Baixe o app para aproveitar ainda mais
Prévia do material em texto
Monitoramento da biodiversidade: gestão, análise e síntese dos dados / Módulo 5 / Exercício Avaliativo 5 quinta, 17 dez 2020, 15:12 Finalizada quinta, 17 dez 2020, 15:14 2 minutos 9 segundos 2,00/4,00 de um máximo de 10,00(50%) Quanto aos testes estatísticos, pode-se afirmar que: Escolha uma opção: a. O teste t de Student pode ser utilizado quando pretendemos analisar as diferenças entre vários grupos de dados, sem a necessidade de compará-los dois a dois. b. Para aceitarmos a hipótese nula H0, o t calculado deve ser maior que o t tabelado ou crítico. c. O teste t de Student pode ser feito considerando tanto uma como duas caudas, lembrando que, para o último caso, é necessário dividir o nível de significância por 2. d. Com a Anova, podemos comparar as amostras par a par. e. Para calcularmos a variável F, no método Anova, basta dividirmos a variância dentro do grupo pela variância entre grupos. Your answer is incorrect. O teste t de Student só permite analisarmos as diferenças entre dois grupos de dados de cada vez. Para não rejeitarmos H0, o t calculado deve ser menor que o t crítico ou t tabelado, de modo que ele fique entre o intervalo -Xc < tc < Xc, ou seja, na região de aceitação do gráfico, dada por 1 - α, onde tc = t calculado e t tabelado ou crítico = Xc. Com a Anova, é possível comparar várias amostras sem a necessidade verificá-las duas a duas, ou seja, aos pares. Para calcularmos a variável F, no método Anova, basta dividirmos a variância entre grupos pela variância dentro do grupo. Exercício Avaliativo 5: Revisão da tentativa https://mooc38.escolavirtual.gov.br/mod/quiz/review.php?attempt=20... 1 of 3 17/12/2020 15:23 Questão Correto Quanto às análises estatísticas, julgue as seguintes afirmações: I. Análises paramétricas são um grupo de análises para as quais os dados atendem às premissas de distribuição normal ou aproximadamente normal e homogeneidade das variâncias. II. Utilizamos análises não paramétricas quando trabalhamos com variáveis nominais ou categóricas. III. Podemos fazer análises paramétricas de uma distribuição não paramétrica. Para isso, devemos transformar os dados visando normalizar a distribuição. IV. Os métodos para normalizar distribuições não paramétricas são: transformação arco-seno da raiz quadrada ou angular para valores em porcentagem; raiz quadrada para dados de contagem; e logarítmica para corrigir distribuições assimétricas, remover a dependência entre média e variância e homogeneizar variâncias entre grupos. Marque a alternativa mais adequada sobre as afirmações: Escolha uma opção: a. Apenas I e II são corretas. b. Apenas I e IV são corretas. c. Apenas II e III são corretas. d. Apenas II e IV são corretas. e. Todas as afirmações são corretas. Your answer is correct. Todas as afirmações do enunciado estão corretas. Sobre análise de regressão linear simples, cuja equação da reta é dada pela fórmula Y = a + bX, assinale a alternativa incorreta: Escolha uma opção: a. Serve para analisar a existência de relações lineares, geralmente de causa e efeito, entre duas variáveis quantitativas. b. O coeficiente de correlação R² fornece a proporção das variações em Y explicada pelas variações da variável independente por meio do modelo utilizado. Assim, para um R² = 0,91, podemos dizer que 91% das variações em Y são devidas às variações em X. c. Na fórmula, a constante a refere-se ao coeficiente angular e serve para verificarmos se as variáveis Y e X são direta ou inversamente proporcionais. d. “u” refere-se a erros com média zero, variância constante e distribuição normal. e. Homocedasticidade refere-se à variância do erro ou resíduos. Your answer is correct. A alternativa “c” está incorreta. A constante a é chamada de coeficiente linear da equação e informa o ponto onde a reta toca o eixo Y, ou seja, o valor de Y para X = 0. O coeficiente angular, que nos revela a relação entre as variáveis Y e X, é o coeficiente b. Sobre modelos lineares generalizados, podemos afirmar que: Escolha uma opção: a. Permitem utilizar outras distribuições para os erros e uma função de ligação relacionando a variável dependente à variável preditiva, de modo a linearizar a relação entre ambas. b. Para que possamos aplicar os GLMs, é necessário que os dados tenham os seguintes requisitos: distribuição normal, independência e homocedasticidade da variância. c. As etapas para utilização dos modelos lineares generalizados são duas: formulação do modelo e seleção/validação. d. Ao utilizarmos os GLMs, necessitamos transformar os dados para atender aos pressupostos clássicos paramétricos ou à aplicação de análises não paramétricas. Your answer is incorrect. Os GLMs surgiram da necessidade de superar os pressupostos rígidos para a utilização de modelos de regressão lineares, tais como normalidade, independência e homocedasticidade dos resíduos ou erros. As etapas para sua utilização são: formulação do modelo, ajustes e seleção e validação. Os GLMs foram elaborados justamente para não termos o trabalho de transformar os dados para atender aos pressupostos clássicos paramétricos ou à aplicação de análises não paramétricas. Exercício Avaliativo 5: Revisão da tentativa https://mooc38.escolavirtual.gov.br/mod/quiz/review.php?attempt=20... 2 of 3 17/12/2020 15:23 Seguir para... Conteúdo do Módulo 6 ► Exercício Avaliativo 5: Revisão da tentativa https://mooc38.escolavirtual.gov.br/mod/quiz/review.php?attempt=20... 3 of 3 17/12/2020 15:23
Compartilhar