Questão de Estatística — Análise Multivariada — CESPE / CEBRASPE 2025
- Código
- ce223277
- Banca
- CESPE / CEBRASPE
- Órgão
- EMBRAPA
- Ano
- 2025
- Nível
- Superior
- CCerto
- EErrado
GabaritoC — Certo
✅ CERTO. A afirmativa está correta: a Análise de Componentes Independentes (ICA) é uma técnica de redução de dimensionalidade que busca separar sinais ou fontes estatisticamente independentes, sendo uma das principais ferramentas de aprendizado não supervisionado nesse contexto.
A ICA é uma técnica de análise multivariada que, assim como a Análise de Componentes Principais (PCA), atua na redução da dimensionalidade de dados. No entanto, enquanto a PCA busca componentes que maximizam a variância e são ortogonais (não correlacionados), a ICA busca componentes que sejam estatisticamente independentes, ou seja, que não apresentem nenhuma relação de dependência entre si, indo além da simples ausência de correlação. Essa independência estatística é o que permite separar fontes que foram misturadas, como em problemas de separação cega de fontes (ex.: separar vozes em uma gravação).
A ICA é classificada como uma técnica de aprendizado não supervisionado, juntamente com a análise de agrupamentos, a análise de componentes principais e a análise fatorial. Essas técnicas são estudadas na disciplina de Análise Multivariada e são fundamentais para a interpretação de dados complexos, pois permitem reduzir a dimensionalidade sem perder a informação essencial.
A banca explora a distinção entre ICA e PCA: enquanto a PCA se baseia na correlação (segundo momento), a ICA se baseia na independência estatística (todos os momentos). O candidato que confunde os dois conceitos pode marcar errado, mas a afirmativa está perfeitamente alinhada com a definição clássica de ICA.
Critério | PCA (Análise de Componentes Principais) | ICA (Análise de Componentes Independentes) |
|---|---|---|
Objetivo principal | Maximizar a variância dos dados projetados | Separar fontes/sinais estatisticamente independentes |
Critério matemático | Ortogonalidade e não correlação (2º momento) | Independência estatística (todos os momentos) |
Tipo de redução | Redução de dimensionalidade por projeção | Redução de dimensionalidade por separação de fontes |
Aplicação típica | Compressão de dados, visualização | Separação cega de fontes (ex.: vozes em gravação) |
Para diferenciar ICA de PCA na prova, lembre-se: PCA busca componentes não correlacionados (ortogonais) que maximizam a variância; ICA busca componentes independentes (não apenas não correlacionados) que separam fontes. Se a questão falar em "independência estatística" ou "separação de fontes", é ICA; se falar em "variância máxima" ou "ortogonalidade", é PCA.
✅ CERTO. A afirmativa está correta e corresponde exatamente ao conceito de Análise de Componentes Independentes.
Gabarito: C (Certo)
Link permanente: /questoes/ce223277