# --- Lendo matriz de correlação  --- #

R <- read.table("http://wiki.icmc.usp.br/images/5/5e/Substancias.txt")

colnames(R) <- c("cigarro", "cerveja", "vinho", "licor", "cocaina", "tranquilizantes", "medicamentos", "heroina", "maconha", "haxixe", "inalantes",
"alucinogenos", "anfetaminas")

rownames(R) <- c("cigarro", "cerveja", "vinho", "licor", "cocaina", "tranquilizantes", "medicamentos", "heroina", "maconha", "haxixe", "inalantes",
"alucinogenos", "anfetaminas")


# --- Analise a matriz de correlação dos dados --- #


# --- Cite os pares de variáveis mais correlacionadas e menos correlacionadas --- #


# --- Análise de Componentes Principais --- #

 prcomp(R)

 eigen(cov(R))

 summary(prcomp(R))



# --- Análise da primeira componentes principal --- #
# --- Quais os maiores pesos? --- #
# --- Que nome você daria à primeira componente principal? --- #

 prcomp(R)[[2]][,1]


# --- Repita com quantas componentes principais você escolher --- #



# --- Scree plot --- #

 plot(eigen(R)[[1]], type="b", pch=16, main="Scree plot", ylab="autovalor", xlab="ordem da componente")



# --- Explicação da variância --- #
 
 round(eigen(cov(dados))[[1]] / sum(eigen(cov(dados))[[1]]), 3)