---
title: "Exemplo: dados qualitativos em FMI"
output: rmarkdown::html_vignette
vignette: >
  %\VignetteIndexEntry{Exemplo: dados qualitativos em FMI}
  %\VignetteEngine{knitr::rmarkdown}
  %\VignetteEncoding{UTF-8}
---

```{r, include = FALSE}
knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)
```

# Ativando o pacote
Após a instalação do pacote é preciso ativa-lo. Para isso, deve-se utilizar a função `library` ou `require`

```{r}
library(MultivariateAnalysis)
```
# Abrindo o conjunto de dados
Posteriormente, deve-se carregar no R o conjunto de dados a serem analizados. Isso pode ser feito de diferentes formas.

Uma possibilidade é utilizando a função `read.table`. Neste exemplo vamos trabalhar com o banco de dados do pacote, o qual pode ser carregado com a função `data`.

Este exemplo trata-se de dados multicategóricos em Famílias de Meios Irmãos.
```{r}
data("Dados.FMI.Quali")
head(Dados.FMI.Quali)
```

#Obtendo a porcentagem de cada classificação em nível de tratamento.
```{r}
Fator=Dados.FMI.Quali$Tratamento
DadosQuali=Dados.FMI.Quali[,6:10]
Dados2=ApplyDissimilaridade(Dados = DadosQuali,Factor = Fator)
(head(Dados2))
```



# Obtenção de medidas de dissimilaridade
Muitas são as opções que este pacote oferece de medidas de dissimilaridade. Convidamos os usuários a ler o manual da funcao `Distancia` (`?Distancia`).

Para se ter diferentes medidas de dissimilaridade basta colocar o respectivo numero no argumento `Metodo` dentro da função `Distancia`:

### Dados quantitativos

1 = Distancia euclidiana.

2= Distancia euclidiana media.

3 = Quadrado da distancia euclidiana media.

4 = Distancia euclidiana padronizada.

5 = Distancia euclidiana padronizada media.

6 = Quadrado da distancia euclidiana padronizada media.

7 = Distancia de Mahalanobis.

8 = Distancia de Cole Rodgers.


```{r}
#distancia euclidiana padronizada
Dist=Distancia(Dados2,Metodo = 4)
```
Informações importantes podem ser obtidas dessa matriz com a função `SummaryDistancia`:
```{r}
resumo=SummaryDistancia(Dist)
resumo
```

A fim de resumir as informações da matriz de dissimilaridade a fim de melhorar a visualização da dissimilaridade, pode-se fazer um Dendrograma com o auxilio da função `Dendrograma`. Varios algoritimos podem ser utilizados para a construção deste Dendrograma. Para isso, deve-se indicar no argumento `Metodo`:

1 = Ligacao simples (Metodo do vizinho mais proximo).

2 = Ligacao completa (Metodo do vizinho distante).

3 = Ligacao media entre grupo (UPGMA).

4 = Metodo de Ward.

5 = Metodo de ward (d2).

6= Metodo da mediana (WPGMC).

7= Metodo do centroide (UPGMC).

8 = Metodo mcquitty (WPGMA).


```{r}
#Dendrograma com o metodo UPGMA
Dendo=Dendrograma(Dist,Metodo=3)
Dendo$SigCorrelCofenetica
Dendo$MojenaCorte
```
Adcionalmente, pode-se fazer o agrupamento Tocher com o auxilio da função `Tocher`:
```{r}
#Dendrograma com o metodo UPGMA
To=Tocher(Dist)
To$Tocher
To$DistanciaIntraInterCluster
To$CorrelacaoCofenetica
```

Outra possibilidade é o estudo da dispersão da matriz de dissimilaridade pelas técnica de coordenadas principais:
```{r}

CO=CoordenadasPrincipais(Dist)
```

Logo, quando se tem dados quantitativos faz mais sentido utilizar os componentes principais que coordenadas principais em situações quando irá se considerar a distância euclidiana padronizada.