A Análise de Agrupamentos tem como objetivo particionar um conjunto de observações em grupos de forma que os elementos dentro de um mesmo grupo sejam os mais semelhantes possíveis, e os elementos de grupos diferentes sejam os mais distintos possíveis.

A respeito das propriedades e características dos métodos de agrupamento, analise as afirmativas de I a VI abaixo:

I. O método K-means é classificado como um método de agrupamento hierárquico e tem como principal vantagem a dispensa da definição prévia do número de grupos (clusters) pelo pesquisador.

II. O método do vizinho mais próximo (ou ligação simples) define a distância entre dois agrupamentos como a distância mínima entre qualquer par de observações, um de cada agrupamento, sendo altamente suscetível ao efeito de encadeamento (chaining).

III. O método do vizinho mais distante (ou ligação completa) calcula a distância entre os grupos considerando a distância máxima entre os seus pontos, o que tende a produzir agrupamentos mais compactos e de tamanhos similares.

IV. No método do centroide, a distância entre dois clusters é a distância entre as médias das observações de cada grupo. Uma de suas vantagens é a garantia matemática de que o dendrograma nunca apresentará inversões (reversões).

V. O algoritmo K-means funciona iterativamente para minimizar a variância intragrupo, contudo é bastante sensível à presença de outliers (valores atípicos), que podem deslocar drasticamente a posição dos centroides.

VI. Os métodos do vizinho mais próximo, vizinho mais distante e centroide são algoritmos hierárquicos aglomerativos, enquanto o K-means é essencialmente um método de partição nãohierárquico.

Assinale a ÚNICA alternativa que apresenta todos os itens CORRETOS.