ANALISE MULTIVARIADA E CLUSTERING

Prévia do material em texto

distância euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por::discriminante 
 
		
	
		1.
		Marque, dentre as alternativas abaixo, a opção que não é um tipo de técnicas de análise multivariada:
	
	
	
	Análise fatorial.
	
	
	Regressão Múltipla.
	
	
	Análise discriminante múltipla.
	
	
	Análise univariada de variância
	
	
	Análise de agrupamento ou clustering
	
Explicação:
Análise univariada de variância
	
	
	
	 
		
	
		2.
		Marque, dentre as alternativas abaixo, a opção que não corresponde a Análise Fatorial:
	
	
	
	Incluem-se as análises de componentes principais e as análises de fator.
	
	
	Fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	Descrever a variabilidade de variáveis correlacionadas observadas em menos variáveis não observadas.
	
	
	Tem objetivo de selecionar um número menor de outras variáveis alternativas.
	
	
	Utilizada assim que existe um número muito extenso de variáveis.
	
Explicação:
Fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	
	 
		
	
		3.
		Um analista financeiro deseja fazer uma análise multivariada do valor de mercado da ação da Petrobras. Algumas informações importantes seriam o IBOVESPA e o Patrimônio líquido da empresa. Defina o vetor aleatório que esse analista irá trabalhar:
	
	
	
	X=   (X1 = PIB X2 = taxa de desemprego)
	
	
	X=   (X1 = Petrobrás X2 = IBOVESPA X3 = Patrimônio líquido)
	
	
	X=   (X1 = PIB X2 = Crescimento populacional X3 = taxa de desemprego)
	
	
	X=   (X1 = Petrobrás X2 = IBOVESPA)
	
	
	X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
Explicação:
X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
	
	
	 
		
	
		4.
		A definição geral de clustering é:
	
	
	
	fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	reagrupamentos de técnicas segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	um conjunto de dados utilizados em situações nas quais várias variáveis são medidas simultaneamente.
	
	
	um conjunto de dados utilizados para medir outros conjuntos de várias variáveis medidas simultaneamente.
	
	
	fazer um índice de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
Explicação:
fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
 
		
	
		1.
		O que é o gráfico de ramos e folhas:
	
	
	
	O gráfico de ramos e folhas é um gráfico com barras retangulares e comprimento proporcional aos valores que ele apresenta.
	
	
	O gráfico de ramos e folhas tem como objetivo separar os dados de forma que, antes da barra fique determinada unidade de medida dos dados, por exemplo as dezenas, e depois da barra fique a unidade de medida que falta.
	
	
	O gráfico de ramos e folhas é um histograma.
	
	
	O gráfico de ramos e folhas é um diagrama circular onde os valores de cada categoria estatística representada são proporcionais às respectivas frequências.
	
	
	O gráfico de ramos e folhas mostram as informações como uma série de pontos de dados que estão conectadas por segmentos de linha reta.
	
Explicação:
O gráfico de ramos e folhas tem como objetivo separar os dados de forma que, antes da barra fique determinada unidade de medida dos dados, por exemplo as dezenas, e depois da barra fique a unidade de medida que falta.
	
	
	
	 
		
	
		2.
		Na análise multivariada são realizados alguns testes para suposição estatística, sendo assim podemos evitar o risco de uma análise falha e com vieses. Marque a opção que não corresponde a um teste de suposição:
	
	
	
	Teste de Linearidade Relações não lineares.
	
	
	Teste do vetor aleatório.
	
	
	Teste de Normalidade.
	
	
	Teste de Erros Correlacionados.
	
	
	Testar Heteroscedasticidade.
	
Explicação:
Teste do vetor aleatório.
	
	
	
	 
		
	
		3.
		Quais são as duas visões da análise multivariada de dados?
	
	
	
	Compreensão básica dos dados e das relações entre variáveis e realizar os testes das suposições estatística.
	
	
	Compreensão básica dos dados e das relações entre variáveis e retratar os dados reais.
	
	
	Realizar os testes das suposições estatística e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
	
	Retratar os dados reais e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
	
	Compreensão básica dos dados e das relações entre variáveis e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
Explicação:
Compreensão básica dos dados e das relações entre variáveis e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
	
	
	 
		
	
		4.
		Marque a opção incorreta com relação ao histograma:
	
	
	
	É uma variação do gráfico de linhas.
	
