra: 4 a 5 vezes o número
7. Interpretar Fatores de variáveis na pesquisa.
8. Atribuir Nomes aos Fatores Observação: no mínimo, 100 unidades.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Base de dados nxp

Determinar as variáveis a se pesquisar; Variáveis
Definir o tamanho da amostra; Itens V1 V2 V3 ... Vp
Aplicar o instrumento de pesquisa; I1 i11 i12 i13 ... i1p
I2 i21 i22 i23 ... i2p
Preparar os dados em uma tabela nxk
I3 i31 i32 i33 ... i3p
(itens)x(variáveis). ... ... ... ... ...
In in1 in2 in3 ... inp
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

4
2. Montar Matriz de Inter-correlações 3. Validar a Análise de Fatores
Correlacionar todas variá
variáveis entre si
Confirmar a validade da AF para os dados
Variáveis V1 V2 V3 Vp coletados, através dos seguintes testes:
V1 1 ...
V2 -0,3 1 ... 1. Teste de esfericidade de Bartlett;
V3 0,8 -0,6 1 ... 2. Adeqü
Adeqüacidade da amostra de Kaiser-
Kaiser-Meyer-
Meyer-
... ... ... ... ...
Olkin (KMO).
Vp 0,8 0,3 0,9 ... 1
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Considere a matriz de inter-

inter-correlaç
correlações As variá
variáveis são totalmente não-
não-colineares.
colineares.
abaixo conhecida como matriz identidade.
identidade. Se fosse aplicada a AF nesta matriz …
Variáveis V1 V2 V3 Vp
V1 1 ... Seriam extraí
extraídos tantos fatores quanto
V2 0,00 1 ... variá
variáveis,
veis, uma vez que cada variá
variável seria seu
V3 0,00 0,00 1 ... pró
próprio fator ;
... ... ... ... ...
Ela é totalmente não fatorá
fatorável.
vel.
Vp 0,00 0,00 0,00 ... 1
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

1. Teste de esfericidade de Bartlett Matriz de correlações = matriz identidade;

Valor elevado do determinante da matriz
Testa a hipótese nula, de que as variáveis não
favorece a rejeição da hipótese nula;
sejam correlacionadas na população; Executa uma transformação qui-quadrado do
Fornece a probabilidade de que a matriz de determinante da matriz de correlação.
correlações possua correlações significativas em Se esta hipótese não puder ser rejeitada, então a
algumas das variáveis. conveniência da AF é questionável.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

5
3. Adeqü
Adeqüacidade da amostra deKaiser-
deKaiser-Meyer-
Meyer- 4. Determinar o Método
Olkin (KMO) Selecionar o mé
método de extraç
extração de fatores
É um índice que varia de 0 a 1. Análise dos componentes principais (*);
Compara as magnitudes dos coeficientes de correlação Máxima verossimilhança (*);
observados, com as dos coeficientes de correlação Fatoração pelo eixo principal (*);
parciais; Mínimos quadrados generalizados (*);
Índice < 0,50: as correlações entre os pares de Mínimos quadrados não-ponderados (*);
variáveis não podem ser explicadas por outras Fatoração alfa (*);
variáveis - não se deve utilizar a AF. Mínimo residual ;
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Componentes Principais Máxima Verossimilhança

Modelo no qual os fatores estão baseados na
variância total ; Produz estimativas dos parâmetros que são as
Tantos componentes quanto variáveis; mais prováveis de terem produzidos as
O primeiro componente tem a maior variância correlações observadas;
comum, componentes sucessivos possuem mais A amostra deve ter se originado de uma
variâncias específicas e variância do erro; população normal multivariada.
É adequado para extrair a maior proporção da
variância com o menor número de fatores.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Fatoração pelo eixo principal

Mínimos quadrados não-ponderados
Utiliza o quadrado da correlação múltipla
como estimativa das comunalidades; Minimiza o quadrado da diferença entre as
As comunalidades são colocadas na diagonal matrizes de correlações obeservadas e
da matriz principal, antes da extração dos reproduzidas;
fatores.

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

6
 Fatoração alfa
Mínimos quadrados generalizados

Também minimiza o quadrado da diferença
entre as matrizes de correlações obeservadas e
reproduzidas;
Pondera o resultado pelos valores dos itens
envolvidos na análise.
Trata os itens como uma amostra da população
de todos os possíveis itens;
Seleciona os fatores com o objetivo de
maximizar o coeficiente alfa de confiabilidade.

