Muito obrigado! Parece que resolveu o problema, vamos tentar verificar o embasamento teórico por detrás. Mauro, boa tarde! Trabalhei um pouco em cima do seu código e cheguei a plotar as elipses, mas precisaria revisar o conteúdo de multivariada pra saber se o procedimento está correto. De qualquer modo, posto o código para que você veja se é possível aproveitar algo. ### <code r> dURL <- ('https://www.dropbox.com/s/405ggda0h6scnie/marajoara320amostras.txt') dURL2 <- ('https://dl.dropboxusercontent.com/s/405ggda0h6scnie/marajoara320amostras.txt...') dName <- basename(dURL); dName download.file(dURL2, dName, mode='wb') file.show(dName) maraOri <- read.table('marajoara320amostras.txt', head=FALSE); head(maraOri) maraNorm <- data.frame(scale(maraOri)); head(maraNorm) ### Cluster maraNorm.h <- hclust(dist(maraNorm)^2, method="ward") maraGroups <- cutree(maraNorm.h, 3); maraGroups maraInitial <- aggregate(maraNorm, by=list(maraGroups), mean)[,-1]; maraInitial maraNorm.km1 <- kmeans(maraNorm,maraInitial) plot(maraNorm.h, main="marajoara320amostras") ### PCA maraNorm.pca <- princomp(maraNorm) maraNorm.px <- predict(maraNorm.pca) library(MASS) eqscplot(maraNorm.px[,1:2],type="n",xlab="componente 1",ylab="componente 2") text(maraNorm.px[,1:2],labels=as.character(maraNorm.km1$cluster),col=as.numeric(maraNorm.km1$cluster),cex=.5) title("marajoara320amostras") #identify(maraNorm.px[,1:2]) # identificar amostras no gráfico de PCA library(ellipse) tmp <- split(data.frame(maraNorm.px[,1:2]), maraGroups) lapply(tmp, cor) lapply(tmp, function(x) lines(ellipse(cor(x), level=0.95, centre=c(mean(x[,1]),mean(x[,2]))), lty=2)) ### </code> Éder Comunello <comunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]