	
	Consiste em uma representação gráfica de dados que são divididos em classes.
	
	
	Também chamado de distribuição de frequências.
	
	
	É uma forma gráfica para distribuição de uma variável.
	
	
	A base de cada uma das barras representa uma classe, e a altura a quantidade ou frequência absoluta com que o valor da classe ocorre.
	
Explicação:
É uma variação do gráfico de linhas.
	
 
		
	
		1.
		Um dos objetivos principais da análise fatorial é:
	
	
	
	Comparar as variáveis aleatórias.
	
	
	Realizar os testes das suposições.
	
	
	Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	Retratar os dados reais.
	
	
	Compreender os dados e as relações entre variáveis.
	
Explicação:
Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	
	 
		
	
		2.
		Marque a opção incorreta com relação aos fatores da análise fatorial:
	
	
	
	Eles representam as dimensões dentro dos dados.
	
	
	Ter por objetivo apenas a redução do número de variáveis.
	
	
	São altamente intercorrelacionadas.
	
	
	Desempenhem um papel confirmatório.
	
	
	É uma variação do gráfico multivariado.
	
Explicação:
É uma variação do gráfico multivariado.
	
	
	
	 
		
	
		3.
		O grande objetivo da análise fatorial é encontrar que matrizes:
	
	
	
	ε (erros) e F (fatores) que possam representar a matriz Cov(Z) para p < m.
	
	
	L (comunalidades) e Ψ  (variância) que possam representar a matriz Cov(Z) para p < m.
	
	
	ε (erros) e F (fatores) que possam representar a matriz Cov(Z) para m < p.
	
	
	L (comunalidades) e F (fatores) que possam representar a matriz Cov(Z) para m < p.
	
	
	L (comunalidades) e Ψ  (variância) que possam representar a matriz Cov(Z) para m < p.
	
Explicação:
L (comunalidades) e Ψ  (variância) que possam representar a matriz Cov(Z) para m < p.
	
	
	
	 
		
	
		4.
		Se um estudo está́ sendo planejado para revelar estrutura fatorial, temos que nos esforçar para ter pelo menos:
	
	
	
	quatro variáveis para cada fator proposto.
	
	
	seis variáveis para cada fator proposto.
	
	
	cinco variáveis para cada fator proposto.
	
	
	dez variáveis para cada fator proposto.
	
	
	duas variáveis para cada fator proposto.
	
Explicação:
cinco variáveis para cada fator proposto.
	
	
 
		
	
		1.
		Calcule o coeficiente de determinação R2 supondo-se o resultado da análise de regressão múltipla abaixo:
ANOVA    
	 
	 gl
	SQ
	MQ
	F
	F de significação
	Regressão
	2
	0,159
	0,080
	470,105
	0,000
	Resíduo
	20
	0,003
	0,000
	 
	 
	Total    
	22
	0,163
	 
	 
	 
   
	 
	Coeficientes
	Erro padrão
	Stat t
	 valor-P
	Interseção
	3,83
	0,17
	22,94
	0,00
	X1
	0,54
	0,02
	23,11
	0,00
	X2
	-0,18
	0,04
	-5,05
	0,00
    
	
	
	
	30%
	
	
	85%
	
	
	57%
	
	
	98%
	
	
	24%
	
Explicação:
98%
	
	
	
	 
		
	
		2.
		Marque a opção incorreta com relação à Análise deRegressão Múltipla:
	
	
	
	é uma técnica de dependência que é a usada de forma versátil, aplicável na tomada de decisões em economia e negócios.
	
	
	é uma técnica importante para relacionar matematicamente duas ou mais variáveis, com uma função.
	
	
	os coeficientes de regressão (βi) representam a variação estimada na variável dependente por variação unitária da variável independente.
	
	
	é uma variação do modelo de análise fatorial.
	
	
	é o fundamento para realizar previsões dos problemas estudados.
	
Explicação:
é uma variação do modelo de análise fatorial.
	
	
	
	 
		
	
		3.
		Um dos objetivos principais da Análise de Regressão Múltipla é:
	
	
	
	Descrer as relações entre a variável dependente e as variáveis independentes de um determinado processo.
	
	
	Realizar os testes das suposições.
	
