Um analista realizou um estudo para investigar os fatores que mais influenciam a produtividade de diferentes cultivos em diversas regiões do país. Para isso, ele coletou informações de 150 propriedades rurais referentes a sete variáveis quantitativas, X1, X2,..., X7. Como essas variáveis possuem escalas e unidades de medidas diferentes, esse analista efetuou uma análise de componentes principais com base na matriz de correlação dos dados.

Considerando que o quadro acima mostra os resultados referentes às três primeiras componentes principais, julgue o item a seguir.

O desvio padrão da segunda componente principal é igual a 1,5.

Um analista realizou um estudo para investigar os fatores que mais influenciam a produtividade de diferentes cultivos em diversas regiões do país. Para isso, ele coletou informações de 150 propriedades rurais referentes a sete variáveis quantitativas, X1, X2,..., X7. Como essas variáveis possuem escalas e unidades de medidas diferentes, esse analista efetuou uma análise de componentes principais com base na matriz de correlação dos dados.

Considerando que o quadro acima mostra os resultados referentes às três primeiras componentes principais, julgue o item a seguir.

A carga fatorial da variável X₅, em relação à segunda componente principal é igual a 0,16.

Um analista realizou um estudo para investigar os fatores que mais influenciam a produtividade de diferentes cultivos em diversas regiões do país. Para isso, ele coletou informações de 150 propriedades rurais referentes a sete variáveis quantitativas, X1, X2,..., X7. Como essas variáveis possuem escalas e unidades de medidas diferentes, esse analista efetuou uma análise de componentes principais com base na matriz de correlação dos dados.

Considerando que o quadro acima mostra os resultados referentes às três primeiras componentes principais, julgue o item a seguir.

O percentual da variação explicada pelas três primeiras componentes principais é superior a 80%.

Um analista realizou um estudo para investigar os fatores que mais influenciam a produtividade de diferentes cultivos em diversas regiões do país. Para isso, ele coletou informações de 150 propriedades rurais referentes a sete variáveis quantitativas, X1, X2,..., X7. Como essas variáveis possuem escalas e unidades de medidas diferentes, esse analista efetuou uma análise de componentes principais com base na matriz de correlação dos dados.

Considerando que o quadro acima mostra os resultados referentes às três primeiras componentes principais, julgue o item a seguir.

O primeiro autovetor associado ao maior autovalor define a direção da primeira componente principal (CP1), e suas coordenadas indicam as combinações lineares das variáveis originais que maximizam a variância total dos dados.

Um analista realizou um estudo para investigar os fatores que mais influenciam a produtividade de diferentes cultivos em diversas regiões do país. Para isso, ele coletou informações de 150 propriedades rurais referentes a sete variáveis quantitativas, X1, X2,..., X7. Como essas variáveis possuem escalas e unidades de medidas diferentes, esse analista efetuou uma análise de componentes principais com base na matriz de correlação dos dados.

Considerando que o quadro acima mostra os resultados referentes às três primeiras componentes principais, julgue o item a seguir.

Considerando cargas fatoriais superiores a 0,4, conclui-se que CP3 está diretamente relacionada com as variáveis X₂ e X₆.

Com base na equação y = −20 + 0,5x₁ + 0,3x₂, obtida ao realizar-se uma análise de regressão linear múltipla para prever o peso (y, em kg) de uma pessoa com base na altura (x₁, em cm) e na idade (x₂, em anos), julgue o item que se segue.

O peso estimado de uma pessoa com 170 cm de altura e 30 anos de idade é de 78 kg.

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

A regressão linear múltipla permite avaliar o efeito de diversas variáveis independentes sobre uma variável dependente, ao mesmo tempo.

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

A presença de multicolinearidade severa entre as variáveis independentes pode distorcer os coeficientes estimados em uma regressão linear múltipla.

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

A linearização logarítmica ou exponencial possibilita a transformação de qualquer modelo de regressão não linear para modelos lineares.