Questões de Concurso
Sobre análise multivariada em estatística
Foram encontradas 140 questões
Na análise discriminante por meio do escore de Fisher, convencionou-se que os dados seguem distribuição normal.
No agrupamento hierárquico, o critério denominado complete-linkage consiste em atualizar as distâncias entre dois grupos recém-agrupados como sendo o valor mínimo entre eles.
No método de agrupamento por k-médias, a probabilidade de que a configuração inicial seja próxima do resultado final do agrupamento é aproximadamente igual a 1.
Na análise fatorial, a rotação varimax, que não é ortogonal, tem por objetivo maximizar a variância das cargas fatoriais.
Com base nessas informações, julgue os itens a seguir.
Com base nessas informações, julgue os itens a seguir.
Com base nessas informações, julgue os itens a seguir.
Em um processo sob controle, os limites de especificação pertencem ao conjunto [ a,b ] em que e ( a < b) definem os limites de controle.

Pode-se, então, concluir que, na manufatura de itens desse processo de produção
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
Portanto, o valor do coeficiente de correlação intraclasse é igual a
Com base nessas informações, assinale a alternativa que completa corretamente as lacunas da frase a seguir.
A matriz Σpxp é ________ e as variâncias das (p-q) componentes principais são ______.
Tabela 2. Dados da questão 40 Elemento Variável 1 Variável 2 Variável 3 1 2 3 2 2 -2 2 3
O valor da distância entre esses dois elementos amostrais é igual a
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?