	
	Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	Ter por objetivo apenas a redução do número de variáveis.
	
	
	Descrevem as relações entre a variável fatoriais e as variáveis binárias de um determinado processo.
	
Explicação:
Descrer as relações entre a variável dependente e as variáveis independentes de um determinado processo.
	
	
	
	 
		
	
		4.
		As suposições a serem examinadas na etapa de abrangência do modelo no processo de decisão para a análise de regressão múltipla são:
	
	
	
	Somente Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
	
	Heterogeneidade do fenômeno medido; Variância constante dos termos de erro; Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
	
	Linearidade do fenômeno medido; Variância inconstante dos termos de erro; Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
	
	Linearidade do fenômeno medido; Variância constante dos termos de erro; Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
	
	Heterogeneidade do fenômeno medido; Variância inconstante dos termos de erro; Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
Explicação:
Linearidade do fenômeno medido; Variância constante dos termos de erro; Independência dos termos de erro; Normalidade da distribuição dos termos de erro.
	
 
		
	
		1.
		X pode ser a nota dos alunos candidatos a uma universidade, sendo que existem dados de anos anteriores, onde a população 1 foram os aprovados e a população 2 os reprovados. Baseados nestas informações queremos classificar os novos alunos, baseados apenas nas notas do vestibular. Levando-se em consideração a nota do vestibular, suponhamos que μ1 =16, ơ2 =4 e μ2 =18, se um aluno com nota 17, qual será o λ(x)?
	
	
	
	2
	
	
	1
	
	
	1,75
	
	
	0,5
	
	
	0,75
	
Explicação:
1.
	
	
	
	 
		
	
		2.
		O processo de decisão para análise discriminante é realizado através do método de seis estágios, qual desses não pertence a um dos estágios:
	
	
	
	Interpretação das funções discriminantes.
	
	
	Questões de planejamento de pesquisa.
	
	
	Problema de pesquisa.
	
	
	Colinearidade entre variáveis independentes.
	
	
	Estimação do modelo discriminante e avaliação do ajuste geral.
	
Explicação:
Colinearidade entre variáveis independentes.
	
	
	
	 
		
	
		3.
		Com relação a análise de variância multivariada (MANOVA - Multiple Analysis Of VAriance) é incorreto afirmar :
	
	
	
	é um procedimento para comparação de médias amostrais multivariadas.
	
	
	envolve variáveis dependentes não métricas e variáveis independentes categóricas.
	
	
	é uma extensão ou forma generalizada da análise de variância (ANOVA).
 
	
	
	é utilizada em casos em que existem duas ou mais variáveis dependentes.
	
	
	analisa simultaneamente múltiplas medidas de cada indivíduo ou objeto sob investigação. envolve variáveis dependentes métricas e variáveis independentes categóricas.
	
Explicação:
envolve variáveis dependentes não métricas e variáveis independentes categóricas.
	
	
	
	 
		
	
		4.
		Qual a função do R devemos utilizar para calcular a regressão logística:
	
	
	
	lm(Y~modelo, family=binomial(link="logística"))
	
	
	lm(Y~modelo, family=binomial(link="logit"))
	
	
	glm(Y~modelo, family=normal(link="logit"))
	
	
	glm(Y~modelo, family=binomial(link=" logística "))
	
	
	lm(Y~modelo, family=normal(link=" logística "))
	
Explicação:
lm(Y~modelo, family=binomial(link="logit"))
	
 
		
	
		1.
		Com relação a análise de variância multivariada (MANOVA) é incorreto afirmar :
	
	
	
	analisa simultaneamente múltiplas medidas de cada indivíduo ou objeto sob investigação. envolve variáveis dependentes métricas e variáveis independentes categóricas.
 
	
	
	Só envolve variáveis.
	
	
	é utilizada em casos em que existem duas ou mais variáveis dependentes.
	
	
	é uma extensão ou forma generalizada da análise de variância (ANOVA).
	
	
	é um procedimento para comparação de médias amostrais multivariadas.
	
Explicação:
Só envolve variáveis.
	
