Um pesquisador organizou um conjunto de dados contendo 100 observações de 10 variáveis relacionadas à qualidade do ar em uma cidade. As variáveis incluem medições de poluentes atmosféricos, como CO, NO2, SO2, e fatores meteorológicos, como temperatura, umidade, e velocidade do vento. Para entender a estrutura dos dados e reduzir sua dimensionalidade, esse pesquisador realizou algumas análises e concluiu que:
• as três componentes principais explicam 70% da variância total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes padrões da qualidade do ar em função dos níveis de poluentes e condições meteorológicas;
• é p... Ver mais

        Um pesquisador organizou um conjunto de dados contendo 100 observações de 10 variáveis relacionadas à qualidade do ar em uma cidade. As variáveis incluem medições de poluentes atmosféricos, como CO, NO2, SO2, e fatores meteorológicos, como temperatura, umidade, e velocidade do vento. Para entender a estrutura dos dados e reduzir sua dimensionalidade, esse pesquisador realizou algumas análises e concluiu que:
• as três componentes principais explicam 70% da variância total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes padrões da qualidade do ar em função dos níveis de poluentes e condições meteorológicas;
• é p... Ver mais

        Um pesquisador organizou um conjunto de dados contendo 100 observações de 10 variáveis relacionadas à qualidade do ar em uma cidade. As variáveis incluem medições de poluentes atmosféricos, como CO, NO2, SO2, e fatores meteorológicos, como temperatura, umidade, e velocidade do vento. Para entender a estrutura dos dados e reduzir sua dimensionalidade, esse pesquisador realizou algumas análises e concluiu que:
• as três componentes principais explicam 70% da variância total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes padrões da qualidade do ar em função dos níveis de poluentes e condições meteorológicas;
• é p... Ver mais

        Um pesquisador organizou um conjunto de dados contendo 100 observações de 10 variáveis relacionadas à qualidade do ar em uma cidade. As variáveis incluem medições de poluentes atmosféricos, como CO, NO2, SO2, e fatores meteorológicos, como temperatura, umidade, e velocidade do vento. Para entender a estrutura dos dados e reduzir sua dimensionalidade, esse pesquisador realizou algumas análises e concluiu que:
• as três componentes principais explicam 70% da variância total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes padrões da qualidade do ar em função dos níveis de poluentes e condições meteorológicas;
• é p... Ver mais

        Um pesquisador organizou um conjunto de dados contendo 100 observações de 10 variáveis relacionadas à qualidade do ar em uma cidade. As variáveis incluem medições de poluentes atmosféricos, como CO, NO2, SO2, e fatores meteorológicos, como temperatura, umidade, e velocidade do vento. Para entender a estrutura dos dados e reduzir sua dimensionalidade, esse pesquisador realizou algumas análises e concluiu que:
• as três componentes principais explicam 70% da variância total dos dados;
• as variáveis CO, NO2 e SO2 apresentam altas cargas nas duas primeiras componentes principais;
• há três clusters proeminentes, que descrevem diferentes padrões da qualidade do ar em função dos níveis de poluentes e condições meteorológicas;
• é p... Ver mais

Acerca dos testes não paramétricos, julgue o item seguinte. 

O teste de Kruskal-Wallis permite comparar mais de duas amostras independentes, mas assume que os dados seguem uma distribuição normal.

Acerca dos testes não paramétricos, julgue o item seguinte. 

Nos testes não paramétricos, são feitas poucas suposições a respeito da distribuição de probabilidade da população.

Acerca dos testes não paramétricos, julgue o item seguinte. 

Quando os dados da pesquisa não seguem uma distribuição normal, é apropriado o uso do teste de Wilcoxon para comparar duas amostras independentes. 

Acerca dos testes não paramétricos, julgue o item seguinte. 

Testes não paramétricos não podem ser usados com grandes amostras, porque são menos precisos que os testes paramétricos.

Julgue o próximo item, a respeito da modelagem estatística e da regressão.

O coeficiente de determinação (R2 ) sempre aumenta com a adição de novas variáveis ao modelo de regressão linear múltipla.