Questões sobre Análise Multivariada

A Análise de Componentes Principais (PCA) é uma técnica de transformação de dados que tem como objetivo encontrar as direções de maior variação nos dados, geralmente representadas pelos chamados componentes principais, e gerar novas representações dos dados.
Assinale o objetivo principal dessa técnica. 

Após a extração dos fatores em uma análise fatorial, pode ser calculado o grau de adaptação das variáveis aos fatores por meio das cargas fatoriais. Normalmente, o que acontece é que a maior parte das variáveis tem cargas altas no fator mais importante e cargas baixas nos outros fatores, tornando a interpretação mais difícil. Nesse sentido, a técnica de rotação de fatores é utilizada para atingir uma melhor distinção entre os fatores. Nesse contexto, analise as afirmativas a seguir.
I. A rotação quartimax visa maximizar a dispersão da carga dos fatores de uma variável por todos os fatores, geralmente acarretando em muitas variáveis com cargas altas em um único fator.
II. A rotação varimax facilita a interpretação das cargas fatoriais.
III. A rotação promax é um método rápido desenvolvido para bancos de dados muito grandes.
É correto o que se afirma em

Avalie se as afirmativas a seguir, relativas à Análise fatorial, estão corretas:
I. É usada para investigar padrões em um número grande de variáveis e determinar se a informação pode ser resumida a um conjunto menor de fatores, ou seja, ela determina se é possível reduzir o número de dimensões necessárias para se descrever dados derivados de um grande número de medidas.
II. Como princípio básico da análise fatorial, devem ser retidos apenas fatores com autovalores pequenos. III. São critérios para definir o número de fatores que serão extraídos, além do critério do autovalor: critério do diagrama de inclinação e critério da porcentagem de variância.
IV. Após a definição do número de fatores do modelo, os passos seguintes são: extração dos fatores e rotação dos fatores.
Estão corretas as afirmativas: 

Quanto à análise multivariada, 

Em relação à Análise de Componentes Principais (ACP), avalie se as afirmativas a seguir são falsas (F) ou verdadeiras (V).
I. O objetivo principal da ACP é obter variáveis não correlacionadas que retenham a maior parte da estrutura de variabilidade e correlação, a partir das variáveis originais, por meio de transformações lineares para reduzir a dimensão, medida pelo número de variáveis, da matriz de dados. II. A ACP possibilita a compreensão de aspectos do comportamento dos dados difíceis de serem deduzidos a partir das variáveis originais. III. Em geral, a ACP permite que se usem metodologias de análise univariada.
As afirmativas são, respectivamente,