ANALISE MULTIVARIADA E CLUSTERING

Prévia do material em texto

ANALISE MULTIVARIADA E CLUSTERING
	
 
	
	
	1.
	
		 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.
	
	
	Utilizada assim que existe um número muito extenso de variáveis.
	
	
	Descrever a variabilidade de variáveis correlacionadas observadas em menos variáveis não observadas.
	Certo
	
	Fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	Tem objetivo de selecionar um número menor de outras variáveis alternativas.
	
Explicação:
Fazer agrupamentos de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	 
	
	
	2.
	
		 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: 
	
	Certo
	
	X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
	
	X=   (X1 = PIB X2 = Crescimento populacional X3 = taxa de desemprego)
	
	
	X=   (X1 = Petrobrás X2 = IBOVESPA X3 = Patrimônio líquido)
	
	
	X=   (X1 = PIB X2 = taxa de desemprego)
	
	
	X=   (X1 = Petrobrás X2 = IBOVESPA)
	
Explicação:
X=   (X1 = IBOVESPA X2 = Patrimônio líquido)
	
	
	 
	
	
	3.
	
		 Marque, dentre as alternativas abaixo, a opção que não é um tipo de técnicas de análise multivariada: 
	
	
	
	Análise de agrupamento ou clustering
	
	
	Regressão Múltipla.
	
	
	Análise fatorial.
	Certo
	
	Análise univariada de variância
	
	
	Análise discriminante múltipla.
	
Explicação:
Análise univariada de variância
	
	
	 
	
	
	4.
	
		 A definição geral de clustering é: 
	
	
	
	fazer um índice de variáveis segundo o seu grau de semelhança e minimizar as diferenças.
	
	
	um conjunto de dados utilizados em situações nas quais várias variáveis são medidas simultaneamente.
	Certo
	
	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 para medir outros conjuntos de várias variáveis medidas simultaneamente.
	
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 mostram as informações como uma série de pontos de dados que estão conectadas por segmentos de linha reta.
	Certo
	
	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 diagrama circular onde os valores de cada categoria estatística representada são proporcionais às respectivas frequências.
	
	
	O gráfico de ramos e folhas é um histograma.
	
	
	O gráfico de ramos e folhas é um gráfico com barras retangulares e comprimento proporcional aos valores que ele apresenta.
	
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.
	
		 Marque a opção incorreta com relação ao histograma: 
	
	
	
	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.
	
	
	Também chamado de distribuição de frequências.
	Certo
	
	É uma variação do gráfico de linhas.
	
	
	É uma forma gráfica para distribuição de uma variável.
	
	
	Consiste em uma representação gráfica de dados que são divididos em classes.
	
Explicação:
É uma variação do gráfico de linhas.
	
	
	 
	
	
	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.
	Certo
	
	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 retratar os dados reais.
	
	
	Retratar os dados reais 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.
	
		 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 Erros Correlacionados.
	
	
	Teste de Linearidade Relações não lineares.
	
	
	Testar Heteroscedasticidade.
	
	
	Teste de Normalidade.
	Certo
	
	Teste do vetor aleatório.
	
Explicação:
Teste do vetor aleatório.
	
	 
	
	
	1.
	
		 Se um estudo está́ sendo planejado para revelar estrutura fatorial, temos que nos esforçar para ter pelo menos: 
	
	
	
	dez variáveis para cada fator proposto.
	Certo
	
	cinco variáveis para cada fator proposto.
	
	
	quatro variáveis para cada fator proposto.
	
	
	seis variáveis para cada fator proposto.
	
	
	duas variáveis para cada fator proposto.
	
Explicação:
cinco variáveis para cada fator proposto.
	
	
	 
	
	
	2.
	
		 Marque a opção incorreta com relação aos fatores da análise fatorial: 
	
	
	
	Ter por objetivo apenas a redução do número de variáveis.
	
	
	São altamente intercorrelacionadas.
	Certo
	
	É uma variação do gráfico multivariado.
	
	
	Desempenhem um papel confirmatório.
	
	
	Eles representam as dimensões dentro dos dados.
	
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.
	Certo
	
	L (comunalidades) e Ψ  (variância) que possam representar a matriz Cov(Z) para m < p.
	
	
	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 p < m.
	
