questionei.comQuestões
Explore as questões disponíveis e prepare-se para seus estudos!
Ano: 2023Banca: FCCOrganização: TRT - 18ª Região (GO)Disciplina: Estatística e ProbabilidadeTemas: Análise Multivariada
Em uma análise fatorial envolvendo três variáveis, foi encontrada a seguinte matriz de carga fatorial com dois componentes:
A soma das comunalidades das três variáveis é dada por:
Ano: 2025Banca: FGVOrganização: TCE-PIDisciplina: Estatística e ProbabilidadeTemas: Análise de Agrupamento | Análise Multivariada
No campo da mineração de dados existem alguns problemas
fundamentais que costumam aparecer com frequência em
variados cenários de aplicação. O estudo desses problemas
fornece ferramentas ao analista de dados que são aplicáveis em
diferentes projetos de mineração de dados. Nesse conjunto se
encontram os problemas de determinação de padrões,
classificação de dados, segmentação de dados (clustering) e
detecção de valores discrepantes (outliers).
Considerando os problemas citados, analise as afirmativas a
seguir.
I. Em uma tabela binária esparsa, que representa uma base de
dados de transações de clientes, em que as colunas
representam cada produto e as linhas cada transação,
verifica-se que, frequentemente, três das colunas
apresentam simultaneamente o valor 1 para vários registros.
Este tipo de análise é um problema de detecção de valores
discrepantes.
II. A identificação de consumidores que são similares entre si,
para uso no contexto de aplicação de promoções orientadas,
constitui um problema de segmentação de dados.
III. O problema de classificação de dados pode ser considerado
como supervisionado, pelo fato das relações entre as classes
definidas e os demais atributos dos dados serem
“aprendidas” pelo modelo.
Está correto o que se afirma em
Ano: 2012Banca: QuadrixOrganização: DATAPREVDisciplina: Estatística e ProbabilidadeTemas: Análise Multivariada | Análise de Componentes Principais
A análise dos componentes principais é um método de se expressarem os dados multivariados. Ela permite que o pesquisador reoriente os dados para que algumas poucas primeiras dimensões expliquem tantas informações quanto possível. A análise de componentes principais é também útil na identificação e compreensão dos padrões de associação entre as variáveis. Considere as cinco afirmações seguintes, sobre a análise dos componentes principais:
I. O primeiro componente principal, Z1 é dado pela combinação linear das variáveis originais X = [ X1 X2, ..., Xp] com maior variância possível.
II. Todos os componentes principais subsequentes são escolhidos para que não sejam correlacionados a todos os componentes principais anteriores.
III. Em razão de a análise de componentes principais buscar maximizar a variância, ela pode ser altamente sensível às diferenças de escala entre variáveis. Assim, é uma boa ideia padronizar os dados e representá-los por Xs.
IV. A solução para o problema dos componentes principais é obtida realizando-se uma decomposição de autovalor da matriz de correlação. Cada autovetor, indicado por Ui, representa a direção de um desses eixos principais. O vetor u controla os pesos usados para formar a combinação linear de Xs, que resulta em zi= Xs.Ui.
VI. No caso mais geral, só faz sentido utilizar a análise dos componentes principais quando os dados não são independentes. Barlett fornece um teste de qui- quadrado para determinar a esfericidade dos dados, 2 representado por X 2 = - [ n - 1 + (2p + 6)/5]ln | R|, com 2 (p2 - p)/2 graus de liberdade, onde p é o número de variáveis, n é o tamanho da amostra, e R é a matriz de correlação.
Dentre as seis afirmações dadas, quantas são falsas?
I. O primeiro componente principal, Z1 é dado pela combinação linear das variáveis originais X = [ X1 X2, ..., Xp] com maior variância possível.
II. Todos os componentes principais subsequentes são escolhidos para que não sejam correlacionados a todos os componentes principais anteriores.
III. Em razão de a análise de componentes principais buscar maximizar a variância, ela pode ser altamente sensível às diferenças de escala entre variáveis. Assim, é uma boa ideia padronizar os dados e representá-los por Xs.
IV. A solução para o problema dos componentes principais é obtida realizando-se uma decomposição de autovalor da matriz de correlação. Cada autovetor, indicado por Ui, representa a direção de um desses eixos principais. O vetor u controla os pesos usados para formar a combinação linear de Xs, que resulta em zi= Xs.Ui.
VI. No caso mais geral, só faz sentido utilizar a análise dos componentes principais quando os dados não são independentes. Barlett fornece um teste de qui- quadrado para determinar a esfericidade dos dados, 2 representado por X 2 = - [ n - 1 + (2p + 6)/5]ln | R|, com 2 (p2 - p)/2 graus de liberdade, onde p é o número de variáveis, n é o tamanho da amostra, e R é a matriz de correlação.
Dentre as seis afirmações dadas, quantas são falsas?
Ano: 2017Banca: IBFCOrganização: EBSERHDisciplina: Estatística e ProbabilidadeTemas: Análise Fatorial | Análise Multivariada
Na Análise Fatorial Exploratória, a comunalidade é um
dos principais indicadores de ajuste de aplicação da
técnica. A definição mais adequada para essa medida é:
Ano: 2017Banca: FEPESEOrganização: CIASC Disciplina: Estatística e ProbabilidadeTemas: Análise Multivariada
Analise as afirmativas abaixo com relação ao
assunto Análise de Agrupamento (Clustering).