	
	
	 
		
	
		2.
		Considere que dois tratamentos (compras de alimentos industrializados ou naturais e idade) são usados para examinar o tipo de compra de um certo produto. Uma interação ordinal acontece, por exemplo, quando as compras de alimentos são industrializados ou naturais, mas a diferença entre esses mios de compra difere de acordo com a faixa etária do grupo. Testar com probabilidade de 95% as diferenças de grupos individualmente para cada uma das variáveis dependentes, sabendo que o resultado traz um especificamos as variáveis:
	
	
	
	os dois grupos são iguais
	
	
	aceita-se a hipótese alternativa de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
	
	rejeita-se a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
	
	O teste é inconclusivo
	
	
	não se rejeita a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
Explicação:
não se rejeita a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
	
	
	 
		
	
		3.
		A análise de variância múltipla MANOVA possui diversas vantagens ao invés de se usar várias análises de variância simples. Marque uma das opções que não corresponde a uma vantagem:
	
	
	
	Ela controla a taxa de erro de família, pois a sua chance de rejeitar incorretamente a hipótese nula aumenta a cada ANOVA sucessiva. Fazer uma MANOVA para testar todas as variáveis de resposta ao mesmo tempo mantém a taxa de erro de família igual em seu nível alfa.
	
	
	Fornecer maior poder estatístico do que ANOVA quando o número de variáveis dependentes é 5 ou menos.
	
	
	Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	ANOVA detecta padrões de respostas multivariadas, pois o fator pode afetar a relação entre as respostas, em vez de afetar uma única resposta.
	
	
	Maior potência.
 
	
Explicação:
Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	
	 
		
	
		4.
		MANOVA está interessada em diferenças entre grupos (ou tratamentos experimentais). São representadas nesta forma geral:
	
	
	
	Y1 =   X1.
	
	
	Y  =   X1 + X2 +...+ Xn.
	
	
	Y1 + Y2 +...+ Yn  =   X.
	
	
	Y1 + Y2 +...+ Yn  =   X1 + X2 +...+ Xn.
	
	
	X1 + X2 +...+ Xn  =  Y1 + Y2 +...+ Yn.
	
Explicação:
Y1 + Y2 +...+ Yn  =   X1 + X2 +...+ Xn.
	
	
 
		
	
		1.
		A flexibilidade da análise conjunta viabiliza sua aplicação em praticamente qualquer área na qual as decisões são estudadas. Após determinar a contribuição de cada fator à avaliação geral do consumidor, podemos então proceder com o seguinte:
	
	
	
	Planejamento de pesquisa.
	
	
	Análise das suposições.
	
	
	Definir o objeto ou conceito com a combinação ótima de características.Utilizar em casos em que existem duas ou mais variáveis dependentes.
	
	
	Só envolve variáveis.
	
Explicação:
Definir o objeto ou conceito com a combinação ótima de características.
	
	
	
	 
		
	
		2.
		Na análise conjunta, a diferença importante é que na variável estatística conjunta especificamos as variáveis independentes (_______) e seus valores (_____). Marque a opção que preenche as lacunas:
	
	
	
	Estímulos e níveis.
	
	
	Valores e níveis.
	
	
	Níveis e fatores.
	
	
	Estímulos e fatores.
	
	
	Fatores e níveis.
	
Explicação:
Fatores e níveis.
	
	
	
	 
		
	
		3.
		A estimação do modelo conjunto e avaliação do ajuste geral, corresponde a que estágio:
	
	
	
	Estágio 6.
	
	
	Estágio 4.
	
	
	Estágio 3.
	
	
	Estágio 2.
	
	
	Estágio 5.
	
Explicação:
Estágio 4.
	
	
	
	 
		
	
		4.
		Marque a opção incorreta com relação análise conjunta:
	
	
	
	A análise conjunta é mais adequada para compreender reações de consumidores e avaliações de combinações predeterminadas de atributos que representam produtos ou serviços potenciais.
	
	
	A análise conjunta é na verdade uma família de técnicas e métodos especificamente desenvolvidos para entender preferencias individuais que compartilham uma fundamentação teórica com base nos modelos de integração de informação e medição funcional.
	
	
	A análise conjunta tradicional é uma metodologia que emprega os princípios clássicos da análise conjunta na tarefa conjunta, usando um modelo aditivo da preferência de consumidor e métodos de apresentação de comparação pareada ou de perfil completo.
	
	
	A análise conjunta é uma técnica multivariada usada especificamente para entender como os respondentes desenvolvem preferencias por quaisquer tipos de objetos (produtos, serviços ou ideias).
	