Explicação:
L (comunalidades) e Ψ  (variância) que possam representar a matriz Cov(Z) para m < p.
	
	
	 
	
	
	4.
	
		 Um dos objetivos principais da análise fatorial é: 
	
	
	
	Retratar os dados reais.
	
	
	Realizar os testes das suposições.
	Certo
	
	Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	Compreender os dados e as relações entre variáveis.
	
	
	Comparar as variáveis aleatórias.
	
Explicação:
Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	 
	
	
	1.
	
		 Um dos objetivos principais da Análise de Regressão Múltipla é: 
	
	Certo
	
	Descrer as relações entre a variável dependente e as variáveis independentes de um determinado processo.
	
	
	Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	Descrevem as relações entre a variável fatoriais e as variáveis binárias de um determinado processo.
	
	
	Realizar os testes das suposições.
	
	
	Ter por objetivo apenas a redução do número de variáveis.
	
Explicação:
Descrer as relações entre a variável dependente e as variáveis independentes de um determinado processo.2.
	
		 As suposições a serem examinadas na etapa de abrangência do modelo no processo de decisão para a análise de regressão múltipla são: 
	
	Certo
	
	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.
	
	
	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.
	
	
	Somente 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.
	
	
	 
	
	
	3.
	
		 Marque a opção incorreta com relação à Análise de Regressão Múltipla: 
	
	
	
	é uma técnica de dependência que é a usada de forma versátil, aplicável na tomada de decisões em economia e negócios.
	Certo
	
	é uma variação do modelo de análise fatorial.
	
	
	é o fundamento para realizar previsões dos problemas estudados.
	
	
	os coeficientes de regressão (βi) representam a variação estimada na variável dependente por variação unitária da variável independente.
	
	
	é uma técnica importante para relacionar matematicamente duas ou mais variáveis, com uma função.
	
Explicação:
é uma variação do modelo de análise fatorial.
	
	
	 
	
	
	4.
	
		 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 
      
	
	
	
	85%
	
	
	30%
	
	
	57%
	Certo
	
	98%
	
	
	24%
	
Explicação:
98%
	
	 
	
	
	1.
	
		 Com relação a análise de variância multivariada (MANOVA - Multiple Analysis Of VAriance) é incorreto afirmar : 
	
	
	
	analisa simultaneamente múltiplas medidas de cada indivíduo ou objeto sob investigação. envolve variáveis dependentes métricas e variáveis independentes categóricas.
	
	
	é uma extensão ou forma generalizada da análise de variância (ANOVA).
 
	Certo
	
	envolve variáveis dependentes não métricas e variáveis independentes categóricas.
	
	
	é um procedimento para comparação de médias amostrais multivariadas.
	
	
	é utilizada em casos em que existem duas ou mais variáveis dependentes.
	
Explicação:
envolve variáveis dependentes não métricas e variáveis independentes categóricas.
	
	
	 
	
	
	2.
	
		 Qual a função do R devemos utilizar para calcular a regressão logística: 
	
	
	
	glm(Y~modelo, family=binomial(link=" logística "))
	Certo
	
	lm(Y~modelo, family=binomial(link="logit"))
	
	
	lm(Y~modelo, family=binomial(link="logística"))
	
	
	glm(Y~modelo, family=normal(link="logit"))
	
	
	lm(Y~modelo, family=normal(link=" logística "))
	
Explicação:
lm(Y~modelo, family=binomial(link="logit"))
	
	
	 
	
	
	3.
	
		 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)? 
	
	
	
	0,75
	Certo
	
	1
	
	
	0,5
	
	
	2
	
	
	1,75
	
Explicação:
1.
	
	
	 
	
	
	4.
	
		 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.
	
	
	Estimação do modelo discriminante e avaliação do ajuste geral.
	Certo
	
	Colinearidade entre variáveis independentes.
	
	
	Problema de pesquisa.
	
Explicação:
Colinearidade entre variáveis independentes.
	
	 
	
	
	1.
	
		 MANOVA está interessada em diferenças entre grupos (ou tratamentos experimentais). São representadas nesta forma geral: 
	
	
	
	Y1 =   X1.
	Certo
	
	Y1 + Y2 +...+ Yn  =   X1 + X2 +...+ Xn.
	
	
	Y  =   X1 + X2 +...+ Xn.
	