1. Análise de agrupamento (Clustering) é o
nome dado para o grupo de técnicas cujo propósito consiste em separar objetos em grupos,
baseando-se nas características que estes
objetos possuem. O conceito básico consiste
em colocar em um mesmo grupo que sejam similares de acordo com algum critério
pré-determinado.
2. O agrupamento hierárquico avança sucessivamente, tanto juntando pequenos grupos em maiores, quanto dividindo grandes grupos em
menores. O método de agrupamento difere na regra pela qual dois pequenos grupos são unidos ou na forma como um grande é dividido.
3. No método de Encadeamento Completo
(Vizinho mais próximo), utiliza-se a distância entre os dois itens mais próximos (vizinhos)
como a distância entre dois grupos. Essa regra aglomera itens para formar grupos e os aglomerados resultantes tendem a representar longas “cadeias”.
Assinale a alternativa que indica todas as afirmativas
corretas.
Ano: 2022Banca: FGVOrganização: TRT - 13ª Região (PB)Disciplina: Estatística e ProbabilidadeTemas: Análise Fatorial | Análise Multivariada
Avalie se as afirmativas a seguir, relativas à Análise fatorial, estão
corretas:
I. É usada para investigar padrões em um número grande de
variáveis e determinar se a informação pode ser resumida a
um conjunto menor de fatores, ou seja, ela determina se é
possível reduzir o número de dimensões necessárias para se
descrever dados derivados de um grande número de
medidas.
II. Como princípio básico da análise fatorial, devem ser retidos
apenas fatores com autovalores pequenos.
III. São critérios para definir o número de fatores que serão
extraídos, além do critério do autovalor: critério do diagrama
de inclinação e critério da porcentagem de variância.
IV. Após a definição do número de fatores do modelo, os passos
seguintes são: extração dos fatores e rotação dos fatores.
Estão corretas as afirmativas:
Ano: 2025Banca: CESPE / CEBRASPEOrganização: EMBRAPADisciplina: Estatística e ProbabilidadeTemas: Análise Multivariada | Análise de Componentes Principais
Um pesquisador organizou um conjunto de dados
contendo 100 observações de 10 variáveis relacionadas à
qualidade do ar em uma cidade. As variáveis incluem medições
de poluentes atmosféricos, como CO, NO2, SO2, e fatores
meteorológicos, como temperatura, umidade, e velocidade do
vento. Para entender a estrutura dos dados e reduzir sua
dimensionalidade, esse pesquisador realizou algumas análises e
concluiu que:
• as três componentes principais explicam 70% da variância
total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas
primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes
padrões da qualidade do ar em função dos níveis de poluentes
e condições meteorológicas;
• é possível prever, com boa acurácia, a qualidade do ar como
boa, moderada ou ruim com base nos níveis de poluentes e
em fatores meteorológicos.
A partir dessa situação hipotética, julgue o seguinte item.
Na análise das componentes principais, os elementos dos autovetores representam a associação entre as variáveis originais e as componentes, o que ajuda a interpretar quais variáveis contribuem mais para cada componente.
Ano: 2013Banca: FCCOrganização: TRT - 5ª Região (BA) Disciplina: Estatística e ProbabilidadeTemas: Análise Fatorial | Análise Multivariada
Considere as seguintes afirmações:
I. A análise fatorial é, geralmente, aplicada sobre variáveis métricas, apesar de existirem métodos especiais para o emprego
dessa técnica a variáveis dicotômicas.
II. Na análise discriminante, a variável dependente deve ser não métrica e as variáveis independentes devem indicar diferenças entre, pelo menos, dois grupos.
III. A análise de correspondência não é adequada para pesquisa aleatória e não é sensível a observações atípicas.
IV. Na análise de agrupamentos, as medidas de similaridade mais utilizadas são as correlacionais.
Está correto o que consta APENAS em
Ano: 2014Banca: FUNCABOrganização: MDADisciplina: Estatística e ProbabilidadeTemas: Análise Multivariada | Interpolação Linear | Teoria da Amostragem
Considere as afirmativas abaixo.
I. O estimador de intensidade é útil para nos fornecer uma visão geral da distribuição em primeira ordem dos eventos.
II. O kernel é dependente do raio e pode ser utilizado na avaliação da distribuição de eventos pontuais.
III. Akrigagem é um método de interpolação aplicado apenas para análises de dados quantitativos.
Está(ão) correta(s) a(s) afirmativa(s):
I. O estimador de intensidade é útil para nos fornecer uma visão geral da distribuição em primeira ordem dos eventos.
II. O kernel é dependente do raio e pode ser utilizado na avaliação da distribuição de eventos pontuais.
III. Akrigagem é um método de interpolação aplicado apenas para análises de dados quantitativos.
Está(ão) correta(s) a(s) afirmativa(s):
Ano: 2011Banca: CESGRANRIOOrganização: PetrobrasDisciplina: Estatística e ProbabilidadeTemas: Análise Multivariada
Em um modelo de regressão logística, o que indica se o modelo se ajusta bem aos dados é a(o)
..