Vamos analisar cada uma das alternativas em relação à análise de componentes principais (PCA): a) É uma técnica estatística de elevado custo computacional - Embora possa ser computacionalmente intensiva em grandes conjuntos de dados, não é considerada uma técnica de "elevado custo" em comparação com outras técnicas mais complexas. b) É uma técnica para reduzir a dimensionalidade por meio da redução de redundância de dados - Esta afirmação é correta. A PCA é utilizada precisamente para reduzir a dimensionalidade dos dados, eliminando redundâncias e mantendo a maior parte da variância. c) Pode ser aplicada somente a conjunto de dados qualitativos - Isso é falso. A PCA é aplicada a dados quantitativos, não qualitativos. d) Pode ser aplicada apenas a conjuntos de dados numéricos com até duas dimensões - Isso é incorreto. A PCA pode ser aplicada a conjuntos de dados com várias dimensões. e) É uma técnica que pode elevar a redundância dos dados - Isso é falso. O objetivo da PCA é reduzir a redundância, não aumentá-la. Portanto, a alternativa correta é: b) É uma técnica para reduzir a dimensionalidade por meio da redução de redundância de dados.