	
	Y1 + Y2 +...+ Yn  =   X.
	
	
	X1 + X2 +...+ Xn  =  Y1 + Y2 +...+ Yn.
	
Explicação:
Y1 + Y2 +...+ Yn  =   X1 + X2 +...+ Xn.
	
	
	 
	
	
	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 p-valor de 0,1: 
	
	
	
	rejeita-se 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 compras de alimentos industrializados ou naturais são iguais.
	
	
	os dois grupos são iguais
	
	
	O teste é inconclusivo
	Certo
	
	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.
	Certo
	
	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.
 
	
	
	Fornecer maior poder estatístico do que ANOVA quando o número de variáveis dependentes é 5 ou menos.
	
Explicação:
Determinar se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	 
	
	
	4.
	
		 Com relação a análise de variância multivariada (MANOVA) é incorreto afirmar : 
	
	
	
	é uma extensão ou forma generalizada da análise de variância (ANOVA).
	
	
	analisa simultaneamente múltiplas medidas de cada indivíduo ou objeto sob investigação. envolve variáveis dependentes métricas e variáveis independentes categóricas.
 
	Certo
	
	Só envolve variáveis.
	
	
	é um procedimento para comparação de médias amostrais multivariadas.
	
	
	é utilizada em casos em que existem duas ou mais variáveis dependentes.
	
Explicação:
Só envolve variáveis.
	
 
	
	
	1.
	
		 Marque a opção incorreta com relação análise conjunta: 
	
	Certo
	
	A análise conjunta determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	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 análiseconjunta 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).
	
Explicação:
A análise conjunta determina se as variáveis podem ser resumidas a um conjunto menor de fatores.
	
	
	 
	
	
	2.
	
		 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: 
	
	
	
	Utilizar em casos em que existem duas ou mais variáveis dependentes.
	
	
	Planejamento de pesquisa.
	
	
	Só envolve variáveis.
	Certo
	
	Definir o objeto ou conceito com a combinação ótima de características.
	
	
	Análise das suposições.
	
Explicação:
Definir o objeto ou conceito com a combinação ótima de características.
	
	
	 
	
	
	3.
	
		 A estimação do modelo conjunto e avaliação do ajuste geral, corresponde a que estágio: 
	
	
	
	Estágio 3.
	
	
	Estágio 2.
	
	
	Estágio 6.
	
	
	Estágio 5.
	Certo
	
	Estágio 4.
	
Explicação:
Estágio 4.
	
	
	 
	
	
	4.
	
		 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.
	Certo
	
	Fatores e níveis.
	
	
	Estímulos e fatores.
	
	
	Valores e níveis.
	
	
	Estímulos e níveis.
	
Explicação:
Fatores e níveis.
	
	 
	
	
	1.
	
		 A distância euclidiana entre dois elementos Xl e Xk, l ≠ k, é definida por:: 
	
	
	
	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
	Certo
	
	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, j=1,2,...,n
	
	
	d(Xl ,Xk)= [ (Xl - Xk) ]1/2 =[ ∑pi=1(Xil - Xik) ]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
	
	
	 
	
	
	2.
	
		 O método aglomerativo segue um processo simples e repetitivo, marque a opção que não corresponde a um passo: 
	
	
	
	Repetir o processo novamente, usando medida de similaridade para combinar os dois agrupamentos mais parecidos em um novo.
	Certo
	
	Usando a medida de similaridade, não há necessidade de formar agrupamentos.
	
	
	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, 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.
	
	
	 
	
	
	3.
	
		 Marque a opção incorreta com relação aos objetivos de análise agrupamentos ou cluster: 
	
	
	
	Descrição taxonômica: Identificar grupos naturais dentro dos dados
	Certo
	
	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.
	
	
	Simplificação de dados: A habilidade de analisar grupos de observações semelhantes em vez de todas as observações individuais
	
	
	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 
     
	
	
	
	22.
	Certo
	
	7,21.
	
	
	5,13.
	
	
	11.
	
	
	18.
	
Explicação:
7,21.
	
 
	
	
	1.
	
		 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, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	
	Dimensão, objetivas, percebidas/subjetivas, objetiva, percebidas/subjetivas.
	Certo
	
	Objeto, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	
	Dimensão, objetivas, objetiva, percebidas/subjetivas, percebidas/subjetivas.
	
