Questões de Concurso
Sobre componentes principais em estatística
Foram encontradas 36 questões
Ano: 2024
Banca:
Instituto Access
Órgão:
CEASA-ES
Prova:
Instituto Access - 2024 - CEASA-ES - Técnico em Estatística |
Q2568645
Estatística
Técnica de análise multivariada que permite estabelecer a probabilidade de ocorrência de determinado evento para
situações em que a variável dependente é qualitativa e de natureza dicotômica. Pode ser utilizada mesmo quando alguns dos
pressupostos da análise discriminante não forem atendidos. Com base nesse conceito, assinale a alternativa correta.
Ano: 2024
Banca:
CESGRANRIO
Órgão:
IPEA
Prova:
CESGRANRIO - 2024 - IPEA - Técnico de Planejamento e Pesquisa -Ciência de Dados |
Q2383284
Estatística
Em uma nota técnica publicada em 2022 pelo Ipea, sobre
população em situação de rua, foi utilizada a técnica de
análise de componente principal (PCA).
Na análise por PCA, a primeira componente principal de um conjunto de dados representa a
Na análise por PCA, a primeira componente principal de um conjunto de dados representa a
Ano: 2024
Banca:
Instituto Consulplan
Órgão:
DPE-PR
Prova:
Instituto Consulplan - 2024 - DPE-PR - Analista da Defensoria Pública - Estatística |
Q2353399
Estatística
Considere a realização de uma pesquisa exploratória para estudar o comportamento de indivíduos em relação ao hábito de
se socializarem. Vinte e uma pessoas responderam a um conjunto de sete variáveis relacionadas ao tema. A escala de medida
foi de 1 a 5, onde 1 representava a discordância total e 5 representava concordância total quanto à afirmação expressa na
variável. Foi realizada uma análise fatorial ortogonal com extração das cargas fatoriais pelo método de componentes principais
baseado na matriz de correlação das sete variáveis disponíveis.
De acordo com os resultados parciais fornecidos na tabela, assinale a afirmativa correta.
De acordo com os resultados parciais fornecidos na tabela, assinale a afirmativa correta.
Ano: 2023
Banca:
IV - UFG
Órgão:
MPE-AC
Prova:
CS-UFG - 2023 - MPE-AC - Analista Ministerial - Estatística |
Q2341836
Estatística
A análise de componentes principais é utilizada para
Ano: 2022
Banca:
FGV
Órgão:
Prefeitura de Manaus - AM
Prova:
FGV - 2022 - Prefeitura de Manaus - AM - Estatístico |
Q2217344
Estatística
Avalie se são vantagens da análise de componentes principais:
I. Retirar a multicolinearidade das variáveis pela transformação de um conjunto de variáveis originais intercorrelacionadas em um novo conjunto de variáveis não correlacionadas (componentes principais). II. Reduzir muitas variáveis a eixos ortogonais que representam algumas variáveis, o que permite explicar a variação dos dados de forma decrescente e independente. III. Apresentar pouca sensibilidade a outliers, notadamente quando há duplas ausências.
Está correto o que se afirma em
I. Retirar a multicolinearidade das variáveis pela transformação de um conjunto de variáveis originais intercorrelacionadas em um novo conjunto de variáveis não correlacionadas (componentes principais). II. Reduzir muitas variáveis a eixos ortogonais que representam algumas variáveis, o que permite explicar a variação dos dados de forma decrescente e independente. III. Apresentar pouca sensibilidade a outliers, notadamente quando há duplas ausências.
Está correto o que se afirma em
Ano: 2012
Banca:
FUNDEP (Gestão de Concursos)
Órgão:
MPE-MG
Prova:
FUNDEP (Gestão de Concursos) - 2012 - MPE-MG - Analista do MP - Estatistica |
Q2214172
Estatística
Numa pesquisa, observou-se uma amostra aleatória de tamanho n=100 do vetor aleatório X = [X1 X2 ... Xp]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
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
Ano: 2012
Banca:
FUNDEP (Gestão de Concursos)
Órgão:
MPE-MG
Prova:
FUNDEP (Gestão de Concursos) - 2012 - MPE-MG - Analista do MP - Estatistica |
Q2214164
Estatística
Seja [X1 X2 ... Xp]T um vetor aleatório de dimensão px1, p=10. Sabe-se que a matriz de covariâncias do vetor dada por Σpxp tem apenas q autovalores maiores do que zero, q<p. Uma análise de componentes principais foi realizada via decomposição da matriz Σpxp.
