GabaritoA — reduzir a dimensionalidade dos dados preservando variância máxima.
Gabarito: letra A. O PCA (Principal Component Analysis) é uma técnica de análise multivariada cujo objetivo central é reduzir a dimensionalidade dos dados, transformando um conjunto de variáveis possivelmente correlacionadas em um número menor de novas variáveis não correlacionadas — as componentes principais — de modo a preservar a máxima variância possível dos dados originais. Essa é a definição clássica da técnica, amplamente consolidada na literatura estatística.
O PCA é uma técnica de aprendizado não supervisionado e de redução de dimensionalidade, frequentemente utilizada como etapa de pré-processamento em problemas de alta dimensão (quando o número de variáveis é grande). A ideia é encontrar direções (autovetores da matriz de covariância ou correlação) ao longo das quais os dados apresentam maior variabilidade, projetando os dados nesse novo espaço. As componentes principais são ordenadas pela variância explicada: a primeira componente retém a maior variância possível, a segunda retém a maior variância restante, e assim por diante. Dessa forma, ao descartar as componentes de menor variância, reduz-se a dimensionalidade com perda mínima de informação.
A banca, nesta questão, mistura conceitos de áreas completamente distintas (Física, Química, Radiologia) como distratores, testando se o candidato conhece a definição correta de PCA. As alternativas B, C, D e E fazem referência a fenômenos ou técnicas que nada têm a ver com análise multivariada: gaiola de Faraday (eletromagnetismo), idades isotópicas (geoquímica), interpolação de imagens SEM (microscopia eletrônica) e normalização de espectros Raman (espectroscopia). A única alternativa que descreve corretamente o PCA é a letra A.
A alternativa A afirma que o PCA é usado para "reduzir a dimensionalidade dos dados preservando variância máxima". Isso está exatamente de acordo com a definição da técnica: o PCA projeta os dados em um espaço de menor dimensão, escolhendo as direções que maximizam a variância retida. É o objetivo fundamental do método.
A gaiola de Faraday é um conceito da Física (eletromagnetismo), utilizado para blindagem eletrostática. Não possui qualquer relação com análise multivariada ou com o PCA. O erro é a total desconexão com o tema.
A medição de idades isotópicas do carbonato é uma técnica da geoquímica ou geocronologia, utilizada para datar rochas ou materiais carbonáticos. Não é uma função do PCA.
A interpolação de imagens SEM (Scanning Electron Microscopy) é uma técnica de processamento de imagens utilizada em microscopia eletrônica de varredura. Não está relacionada ao PCA.
A normalização de espectros Raman é um procedimento da espectroscopia Raman, utilizado para corrigir variações de intensidade ou linha de base em espectros. Não é uma função do PCA.
A banca insere alternativas de áreas totalmente distintas (Física, Química, Radiologia) para testar se o candidato sabe o que é PCA. O candidato que não domina o conceito pode se confundir com termos técnicos como "gaiola de Faraday" ou "espectros Raman", mas a chave é reconhecer que PCA é uma técnica estatística de redução de dimensionalidade. Fique atento: em questões de análise multivariada, as alternativas corretas sempre envolvem conceitos estatísticos, não fenômenos físicos ou químicos.
Gabarito: letra A
Link permanente: /questoes/fg107793