Questão de Estatística — Análise Multivariada — CESPE / CEBRASPE 2025
- Código
- ce223279
- Banca
- CESPE / CEBRASPE
- Órgão
- EMBRAPA
- Ano
- 2025
- Nível
- Superior
- CCerto
- EErrado
GabaritoE — Errado
❌ ERRADO. A análise discriminante linear (LDA) é um método de classificação supervisionado, que utiliza rótulos de classe previamente conhecidos para construir uma regra de classificação — exatamente o oposto do que afirma o item. A descrição apresentada (agrupar observações por similaridade, sem rótulos) corresponde à análise de cluster, que é não supervisionada. A banca inverteu os conceitos de dois métodos distintos de análise multivariada.
A análise multivariada engloba técnicas que lidam simultaneamente com múltiplas variáveis. Dentro dela, há uma divisão fundamental entre métodos supervisionados e não supervisionados. Essa distinção é o coração da questão e o ponto que o candidato precisa dominar.
Métodos supervisionados partem de um conjunto de dados em que cada observação já vem com um rótulo (a classe a que pertence). O objetivo é aprender uma regra que permita classificar novas observações com base nas variáveis preditoras. A análise discriminante linear é o exemplo clássico: ela encontra uma combinação linear das variáveis que maximiza a separação entre as classes conhecidas, e então usa essa combinação para classificar novos casos. Outros exemplos: regressão logística, árvores de decisão, SVM, redes neurais.
Métodos não supervisionados não têm rótulos: o objetivo é descobrir a estrutura dos dados, agrupando observações semelhantes entre si. A análise de cluster (k-means, hierárquico) é o exemplo típico: ela particiona os dados em grupos com base em alguma medida de similaridade/dissimilaridade, sem qualquer informação prévia sobre classes. Outros exemplos: análise de componentes principais (PCA), análise fatorial — que também são técnicas de redução de dimensionalidade, mas não de agrupamento.
A pegadinha da banca é justamente trocar os papéis: atribuir à análise discriminante (supervisionada) as características da análise de cluster (não supervisionada). O item diz que a LDA é "um método de clusterização não supervisionado" — dois erros em uma frase: (1) não é clusterização, é classificação; (2) não é não supervisionado, é supervisionado.
Critério | Análise Discriminante (LDA) | Análise de Cluster |
|---|---|---|
Tipo | Supervisionado | Não supervisionado |
Rótulos de classe | Necessários (usados para treinar o modelo) | Não necessários (ausentes) |
Objetivo | Classificar novas observações em classes conhecidas | Agrupar observações por similaridade |
Exemplo de uso | Diagnóstico médico (doente/sadio) | Segmentação de clientes |
A banca inverteu os conceitos de dois métodos de análise multivariada. O candidato que confunde "supervisionado" com "não supervisionado" cai direto na armadilha. Lembre-se: LDA = classificação supervisionada (precisa de rótulos); cluster = agrupamento não supervisionado (não precisa de rótulos). Na prova, ao ver "agrupa por similaridade sem rótulos", pense imediatamente em cluster — nunca em análise discriminante.
Para fixar, associe: LDA → "L" de "Label" (rótulo) → supervisionado. Cluster → "agrupar" → não supervisionado. Quando a questão falar em "redução de dimensionalidade", lembre que PCA e análise fatorial são não supervisionadas, mas a LDA é supervisionada — ela também reduz a dimensionalidade, mas usando a informação das classes.
❌ ERRADO. A afirmação está incorreta: a análise discriminante linear é um método de classificação supervisionado, que exige rótulos de classe para construir a regra de classificação. A descrição dada (agrupar por similaridade sem rótulos) é da análise de cluster, que é não supervisionada.
Gabarito: letra E (Errado).
Link permanente: /questoes/ce223279