	
	A análise conjunta determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
Explicação:
A análise conjunta determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	
		1.
		O método aglomerativo segue um processo simples e repetitivo, marque a opção que não corresponde a um passo:
	
	
	
	Começar com todas as observações como formando seus próprios agrupamentos (ou seja, cada observação forma um agrupamento unitário), de forma que o número de agrupamentos seja igual ao de observações.
	
	
	Continuar a combinar os dois agrupamentos mais parecidos em um novo, reduzindo assim a quantia de agrupamentos em uma unidade.
	
	
	Usando a medida de similaridade, não há necessidade de formar agrupamentos.
	
	
	Repetir o processo novamente, usando medida de similaridade para combinar os dois agrupamentos mais parecidos em um novo.
	
	
	Usando a medida de similaridade, combinar os dois agrupamentos mais parecidos em um novo (agora contendo duas observações), reduzindo assim a quantia de agrupamentos em uma unidade.
	
Explicação:
Usando a medida de similaridade, não há necessidade de formar agrupamentos.
	
	
	
	 
		
	
		2.
		A distância euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por::
	
	
	
	d(Xl ,Xk)=[ (Xl - Xk) ]1/2, j=1,2,...,n
	
	
	d(Xl ,Xk)= [ (Xl - Xk)' (Xl - Xk) ]2= [ ∑pi=1 (Xil - Xik)2 ] , j=1,2,...,n
	
	
	d(Xl ,Xk)= [ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
	
	d(Xl ,Xk)= [ (Xl - Xk) ]1/2 =[ ∑pi=1(Xil - Xik) ]1/2 ,j=1,2,...,n
	
	
	d(Xl ,Xk)=[ (Xl - Xk)' (Xl - Xk) ] 1/2 =[ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
Explicação:
d(Xl ,Xk)=[ (Xl - Xk)' (Xl - Xk) ] 1/2 =[ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
	
	
	 
		
	
		3.
		Marque a opção incorreta com relação aos objetivos de análise agrupamentos ou cluster:
	
	
	
	Simplificação de dados: A habilidade de analisar grupos de observações semelhantes em vez de todas as observações individuais
	
	
	Descrição taxonômica: Identificar grupos naturais dentro dos dados
	
	
	Determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	Identificação de relação: A estrutura simplificada da análise de agrupamentos retrata relações não reveladas de outra forma.
	
	
	Dividir os elementos da amostra, ou população em grupos de forma que os elementos pertencentes a um mesmo grupo sejam similares entre sim com respeito às variáveis (caraterística) que neles formam medidas
	
Explicação:
Determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	
	 
		
	
		4.
		Suponha que um pesquisador de economia queira determinar segmentos de mercado em um grupo de pessoas com base em padrões de renda e idade dos indivíduos. Calcular a distância euclidiana entre os dois indivíduos da amostra abaixo:
	Indivíduo
	Renda
	Idade
	A
	11
	18
	B
	5
	22
   
	
	
	
	11.
	
	
	5,13.
	
	
	22.
	
	
	18.
	
	
	7,21.
	
Explicação:
7,21.
	
 
		
	
		1.
		Modelos estruturais são conhecidos por diversos nomes, incluindo um _____________ou, ocasionalmente, __________. Um __________infere que as relações atendem às condições necessárias para ____________. As condições para ___________foram discutidas antes e o pesquisador deve ser muito cuidadoso  para não descrever que o modelo tem inferências_______, a menos que todas as condições sejam atendidas.
Marque a opção que preenche corretamente as lacunas:
	
	
	
	causalidade, modelo causal, modelo causal, causalidade, causalidade, modelo teórico.
	
	
	modelo causal, modelo causal, causalidade, causalidade, modelo teórico, suposições da análise de MDS.
	
	
	determinação da solução MDS, modelo causal, causalidade, causalidade, modelo teórico, suposições da análise de MDS.
	
	
	causalidade, modelo causal, modelo causal, causalidade, causalidade, modelo causal.
	
	
	modelo teórico, modelo causal, modelo causal, causalidade, causalidade, causais.
	
Explicação:
modelo teórico, modelo causal, modelo causal, causalidade, causalidade, causais.
	
