Questão de Estatística — Análise Multivariada — INSTITUTO AOCP 2024
EstatísticaAnálise Multivariada
- Código
- qg262978
- Banca
- INSTITUTO AOCP
- Órgão
- TRF - 2ª REGIÃO
- Ano
- 2024
- Nível
- Superior
- Cargo
- Analista Judiciário - Área Apoio Especializado - Estatística
Em uma pesquisa sobre caraterísticas de condenados em uma determinada Vara Federal, uma amostra aleatória de condenados de tamanho n foi tomada e investigou-se nos respectivos processos suas características. Os resultados observados recebiam avaliação dos psicólogos em notas em uma escala até 7 pontos. As notas se referem às características: C1, C2, C3, C4 e C5. Os resultados foram tabulados e a matriz de correlação R construída. Após ser aplicada a Análise Fatorial na matriz R, obtiveram-se os resultados tabelados a seguir:Análise Fatorial
Pesos dos fatores após rotação Varimax
Então, é correto afirmar que
Pesos dos fatores após rotação VarimaxEntão, é correto afirmar que- Aseguindo o Critério de Kaiser, extrai-se m = 2, dois fatores comuns, já que apenas os dois primeiros autovalores são maiores do que 1. A expressão do fator mais importante rotacionado é 0,0108421.C1 + 0,972815.C2 + 0,088226.C3 + 0,690747.C4 + 0,936633.C5 que explica 57,447% da variância explicada.
- Bseguindo o Critério de Kaiser, extrai-se m = 3, três fatores, já que o percentual acumulado de variância explicada é maior que 95%. A expressão do fator mais importante rotacionado é 0,0108421.F1 + 0,994863.F2 + 0,027380.F3 + 0,023226.F4 - 0,094024.F5 que explica 57,447% da variância explicada.
- Cseguindo o Critério de Kaiser, extrai-se m = 4, quatro fatores, já que o percentual acumulado de variância explicada é maior que 95%. A expressão do fator mais importante rotacionado é 0,690747.F1 + 0,377609.F2 + 0,616215.F3 + 0,022874.F4 + 0,005875.F5 que explica 57,447% da variância explicada.
- Da soma dos autovalores é aproximadamente igual a p = 5, o número de componentes do vetor observado; portanto, deve-se extrair m = 5, cinco fatores comuns, alcançando 100% da variância explicada.
- Ea soma dos autovalores é aproximadamente igual a p = 5, o número de componentes do vetor observado; portanto, isso indica que se deve extrair apenas um único fator, ou seja, o Fator 1 (F1).