Questões de Concurso
Sobre análise multivariada em estatística
Foram encontradas 221 questões
I. A análise fatorial é um exemplo de técnica de interdependência, o que significa que nenhuma variável ou grupo de variáveis é definida como sendo dependente ou independente.
II. A análise de correlação canônica não é adequada se as variáveis independentes são quantitativas.
III. A análise discriminante múltipla é adequada se a única variável dependente for categórica.
IV. A análise de correspondência não é adequada para teste de hipóteses.
Está correto o que se afirma APENAS em

matriz de correlação:
sdmed salário tempo idade
sdmed 1,00000000 0,93303483 0,6038786 -0,01126878salário 0,93303483 1,00000000 0,5845924 0,06371626
tempo 0,60387857 0,58459235 1,0000000 0,49093437idade -0,01126878 0,06371626 0,4909344 1,00000000
comp. 1 comp. 2 comp. 3 comp. 4
padrão 1,576085 1,0866016 0,52563869 0,24281048
proporção davariância 0,621011 0,2951758 0,06907401 0,01473923
proporçãoacumulada 0,621011 0,9161868 0,98526077 1,00000000
comp.1 comp.2 comp.3 comp.4
sdmed 0,582 0,322 0,145 0,733salário 0,584 0,271 0,390 -0,659
tempo 0,532 -0,338 -0,767 -0,122idade 0,196 -0,842 0,488 0,117


matriz de correlação:
sdmed salário tempo idade
sdmed 1,00000000 0,93303483 0,6038786 -0,01126878salário 0,93303483 1,00000000 0,5845924 0,06371626
tempo 0,60387857 0,58459235 1,0000000 0,49093437idade -0,01126878 0,06371626 0,4909344 1,00000000
comp. 1 comp. 2 comp. 3 comp. 4
padrão 1,576085 1,0866016 0,52563869 0,24281048
proporção davariância 0,621011 0,2951758 0,06907401 0,01473923
proporçãoacumulada 0,621011 0,9161868 0,98526077 1,00000000
comp.1 comp.2 comp.3 comp.4
sdmed 0,582 0,322 0,145 0,733salário 0,584 0,271 0,390 -0,659
tempo 0,532 -0,338 -0,767 -0,122idade 0,196 -0,842 0,488 0,117

I. Uma técnica não hierárquica da análise de agrupamentos é o método das K-médias.
II. O modelo de análise fatorial procura descrever a variabilidade de um vetor aleatório p-dimensional X, em termos de um vetor aleatório m-dimensional (m<p), linearmente relacionado com X.
III. O objetivo principal da análise de componentes principais é o de explicar a estrutura de variância e covariância de um vetor aleatório através da construção de combinações lineares das variáveis originais.
IV. Na aplicação da análise discriminante é necessário que os grupos para os quais cada elemento amostral pode ser classificado sejam pré-definidos.
Está correto o que se afirma em
I. Na análise de correspondência usa-se como medida de similaridade a distância Euclidiana média.
II. O objetivo principal da análise de componentes principais é o de explicar a estrutura de variância e covariância de um vetor aleatório, composto por n variáveis aleatórias, através da construção de combinações lineares das variáveis originais.
III. O escalonamento dimensional é uma técnica matemática apropriada para representar graficamente n elementos num espaço de dimensão menor que o original, tendo-se em consideração a distância ou similaridade que os elementos têm entre si.
IV. Na análise de agrupamentos, uma medida de similaridade que pode ser utilizada é a distância Euclidiana.
Dentre essas afirmações citadas são verdadeiras SOMENTE
I. Na análise de componentes principais a obtenção das componentes principais envolve a decomposição da matriz de covariâncias do vetor aleatório de interesse.
II. Na análise discriminante não é necessário que os grupos nos quais cada elemento amostral pode ser classificado sejam conhecidos à priori.
III. O escalonamento dimensional gera uma medida de ajuste denominada Stress que quanto mais próxima de 1 estiver melhor será o ajuste.
IV. Na análise de agrupamentos, para que se possa proceder ao agrupamento de elementos, é necessário se decidir à priori a medida de similaridade ou dissimilaridade que será usada.
Dentre essas afirmações citadas são verdadeiras SOMENTE
A estatística F revela se há interação entre variáveis em um modelo multivariado e possibilita o aumento da percepção acerca dos impactos da alteração de um valor em determinada variável nas demais variáveis do modelo.
Em um modelo de regressão múltipla, o coeficiente de determinação múltipla é uma medida que varia entre zero e um. O acréscimo de uma variável ao modelo causará, sempre, sua redução.
O coeficiente de determinação R2 é utilizado para julgar a adequação de um modelo de regressão e pode ser compreendido como a quantidade de variabilidade nos dados explicada pelo modelo de regressão. R2 mede, com boa precisão, a magnitude da inclinação da reta de regressão.
Os modelos de redução da incerteza são classificados em forecasting (destinados a simular processos ou fenômenos que já ocorreram) e backcasting (modelos de previsão de cenários).
envolveu a participação de 100 trabalhadores. A amostra foi classificada
em função da rotatividade (número de empregos em até 30 dias após a
realização do curso) e da opinião do trabalhador a respeito do curso
(satisfação = 0, se o trabalhador entrevistado estava insatisfeito, ou
satisfação = 1, se o trabalhador estava satisfeito com o curso realizado).
Os resultados desse estudo são apresentados na tabela a seguir.

Considerando essas informações, julgue os itens subseqüentes.

A técnica adequada de análise multivariada que resulta em uma medida padronizada que considera simultaneamente as diferenças entre as preferências para diferentes combinações de equipamentos sociais, segundo as 3 classes de renda, é
Um estudo coletou dados acerca da idade e do tempo de estudo de N = 62 indivíduos, dos quais 31 são do sexo masculino e 31 são do sexo feminino. As matrizes de covariância amostrais para os indivíduos do sexo masculino — S1 — e feminino — S2 —, referentes aos dados de idade e tempo de estudo,
são 

I M segue aproximadamente uma distribuição qui-quadrado.
II A distribuição amostral de M pressupõe que o par formado pela idade e o tempo de estudo siga aproximadamente uma distribuição normal bivariada.
III Para um valor N suficientemente grande, a estatística M segue aproximadamente uma distribuição normal padrão.
A quantidade de itens certos é igual a
Um estudo coletou dados acerca da idade e do tempo de estudo de N = 62 indivíduos, dos quais 31 são do sexo masculino e 31 são do sexo feminino. As matrizes de covariância amostrais para os indivíduos do sexo masculino — S1 — e feminino — S2 —, referentes aos dados de idade e tempo de estudo,
são 