	
	
	 
		
	
		2.
		Apesar de diferentes caminhos poderem ser usados para testar modelos SEM, todos os modelos de equações estruturais são distinguidos por três características. Marque a opção incorreta com relação a essas características:
	
	
	
	Uma habilidade para representar conceitos não observados nessas relações e corrigir erro de mensuração no processo de estimação.
	
	
	Estimação de relações de dependência múltiplas.
	
	
	Definição de um modelo para explicar o conjunto inteiro de relações.
	
	
	Objeto, estatística descritiva e cluster.
	
	
	Estimação de relações de dependência inter-relacionadas.
	
Explicação:
Objeto, estatística descritiva e cluster.
	
	
	
	 
		
	
		3.
		A técnica de modelagem de equações estruturais (SEM), uma extensão de diversas técnicas multivariadas, é um método que nos permite:
	
	
	
	identificar os eixos do espaço dimensional em termos de atributos perceptuais e/ou objetivos.
	
	
	reunir medidas de similaridade e ou de preferência no conjunto inteiro de objetos a serem analisados.
	
	
	interpretar os eixos do espaço dimensional em termos de atributos perceptuais e/ou objetivos.
	
	
	usar técnicas  MDS para estimar a posição relativa de cada objeto em espaço multidimensional.
	
	
	testar a teoria inteira do pesquisador com uma técnica que considere toda a informação possível.
	
Explicação:
testar a teoria inteira do pesquisador com uma técnica que considere toda a informação possível.
	
	
	
	 
		
	
		4.
		A análise fatorial confirmatória (CFA) nos permite testar o quão bem as variáveis medidas representam os construtos. A principal vantagem é que o pesquisador pode:
	
	
	
	quantas dimensões queremos, como também quantas vezes ele irá procurar pelo resultado mais simples.
	
	
	testar analiticamente uma teoria conceitualmente fundamentada, explicando como diferentes itens medidos descrevem importantes medidas psicológicas, sociológicas ou de negócios.
	
	
	a quantia de agrupamentos em uma unidade.
	
	
	oferecem uma visão básica de SEMMedir a similaridade e Formação dos agrupamentos.
	
Explicação:
testar analiticamente uma teoria conceitualmente fundamentada, explicando como diferentes itens medidos descrevem importantes medidas psicológicas, sociológicas ou de negócios.
	
		1
          Questão
	
	
	Para desenvolver o MDS, temos que colocar os objetos em ordem em uma matriz de similaridade. Escolhemos os tipos de doces A, B, C e D. A ordenação dos pares é como se segue: AB < BD < AD < CD < BC < AC (cada par de letras indica a distância [similaridade] entre os elementos do par). Como fica a matriz de similaridade nesse caso, sendo ordenadas de 1 até 6:
		
	
		Ventilador
	A
	B
	C
	D
	A
	5
	2
	3
	 
	B
	-
	6
	4
	 
	C
	 
	-
	1
	 
	D
	 
	 
	-
	 
	
		Ventilador
	A
	B
	C
	D
	A
	2
	6
	3
	 
	B
	-
	5
	1
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	 
		Ventilador
	A
	B
	C
	D
	A
	1
	6
	3
	 
	B
	-
	5
	2
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
		Ventilador
	A
	B
	C
	D
	A
	1
	5
	3
	 
	B
	-
	6
	1
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
		Ventilador
	A
	B
	C
	D
	A
	2
	5
	1
	 
	B
	-
	6
	4
	 
	C
	 
	-
	3
	 
	D
	 
	 
	-
	 
	Respondido em 08/09/2021 15:04:19
	
Explicação:
	Ventilador
	A
	B
	C
	D
	A
	1
	6
	3
	 
	B
	-
	5
	2
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
	
	 
		2
          Questão
	
	
	A execução de um MDS, no software R pode ser utilizado pela função ¿metaMDS¿ e é possível informar ao R:
		
	
	como as observações como formando seus próprios agrupamentos (ou seja, cada observação forma um agrupamento unitário), de forma que o número de agrupamentos seja igual ao de observações.
	
	a quantia de agrupamentos em uma unidade.
	 
	quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	
	os dois agrupamentos mais parecidos em um novo.
	