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Fatoração pela imagem Fatoração pelo mínimo residual

É baseada no conceito de uma “imagem” de Os fatores são extraídos da matriz de

um item; correlação ignorando os elementos da
O item seria a variável (dependente) de uma diagonal.
regressão múltipla onde os demais itens seriam
as variáveis independentes.

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

5. Determinar Número de Fatores Critérios de extração dos fatores:

1. A priori;
Definir o critério de extração dos fatores.
2. Com base nos “autovalores”;
Pode-se reter todos os fatores cujos
3. Com base no “gráfico de declive”;
autovalores excederem um valor especificado
4. Com base na “percentagem de variância”;
(por exemplo ≥ 1) ou reter um número específico
de fatores. 5. Com base na “confiabilidade meio a meio”;
6. Com base em “testes de Significância”.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

7
 1. A Priori 2. Com base nos autovalores
O pesquisador já sabe quantos fatores devem É a técnica mais comum de extração de valores.
ser extraídos antes de começar; Qualquer fator deve responder pela variância de
Os programas de computador permitem que se pelo menos uma variável;
informe o número de fatores que se deseja Cada variável tem variância = 1 (padrão)
extrair; Deve-se reter fatores com autovalor >= 1
Útil quando o pesquisador está testando uma
(critério de Kayser);
teoria ou hipótese a respeito do número de
Mais adequado para quantidade de variáveis
fatores.
entre 20 a 50.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Autovalores
3. Com base na declividade
Variância extraída por um fator
Escores padrão tem variância unitária e desta Construir o gráfico da declividade
forma a variância total é igual ao número de
variáveis na matriz de correlação; Plotar os autovalores em ordem de magnitude
Um fator com autovalor maior ou igual a um descrescente.
explica mais a variabilidade do que uma única
variável.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Gráfico da Declividade 4. Com base no % da variância

Autovalores

Adiciona fatores até que um determinado

percentual da variância total seja obtido.
Scree = declividade

Número de Fatores
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

8
 6. Rotação dos Fatores O processamento (software) gera a “matriz de
É o processo de ajustar os eixos dos fatores fatores”;
de modo a obter uma solução mais simples e A matriz contém os coeficientes que expressam
teoricamente mais significativa; as variáveis em termos de fatores;

Eixo dos fatores: quadro de referência; Os coeficientes são chamados de cargas dos
fatores. São as correlações entre variáveis e
Rotação: “mudança de perspectiva”.
fatores.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Métodos de rotaç
rotação de fatores:
A matriz rotada de fatores será utilizada para
Varimax
se poder identificar mais claramente quais
variáveis pertencem a quais fatores. Quartimax
Oblíqua (Oblimin direta)

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Varimax: simplifica colunas. Fornece o contraste

Varimax: Critério de Thurstone :
máximo entre as variáveis dentro de cada fator;
Objetiva que cada linha da matriz das cargas
Existem dois métodos de rotação dos fatores deve ter pelo menos um zero e que cada
varimax: fator deve ter um conjunto de cargas próximas de
zero. A rotação empregada pelo método era
• Critério de Thurstone e
parcialmente subjetiva e não levava a soluções únicas.
• Varimax de Kayser

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

9
Varimax de Kayser : Quartimax: simplifica linhas. Fornece
Rotações analíticas melhoram o critério de
contraste máximo nas cargas dos fatores
Thurstone (rotação gráfica). Entre eles o de Kayser dentro de cada variável;
é mais utilizado dos métodos de rotação analítica. Oblíqua: roda os eixos de forma que os
Este método utiliza a maximização interativa das
vértices podem ter ângulos diferentes de 90
variâncias das colunas das cargas dos fatores.
graus.