	
	Objeto, objetivas, objetiva, percebidas/subjetivas, percebidas/subjetivas.
	
Explicação:
Objeto, percebidas/subjetivas, objetivas, objetiva, percebidas/subjetivas.
	
	
	 
	
	
	2.
	
		 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
	2
	6
	3
	 
	B
	-
	5
	1
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
	
		Ventilador
	A
	B
	C
	D
	A
	5
	2
	3
	 
	B
	-
	6
	4
	 
	C
	 
	-
	1
	 
	D
	 
	 
	-
	 
	
	
		Ventilador
	A
	B
	C
	D
	A
	2
	5
	1
	 
	B
	-
	6
	4
	 
	C
	 
	-
	3
	 
	D
	 
	 
	-
	 
	
	
		Ventilador
	A
	B
	C
	D
	A
	1
	5
	3
	 
	B
	-
	6
	1
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
	Certo
		Ventilador
	A
	B
	C
	D
	A
	1
	6
	3
	 
	B
	-
	5
	2
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
	
Explicação:
	Ventilador
	A
	B
	C
	D
	A
	1
	6
	3
	 
	B
	-
	5
	2
	 
	C
	 
	-
	4
	 
	D
	 
	 
	-
	 
	
	
	 
	
	
	3.
	
		 A execução de um MDS, no software R pode ser utilizado pela função ¿metaMDS¿ e é possível informar ao R: 
	
	
	
	os dois agrupamentos mais parecidos em um novo.
	
	
	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.
	Certo
	
	quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	
Explicação:
quantas dimensões queremos (k=), como também quantas vezes ele irá procurar pelo resultado mais simples (trymax=).
	
	
	 
	
	
	4.
	
		 O escalonamento multidimensional pode ser comparado com as outras técnicas de interdependência como por exemplo: 
	
	
	
	estatística descritiva e análise regressão
	
	
	estatística descritiva e cluster
	
	
	análise regressãoe análise de agrupamentos
	
	
	análise fatorial e análise de regressão
	Certo
	
	análise fatorial e análise de agrupamentos
	
Explicação:
análise fatorial e análise de agrupamentos
	
	 
	
	
	1.
	
		 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.
	
	
	Definição de um modelo para explicar o conjunto inteiro de relações.
	Certo
	
	Objeto, estatística descritiva e cluster.
	
	
	Estimação de relações de dependência múltiplas.
	
	
	Uma habilidade para representar conceitos não observados nessas relações e corrigir erro de mensuração no processo de estimação.
	
Explicação:
Objeto, estatística descritiva e cluster.
	
	
	 
	
	
	2.
	
		 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: 
	
	
	
	oferecem uma visão básica de SEM
	Certo
	
	testar analiticamente uma teoria conceitualmente fundamentada, explicando como diferentes itens medidos descrevem importantes medidas psicológicas, sociológicas ou de negócios.
	
	
	quantas dimensões queremos, como também quantas vezes ele irá procurar pelo resultado mais simples.
	
	
	a quantia de agrupamentos em uma unidade.
	
	
	Medir 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.
	
	
	 
	
	
	3.
	
		 A técnica de modelagem de equações estruturais (SEM), uma extensão de diversas técnicas multivariadas, é um método que nos permite: 
	
	
	
	interpretar 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.
	
	
	identificar os eixos do espaço dimensional em termos de atributos perceptuais e/ou objetivos.
	Certo
	
	testar a teoria inteira do pesquisador com uma técnica que considere toda a informação possível.
	
	
	usar técnicas  MDS para estimar a posição relativa de cada objeto em espaço multidimensional.
	
Explicação:
testar a teoria inteira do pesquisador com uma técnica que considere toda a informação possível.
	
	
	 
	
	
	4.
	
		 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: 
	
	
	
	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 causal, modelo causal, causalidade, causalidade, modelo teórico, suposições da análise de MDS.
	
	
	causalidade, modelo causal, modelo causal, causalidade, causalidade, modelo teórico.
	Certo
	
	modelo teórico, modelo causal, modelo causal, causalidade, causalidade, causais.
	
Explicação:
modelo teórico, modelo causal, modelo causal, causalidade, causalidade, causais.