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 ______.
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 ______.
Ano: 2023
Banca:
Instituto Consulplan
Órgão:
IF-PA
Prova:
Instituto Consulplan - 2023 - IF-PA - Estatístico |
Q2164555
Estatística
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:
Ano: 2023
Banca:
FGV
Órgão:
Receita Federal
Prova:
FGV - 2023 - Receita Federal - Analista-Tributário (manhã) |
Q2096289
Estatística
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.
Assinale o objetivo principal dessa técnica.
Q2073939
Estatística
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.
( ) 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.
Q2073938
Estatística
Considere a matriz de variância e covariância a
seguir, e que os dois maiores autovalores dessa matriz
sejam autovalor1 = 5,7 e autovalor2 = 4,3.
Considerando a análise de componentes principais, assinale a alternativa que traz a taxa de variação explicada por autovalor1 e autovalor2.
Considerando a análise de componentes principais, assinale a alternativa que traz a taxa de variação explicada por autovalor1 e autovalor2.
Ano: 2022
Banca:
FGV
Órgão:
TRT - 13ª Região (PB)
Prova:
FGV - 2022 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q2023201
Estatística
Em relação à Análise de Componentes Principais (ACP), avalie se
as afirmativas a seguir são falsas (F) ou verdadeiras (V).
I. O objetivo principal da ACP é obter variáveis não correlacionadas que retenham a maior parte da estrutura de variabilidade e correlação, a partir das variáveis originais, por meio de transformações lineares para reduzir a dimensão, medida pelo número de variáveis, da matriz de dados. II. A ACP possibilita a compreensão de aspectos do comportamento dos dados difíceis de serem deduzidos a partir das variáveis originais. III. Em geral, a ACP permite que se usem metodologias de análise univariada.
As afirmativas são, respectivamente,
I. O objetivo principal da ACP é obter variáveis não correlacionadas que retenham a maior parte da estrutura de variabilidade e correlação, a partir das variáveis originais, por meio de transformações lineares para reduzir a dimensão, medida pelo número de variáveis, da matriz de dados. II. A ACP possibilita a compreensão de aspectos do comportamento dos dados difíceis de serem deduzidos a partir das variáveis originais. III. Em geral, a ACP permite que se usem metodologias de análise univariada.
As afirmativas são, respectivamente,
Ano: 2018
Banca:
INSTITUTO AOCP
Órgão:
ADAF - AM
Prova:
INSTITUTO AOCP - 2018 - ADAF - AM - Estatístico |
Q1160288
Estatística
Considerando as informações contidas na questão anterior n° 56, referente à análise
de componentes principais, qual é a matriz de covariâncias do vetor de componentes
principais?
Ano: 2018
Banca:
INSTITUTO AOCP
Órgão:
ADAF - AM
Prova:
INSTITUTO AOCP - 2018 - ADAF - AM - Estatístico |
Q1160287
Estatística
Texto associado
Uma das técnicas de Análise Multivariada é a análise por componentes principais. Dada a matriz de covariâncias do vetor aleatório X' = (X1, X2, X3), os resultados da análise de componentes principais foram os seguintes:
Componente Autovalor Percentagem da variância Percentagem Acumulada
1 5,813 69,095 69,095
2 2,350 27,933 97,028
3 0,25 2,971 100,000
Variável Autovetor 1 Autovetor 2 Autovetor 3
X1 -0,39 0,0 0,89
X2 0,95 0,0 0,40
X3 0,00 1,0 0,0
Considerando o exposto, assinale a alternativa que apresenta a primeira
componente principal.
Ano: 2015
Banca:
INSTITUTO AOCP
Órgão:
EBSERH
Prova:
INSTITUTO AOCP - 2015 - EBSERH - Analista Administrativo - Estatística (HE-UFPEL) |
Q818213
Estatística
São técnicas, da Análise Multivariada, que estudam a estrutura de covariância de um vetor aleatório:
Ano: 2010
Banca:
CESPE / CEBRASPE
Órgão:
Banco da Amazônia
Prova:
CESPE - 2010 - Banco da Amazônia - Técnico Científico - Estatística |
Q537294
Estatística
Texto associado
Com o objetivo de estudar as relações entre características de uma carteira de clientes (salário em R$, saldo médio da conta corrente em R$, tempo de conta aberta no banco em anos e idade do correntista), um analista conduziu uma análise multivariada (análise de componentes principais e análise de agrupamento) e obteve os resultados abaixo, gerados por um software de análise estatística.
