Escolar Documentos
Profissional Documentos
Cultura Documentos
MOVE Avaliação de Supervised Machine Learning - Modelagem Multinível II - 11 - 04 - 2023 PDF
MOVE Avaliação de Supervised Machine Learning - Modelagem Multinível II - 11 - 04 - 2023 PDF
196
(/)
Modelagem Multinível II - 11/04/2023
Supervised Machine Learning: Modelagem Multinível II
(/CourseDetail)
1 de 3
Tentativa
9,0
Nota
10 de 10
Questões Respondidas
(/Account/Profile)
(/Account/Changepassword)
Questão #1
(/Request/UserIndex)
Sejam as seguintes afirmações sobre os modelos multinível.
(/Student/StudentGraduation)
II) O modelo final pode ser obtido após a aplicação de uma Step-Up Strategy, já que
Sair
(/Account/Signout)
procedimentos tradicionais Stepwise não são adequados em modelos com componentes fixos e
aleatórios.
III) Os parâmetros podem ser estimados pelo método REML (restricted estimation of maximum
likelihood).
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 1/6
04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com196
(/)
Questão #2
Home () / Publicação de Avaliação (/ExamPublish/ExamStudent/99313)
/ Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Os modelos multinível com medidas repetidas são caracterizados:
Questão #3
data = dataset,
method = "REML")
preditora de grupos.
OLS.
HLM1.
HLM3 com medidas repetidas.
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 2/6
04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
modelo multinível.
Questão #5
escolas, estimou-se um modelo HLM3 com medidas repetidas. Neste caso, é CORRETO dizer
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 3/6
04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Questão
(/) #6
196
Tanto indivíduos como períodos de tempo são definidos como nível 2, já que os grupos a que
pertencem os indivíduos serão definidos como nível 1.
Nenhuma das anteriores.
Os períodos de tempo são definidos como nível 2, e os indivíduos como nível 1.
Os períodos de tempo são definidos como nível 1, e os indivíduos como nível 2.
Questão #7
Questão #8
I) Os modelos GLMM são modelos gerais a partir dos quais modelos tradicionais, como GLM,
II) Os modelos GLMM apresentam vantagens tem termos preditivos, por considerarem
interações entre variáveis no componente de efeitos fixos e interações entre variáveis e termos
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 4/6
04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Questão #9
utilizada em aula, foi estimado inicialmente um modelo multinível nulo com dois níveis
às diferenças existentes entre escolas (efeito contextual escola), ou seja, a ICC (correlação
34,74%
74,34%
12,47%
99,99%
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 5/6
04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com196
(/)
Questão #10
Home () / Publicação de Avaliação (/ExamPublish/ExamStudent/99313)
/ Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Escolha a alternativa que apresenta um código do R para se estimar um modelo multinível:
modelo <- glmm(formula = y ~ x1 + x2 + x3, random = x1, data = dataset, family = "mixed",
method = "REML")
modelo <- lme(fixed = y ~ x1 + x2 + x1:x2, random = ~ x1 | contexto, data = dataset, method =
"REML")
modelo <- multilevel(formula = y ~ x1 + x2 + x3, data = dataset, method = "REML")
modelo <- mle(formula = y ~ x1 + x2 + x3, data = dataset, family = "multilevel")
Versão 1.31.81
https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 6/6