GabaritoE — Errado
❌ ERRADO. A PCA não é uma técnica de previsão de novas observações; ela é uma técnica de redução de dimensionalidade que transforma um conjunto de variáveis correlacionadas em um conjunto menor de variáveis não correlacionadas (as componentes principais), preservando a maior parte da variabilidade dos dados. O gabarito oficial é E (Errado).
A PCA é essencialmente um método de análise exploratória e de compressão de dados. Ela encontra combinações lineares das variáveis originais que maximizam a variância, gerando as componentes principais. Essas componentes podem ser usadas para visualização, para eliminar multicolinearidade em modelos de regressão, ou como insumo para outras técnicas (como regressão, clusterização), mas a PCA em si não é um modelo preditivo — ela não estima parâmetros que relacionam variáveis independentes a uma variável dependente para fazer previsões de novos casos.
A confusão que a banca explora é tratar a PCA como se fosse uma ferramenta de previsão, quando na verdade ela é uma técnica de transformação de variáveis. Para prever novas observações, utilizam-se métodos como regressão linear, séries temporais, redes neurais, etc. A PCA pode ser um passo preliminar (por exemplo, reduzir a dimensionalidade antes de aplicar uma regressão), mas a previsão em si é feita pelo modelo subsequente, não pela PCA.
A banca tenta confundir o candidato ao afirmar que a PCA "pode ser usada para prever novas observações". Isso é uma troca de conceito: a PCA é uma técnica de redução de dimensionalidade, não de previsão. O candidato que sabe que a PCA transforma variáveis em componentes principais pode ser levado a pensar que isso permite prever, mas a previsão exige um modelo que relacione as variáveis a um desfecho — algo que a PCA não faz. Fique atento: a PCA não é um método preditivo.
Gabarito: letra E (Errado).
Link permanente: /questoes/ce205929