	não há necessidade de formar agrupamentos.
	Respondido em 08/09/2021 15:04:25
	
Explicação:
quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	
	
	 
		3
          Questão
	
	
	As dimensões são características de um ______. Pode-se imaginar que um objeto específico possui dimensões ____________(p. ex., caro, frágil) e _________(p. ex., cor, preço, características). Dimensão _________ são características físicas ou tangíveis de um objeto que têm uma base objetiva de comparação. Por exemplo, um produto tem tamanho, forma, cor, peso e assim por diante. Já a dimensão __________seria uma atribuição subjetiva, por parte do respondente, de aspectos a um objeto, a qual representa suas características intangíveis.
Marque a opção correta que preenche as lacunas:
		
	
	Dimensão, objetivas, objetiva, percebidas/subjetivas, percebidas/subjetivas.
	 
	Objeto, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	Dimensão, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	Objeto, objetivas, objetiva, percebidas/subjetivas, percebidas/subjetivas.
	
	Dimensão, objetivas, percebidas/subjetivas, objetiva, percebidas/subjetivas.
	Respondido em 08/09/2021 15:04:52
	
Explicação:
Objeto, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	
	 
		4
          Questão
	
	
	O escalonamento multidimensional pode ser comparado com as outras técnicas de interdependência como por exemplo:
		
	
	estatística descritiva e cluster
	
	análise fatorial e análise de regressão
	 
	análise fatorial e análise de agrupamentos
	
	análise regressão e análise de agrupamentos
	
	estatística descritiva e análise regressão
	Respondido em 08/09/2021 15:04:56
	
Explicação:
análise fatorial e análise de agrupamentos
	Um analista financeiro deseja fazer uma análise multivariada do valor de mercado da ação da Petrobras. Algumas informações importantes seriam o IBOVESPA e o Patrimônio líquido da empresa. Defina o vetor aleatório que esse analista irá trabalhar:
		
	
	X=   (X1 = Petrobrás X2 = IBOVESPA X3 = Patrimônio líquido)
	
	X=   (X1 = PIB X2 = Crescimento populacional X3 = taxa de desemprego)
	 
	X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
	X=   (X1 = PIB X2 = taxa de desemprego)
	
	X=   (X1 = Petrobrás X2 = IBOVESPA)
	Respondido em 20/09/2021 09:36:07
	
	Explicação:
X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
		2a
          Questão
	Acerto: 1,0  / 1,0
	
	Quais são as duas visões da análise multivariada de dados?
		
	
	Retratar os dados reais e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	 
	Compreensão básica dos dados e das relações entre variáveis e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
	Realizar os testes das suposições estatística e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
	Compreensão básica dos dados e das relações entre variáveis e realizar os testes das suposições estatística.
	
	Compreensão básica dos dados e das relações entre variáveis e retratar os dados reais.
	Respondido em 20/09/2021 09:37:03
	
	Explicação:
Compreensão básica dos dados e das relações entre variáveis e garantir que os dados e variáveis atendem a todas as exigências para aplicação uma técnica multivariada.
	
		3a
          Questão
	Acerto: 1,0  / 1,0
	
	Marque a opção incorreta com relação aos fatores da análise fatorial:
		
	
	São altamente intercorrelacionadas.
	
	Ter por objetivo apenas a redução do número de variáveis.
	 
	É uma variação do gráfico multivariado.
	
	Eles representam as dimensões dentro dos dados.
	
	Desempenhem um papel confirmatório.
	Respondido em 20/09/2021 09:38:18
	
	Explicação:
É uma variação do gráfico multivariado.
	
		4a
          Questão
	Acerto: 1,0  / 1,0
	
	Marque a opção incorreta com relação à Análise de Regressão Múltipla:
		
	
	é o fundamento para realizar previsões dos problemas estudados.
	
	é uma técnica de dependência que é a usada de forma versátil, aplicável na tomada de decisões em economia e negócios.
	
	os coeficientes de regressão (βi) representam a variação estimada na variável dependente por variação unitária da variável independente.
	 
	é uma variação do modelo de análise fatorial.
	
	é uma técnica importante para relacionar matematicamente duas ou mais variáveis, com uma função.
	Respondido em 20/09/2021 09:38:44
	
	Explicação:
é uma variação do modelo de análise fatorial.
	
		5a
          Questão
	Acerto: 1,0  / 1,0
	
	O processo de decisão para análise discriminante é realizado através do método de seis estágios, qual desses não pertence a um dos estágios:
		
	
	Interpretação das funções discriminantes.
	 