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
O segundo componente principal representa o antagonismo entre saldo e salário versus tempo e idade.
Ano: 2010
Banca:
CESPE / CEBRASPE
Órgão:
Banco da Amazônia
Prova:
CESPE - 2010 - Banco da Amazônia - Técnico Científico - Estatística |
Q537292
Estatística
Texto associado
Com o objetivo de estudar as relações entre características de uma carteira de clientes (salário em R$, saldo médio da conta corrente em R$, tempo de conta aberta no banco em anos e idade do correntista), um analista conduziu uma análise multivariada (análise de componentes principais e análise de agrupamento) e obteve os resultados abaixo, gerados por um software de análise estatística.
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
No dendograma, nota-se que idade e tempo foram as variáveis mais relevantes. Porém, saldo médio e salário foram mais relevantes na análise de componentes principais. Isso enfatiza que os propósitos das análises são diferentes, conduzindo a conclusões diferentes.
Q481337
Estatística
Considere as seguintes afirmações:
I. Na análise de componentes principais, quando a distribuição de probabilidade do vetor em estudo é normal multivariada, as componentes principais além de não correlacionadas são também independentes e têm distribuição normal.
II.
é a matriz de covariâncias do vetor aleatório X de dimensão (2X1), então a matriz de correlações de X é P = 
III. Na análise fatorial, quando a suposição de ortogonalidade dos fatores não puder ser considerada, pode-se utilizar o recurso da transformação ortogonal dos fatores originais na tentativa de se obter uma estrutura mais simples de ser interpretada.
IV. A análise de agrupamentos trabalha com medidas de similaridade e dissimilaridade, não comportando por isso o uso de variáveis qualitativas.
Está correto o que se afirma APENAS em
I. Na análise de componentes principais, quando a distribuição de probabilidade do vetor em estudo é normal multivariada, as componentes principais além de não correlacionadas são também independentes e têm distribuição normal.
II.
é a matriz de covariâncias do vetor aleatório X de dimensão (2X1), então a matriz de correlações de X é P = III. Na análise fatorial, quando a suposição de ortogonalidade dos fatores não puder ser considerada, pode-se utilizar o recurso da transformação ortogonal dos fatores originais na tentativa de se obter uma estrutura mais simples de ser interpretada.
IV. A análise de agrupamentos trabalha com medidas de similaridade e dissimilaridade, não comportando por isso o uso de variáveis qualitativas.
Está correto o que se afirma APENAS em
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457299
Estatística
Sobre análise multivariada, considere:
I. Na análise fatorial nenhuma variável é definida como dependente ou independente.
II. Na análise de agrupamentos deve haver bastante homogeneidade interna (dentro do agrupamento) em cada um dos agrupamentos resultantes.
III. Na análise de correlação canônica o princípio subjacente é desenvolver uma combinação linear de cada conjunto de variáveis dependentes e independentes para minimizar a correlação entre esses dois conjuntos.
IV. O escalamento multidimensional é uma técnica multivariada apropriada para representar n elementos em um espaço dimensional menor que o original, levando em consideração a similaridade que os elementos têm entre si.
Está correto o que consta APENAS em
I. Na análise fatorial nenhuma variável é definida como dependente ou independente.
II. Na análise de agrupamentos deve haver bastante homogeneidade interna (dentro do agrupamento) em cada um dos agrupamentos resultantes.
III. Na análise de correlação canônica o princípio subjacente é desenvolver uma combinação linear de cada conjunto de variáveis dependentes e independentes para minimizar a correlação entre esses dois conjuntos.
IV. O escalamento multidimensional é uma técnica multivariada apropriada para representar n elementos em um espaço dimensional menor que o original, levando em consideração a similaridade que os elementos têm entre si.
Está correto o que consta APENAS em
Ano: 2012
Banca:
Quadrix
Órgão:
DATAPREV
Prova:
Quadrix - 2012 - DATAPREV - Analista de Tecnologia da Informação - Análise de Informações |
Q443964
Estatística
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?
Conheça nossos planos