Questões de Estatística - Componentes principais para Concurso

Numa pesquisa, observou-se uma amostra aleatória de tamanho n=100 do vetor aleatório X = [X₁ X₂ ... X_p]^T, p =12. Um modelo de análise fatorial ortogonal com dois fatores foi ajustado aos dados utilizando-se a matriz de correlação amostral das 12 variáveis. O método de Componentes Principais foi utilizado na estimação das cargas fatoriais. Na tabela 5 apresentam-se os valores das cargas fatoriais estimadas para as variáveis X₁ e X₂ padronizadas. 
              Tabela 5. Dados da questão 53 Variável                  Fator 1                Fator 2 X₁padronizada           0,80                    0,10 X₂ padronizada           0,20                    0,76
Nesse caso, pode-se dizer que a correlação estimada, pelo modelo de análise fatorial, entre as variáveis X₁ e X₂ é aproximadamente igual a  

Seja [X₁ X₂ ... X_p]^T um vetor aleatório de dimensão px1, p=10. Sabe-se que a matriz de covariâncias do vetor dada por Σ_pxp tem apenas q autovalores maiores do que zero, q<p. Uma análise de componentes principais foi realizada via decomposição da matriz Σ_pxp.
Com base nessas informações, assinale a alternativa que completa corretamente as lacunas da frase a seguir.
A matriz Σ_pxp é ________ e as variâncias das (p-q) componentes principais são ______. 

Considere que um índice de desempenho acadêmico de 120 estudantes de uma instituição foi construído através da análise de componentes principais, tomando como base os valores das suas notas em quatro disciplinas X = (X₁, X₂, X₃, X₄). Os autovalores extraídos da matriz de covariâncias foram, respectivamente, iguais a 13, 4, 2, 1 e o primeiro autovetor normalizado foi e1 = (0,5; 0,2; 0,5; 0,7). O percentual de explicação da primeira componente principal e o valor do índice de desempenho de um estudante com notas X = (60, 70, 85, 80) são, respectivamente:

A Análise de Componentes Principais (PCA) é uma técnica de transformação de dados que tem como objetivo encontrar as direções de maior variação nos dados, geralmente representadas pelos chamados componentes principais, e gerar novas representações dos dados.
Assinale o objetivo principal dessa técnica. 

Identifique abaixo as afirmativas verdadeiras ( V ) e as falsas ( F ) sobre a Regressão Logística.
( ) Para utilizar a Regressão logística não são necessárias as suposições de que a amostra tenha urna distribuição normal multivariada e que as matrizes de variância/covariância sejam iguais dento dos grupos. ( ) Tanto a análise discriminante quanto a Regressão Logística têm testes estatísticos diretos, habilidade para incorporar efeitos não lineares, e uma gama extensiva de diagnósticos. ( ) Uma vantagem da regressão logística é que só se precisa saber se um evento (ocorrência ou não, fracasso ou sucesso) aconteceu e podemos dessa forma utilizar um valor dicotômico como variável dependente. O procedimento prediz a estimativa da probabilidade que o evento vai ou não acontecer. ( ) Em vez de minimizar o quadrado dos desvios, a Regressão Logística minimiza a probabilidade de que o evento ocorra.

Assinale a alternativa que indica a sequência correta, de cima para baixo.