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

7. Interpretar Fatores A matriz de inter-correlações kxk é reduzida

a matriz kxf de carga dos fatores
Construir um “Gráfico de Carregamento de Fatores
Fatores” (Factor Loading); Variáveis i ii iii f
Utilizar a carga dos fatores como V1 0.932 0,013 0,250 ... 0,405
coordenadas para o gráfico; V2 0.851 0,426 290 ... 0,390
Preparar o gráfico a partir da matriz rotada V3 0.134 0,651 0,220 ... 0,332
de fatores. ... … ... ...
Vp 0.725 0,344 0,200 ... 0,645
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

A carga de um fator é a correlação entre a

Carga dos Fatores variável e o fator que foi extraído dos dados;
Correlação das variáveis originais (itens) Exemplo
com os fatores; Fatores
Significância: regra prática (0,5); Variáveis i ii iii f
Comunalidades identifcam itens “pobres”; V1 0.932 0,013 0,250 ... 0,405
Quanta variância de cada variável é
Considerando a tabela anterior observe-se
explicada por todos os fatores;
a carga do fator “i”.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

10
 Comunalidade
Interpretação
O quanto da variância da variável V1 é
medida ou explicada pelos “f” fatores que foram
A variável V1 está altamente
extraídos?
correlacionada com o fator “i” , praticamente
Simplesmente tome a soma dos quadrados das
sem correlação com o fator “ïi” , com pequena cargas dos fatores:
correlação com o fator “iii” e uma média 0,9322 + 0,0132 + 0,2502 +… + 0,4052 =
correlação com o fator “f”.
Este resultado é denominado “Comunalidade”
da variável.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Interpretação Cada linha terá apenas uma carga significativa;

Os fatores são identificados em relação às Cada coluna terá várias cargas não
variáveis que se manifestam – inspeção da significativas;
carga dos fatores; Entre cada par de colunas cargas não
A rotação simplifica a interpretação da matriz significativas não se sobrepõe;
dos fatores; Correlação entre fatores levanta a questão de
Estrutura simples: uma carga alta para cada fatores de segunda ordem.
variável em apenas um fator;
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Escores dos fatores Escores de regressão: os escores de regressão dos

fatores possuem mé
média zero e variância igual ao
A matriz dos coeficientes dos fatores quadrado do coeficiente de regressão mú
múltipla entre
os escores estimados dos fatores e os valores
mostra os coeficientes pelo qual os itens são verdadeiros do fator. Eles podem estar
multiplicados para obter os escores dos correlacionados mesmo quando os fatores são
assumidamente ortogonais. A soma das
fatores. Existem três mé
métodos de determinaç
determinação
discrepâncias ao quadrado entre os valores
destes escores. verdadeiro e estimado dos fatores sobre todos os
itens é minimizada.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

11
Escores de Bartlett: os escores dos fatores de 8. Atribuir nomes aos Fatores
Bartlett apresentam mé média zero. A soma dos
Avaliar as variáveis de maior carga, de cada
quadrados dos fatores sobre todos os itens é
minimizada. fator;
Escores de Anderson-Rubin: os escores dos fatores Atribuir um nome descritivo aos fatores;
de Anderson-
Anderson-Rubin são uma modificaç
modificação dos Detectar a “essência” das variáveis
escores de Bartlett para assegurar a orgonalidade
dos fatores estimados. Eles apresentam mé
média zero individuais;
e desvio padrão um. Abstrair o objeto de pesquisa.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

Utilizar o arquivo “seven.var” e

realizar uma análise de fatores utilizando
o SPSS.

Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

KERLINGER, F. N., Metodologia da Pesquisa em

DARLINGTON, R. B., WEINBERG, S.,
WALBERG, H. Canonical variate analysis and
related techniques. Review of Educational Research,
p. 453-454, 1973.
HAIR, J. F. Jr. et al. Multivariate Data Analysis, 5 ed.,
Prentice Hall, Upper Saddler River, NJ. 1998.
KACHIGAN, S. K.. Statistical Analysis. Radius Press, New
York, NY. 1986.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística
Ciências Sociais: um tratamento conceitual. São
Paulo: Edusp, 1979.
KIM, J. O.; MUELLER, C. W. Factor Analysis:
What it is and how to do it. Sage Publications,1978.
KIM, J. O.; MUELLER, C. W. Introduction to
Factor Analysis. Sage Publications, 1978.
MALHOTRA, Naresh, K.: Pesquisa de Marketing:
Uma orientação aplicada. Porto Alegre: Bookman,
2001 (3. ed.), 720 p.
Prof. Lorí Viali, Dr. – PUCRS/UFRGS – Departamento de Estatística

12