1 resultado para probabilistic principal component analysis (probabilistic PCA)
em CiencIPCA - Instituto Politécnico do Cávado e do Ave, Portugal
Filtro por publicador
- Aberdeen University (1)
- Academic Archive On-line (Stockholm University; Sweden) (1)
- Acceda, el repositorio institucional de la Universidad de Las Palmas de Gran Canaria. España (2)
- Adam Mickiewicz University Repository (1)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (11)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (6)
- Aquatic Commons (1)
- ArchiMeD - Elektronische Publikationen der Universität Mainz - Alemanha (4)
- Archimer: Archive de l'Institut francais de recherche pour l'exploitation de la mer (1)
- Aston University Research Archive (34)
- Biblioteca de Teses e Dissertações da USP (2)
- Biblioteca Digital | Sistema Integrado de Documentación | UNCuyo - UNCUYO. UNIVERSIDAD NACIONAL DE CUYO. (3)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (30)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (54)
- Biblioteca Virtual del Sistema Sanitario Público de Andalucía (BV-SSPA), Junta de Andalucía. Consejería de Salud y Bienestar Social, Spain (4)
- Bioline International (2)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (25)
- Brock University, Canada (7)
- CentAUR: Central Archive University of Reading - UK (45)
- CiencIPCA - Instituto Politécnico do Cávado e do Ave, Portugal (1)
- Cochin University of Science & Technology (CUSAT), India (15)
- Consorci de Serveis Universitaris de Catalunya (CSUC), Spain (42)
- CUNY Academic Works (2)
- Dalarna University College Electronic Archive (5)
- Digital Commons - Michigan Tech (2)
- Digital Commons at Florida International University (11)
- DigitalCommons@The Texas Medical Center (3)
- Doria (National Library of Finland DSpace Services) - National Library of Finland, Finland (20)
- Duke University (1)
- FUNDAJ - Fundação Joaquim Nabuco (1)
- Glasgow Theses Service (2)
- Illinois Digital Environment for Access to Learning and Scholarship Repository (2)
- Instituto Politécnico de Bragança (1)
- Instituto Politécnico do Porto, Portugal (15)
- Lume - Repositório Digital da Universidade Federal do Rio Grande do Sul (1)
- Martin Luther Universitat Halle Wittenberg, Germany (1)
- Massachusetts Institute of Technology (1)
- Memoria Académica - FaHCE, UNLP - Argentina (3)
- Memorial University Research Repository (1)
- National Center for Biotechnology Information - NCBI (2)
- Nottingham eTheses (1)
- Portal do Conhecimento - Ministerio do Ensino Superior Ciencia e Inovacao, Cape Verde (2)
- Publishing Network for Geoscientific & Environmental Data (74)
- QSpace: Queen's University - Canada (1)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (3)
- RDBU - Repositório Digital da Biblioteca da Unisinos (5)
- ReCiL - Repositório Científico Lusófona - Grupo Lusófona, Portugal (1)
- Repositório Alice (Acesso Livre à Informação Científica da Embrapa / Repository Open Access to Scientific Information from Embrapa) (5)
- Repositório Científico da Universidade de Évora - Portugal (3)
- Repositório Científico do Instituto Politécnico de Lisboa - Portugal (18)
- Repositório da Escola Nacional de Administração Pública (ENAP) (1)
- Repositório da Produção Científica e Intelectual da Unicamp (12)
- Repositório da Universidade Federal do Espírito Santo (UFES), Brazil (1)
- Repositório digital da Fundação Getúlio Vargas - FGV (9)
- Repositório Digital da UNIVERSIDADE DA MADEIRA - Portugal (9)
- Repositório do Centro Hospitalar de Lisboa Central, EPE - Centro Hospitalar de Lisboa Central, EPE, Portugal (1)
- Repositorio Institucional da UFLA (RIUFLA) (1)
- Repositório Institucional da Universidade de Aveiro - Portugal (1)
- Repositório Institucional da Universidade de Brasília (3)
- Repositório Institucional da Universidade Estadual de São Paulo - UNESP (3)
- Repositório Institucional da Universidade Federal do Rio Grande - FURG (1)
- Repositório Institucional da Universidade Federal do Rio Grande do Norte (3)
- Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT) (3)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (107)
- RUN (Repositório da Universidade Nova de Lisboa) - FCT (Faculdade de Cienecias e Technologia), Universidade Nova de Lisboa (UNL), Portugal (13)
- SAPIENTIA - Universidade do Algarve - Portugal (2)
- Scielo Saúde Pública - SP (114)
- Universidad de Alicante (4)
- Universidad del Rosario, Colombia (3)
- Universidad Politécnica de Madrid (17)
- Universidade Complutense de Madrid (4)
- Universidade do Algarve (1)
- Universidade do Minho (9)
- Universidade dos Açores - Portugal (1)
- Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP) (2)
- Universidade Federal do Pará (8)
- Universidade Federal do Rio Grande do Norte (UFRN) (17)
- Universitat de Girona, Spain (10)
- Universitätsbibliothek Kassel, Universität Kassel, Germany (4)
- Université de Lausanne, Switzerland (49)
- Université de Montréal, Canada (14)
- University of Queensland eSpace - Australia (18)
- University of Washington (1)
Resumo:
Exploratory factor analysis is a widely used statistical technique in the social sciences. It attempts to identify underlying factors that explain the pattern of correlations within a set of observed variables. A statistical software package is needed to perform the calcula- tions. However, there are some limitations with popular statistical software packages, like SPSS. The R programming language is a free software package for statistical and graphical computing. It o ers many packages written by contributors from all over the world and programming resources that allow it to overcome the dialog limitations of SPSS. This paper o ers an SPSS dialog written in the R programming language with the help of some packages, so that researchers with little or no knowledge in programming, or those who are accustomed to making their calculations based on statistical dialogs, have more options when applying factor analysis to their data and hence can adopt a better approach when dealing with ordinal, Likert-type data.