	Colinearidade entre variáveis independentes.
	
	Estimação do modelo discriminante e avaliação do ajuste geral.
	
	Questões de planejamento de pesquisa.
	
	Problema de pesquisa.
	Respondido em 20/09/2021 09:39:06
	
	Explicação:
Colinearidade entre variáveis independentes.
	
		6a
          Questão
	Acerto: 1,0  / 1,0
	
	Considere que dois tratamentos (compras de alimentos industrializados ou naturais e idade) são usados para examinar o tipo de compra de um certo produto. Uma interação ordinal acontece, por exemplo, quando as compras de alimentos são industrializados ou naturais, mas a diferença entre esses mios de compra difere de acordo com a faixa etária do grupo. Testar com probabilidade de 95% as diferenças de grupos individualmente para cada uma das variáveis dependentes, sabendo que o resultado traz um p-valor de 0,1:
		
	
	os dois grupos são iguais
	
	O teste é inconclusivo
	
	rejeita-se a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	 
	não se rejeita a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
	aceita-se a hipótese alternativa de que as médias dos grupos de comprasde alimentos industrializados ou naturais são iguais.
	Respondido em 20/09/2021 09:39:26
	
	Explicação:
não se rejeita a hipótese nula de que as médias dos grupos de compras de alimentos industrializados ou naturais são iguais.
	
		7a
          Questão
	Acerto: 1,0  / 1,0
	
	Na análise conjunta, a diferença importante é que na variável estatística conjunta especificamos as variáveis independentes (_______) e seus valores (_____). Marque a opção que preenche as lacunas:
		
	
	Níveis e fatores.
	
	Estímulos e níveis.
	 
	Fatores e níveis.
	
	Valores e níveis.
	
	Estímulos e fatores.
	Respondido em 20/09/2021 09:40:25
	
	Explicação:
Fatores e níveis.
	
		8a
          Questão
	Acerto: 1,0  / 1,0
	
	A distância euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por::
		
	 
	d(Xl ,Xk)=[ (Xl - Xk)' (Xl - Xk) ] 1/2 =[ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
	d(Xl ,Xk)= [ (Xl - Xk) ]1/2 =[ ∑pi=1(Xil - Xik) ]1/2 ,j=1,2,...,n
	
	d(Xl ,Xk)= [ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
	d(Xl ,Xk)= [ (Xl - Xk)' (Xl - Xk) ]2= [ ∑pi=1 (Xil - Xik)2 ] , j=1,2,...,n
	
	d(Xl ,Xk)=[ (Xl - Xk) ]1/2, j=1,2,...,n
	Respondido em 20/09/2021 09:41:07
	
	Explicação:
d(Xl ,Xk)=[ (Xl - Xk)' (Xl - Xk) ] 1/2 =[ ∑pi=1 (Xil - Xik)2 ]1/2 ,j=1,2,...,n
	
		9a
          Questão
	Acerto: 1,0  / 1,0
	
	A execução de um MDS, no software R pode ser utilizado pela função ¿metaMDS¿ e é possível informar ao R:
		
	
	a quantia de agrupamentos em uma unidade.
	
	como as observações como formando seus próprios agrupamentos (ou seja, cada observação forma um agrupamento unitário), de forma que o número de agrupamentos seja igual ao de observações.
	
	não há necessidade de formar agrupamentos.
	
	os dois agrupamentos mais parecidos em um novo.
	 
	quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	Respondido em 20/09/2021 09:41:28
	
	Explicação:
quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	
		10a
          Questão
	Acerto: 1,0  / 1,0
	
	Apesar de diferentes caminhos poderem ser usados para testar modelos SEM, todos os modelos de equações estruturais são distinguidos por três características. Marque a opção incorreta com relação a essas características:
		
	
	Estimação de relações de dependência inter-relacionadas.
	
	Uma habilidade para representar conceitos não observados nessas relações e corrigir erro de mensuração no processo de estimação.
	 
	Objeto, estatística descritiva e cluster.
	
	Estimação de relações de dependência múltiplas.
	
	Definição de um modelo para explicar o conjunto inteiro de relações.
	Respondido em 20/09/2021 09:41:47
	
	Explicação:
Objeto, estatística descritiva e cluster.