04/05/2023, 21:17 MOVE Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023

196
(/) 

 Home () /  Publicação de Avaliação (/ExamPublish/ExamStudent/99313)

(/) /  Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023

 Avaliação de Supervised Machine Learning:

 Calendário
(/Home/Calendar)


Modelagem Multinível II - 11/04/2023
Supervised Machine Learning: Modelagem Multinível II
(/CourseDetail)

 Professor: Luiz Paulo Lopes Fávero

Avaliação realizada por:
 Avaliação realizada em: 04/05/2023


 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)

 I) O modelo final pode ser obtido após a aplicação de um procedimento Stepwise. 

(/PersonAttachment/Index/230053)

 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). 

Assinale a alternativa CORRETA: 

Apenas as afirmações II e III estão corretas. 

Todas as afirmações estão corretas. 
Apenas a afirmação I está correta. 
Apenas as afirmações I e III estão corretas. 

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: 

Pela existência de apenas um nível de análise. 

Pela estimação dos parâmetros pelo método de scatter search fleet rout size mix evolution. 
Pela evolução temporal dos dados, representada no nível 1 da análise. 
Pela repetição de dados dos grupos contextuais, sendo que a estimação dos parâmetros é
realizada pelo método OLS.

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

   Questão #3

Dado o seguinte código de programação no R, utilizado para se estimar um modelo a partir de

um dataset com dados de evolução temporal anual (medidas repetidas) de indivíduos

aninhados em determinados grupos: 

modelo <- lme(fixed = Y ~ ano + X + W + X:ano + W:ano, 

                                      random = list(grupo  = ~ ano, indivíduo = ~ ano), 

                                      data = dataset, 

                                      method = "REML") 

Sabe-se que Y é a variável dependente, X é a variável preditora de indivíduos e W é a variável

preditora de grupos. 

O código apresentado refere-se a uma modelagem do tipo: 

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

HLM2 com inflação de zeros. 196

(/)
Laura - lauraabkiffer@gmail.com 
Laura - lauraabkiffer@gmail.com

Home () /  Publicação de Avaliação (/ExamPublish/ExamStudent/99313)

/    Questão #4
Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023

Seguindo a nomenclatura adotada em aula, apresenta-se a seguinte especificação de um

modelo multinível. 

Modelo nulo HLM2.

Modelo HLM2 com interceptos aleatórios no nível 2.
Modelos HLM3 com medidas repetidas. 
Modelos HLM3 com interceptos e inclinações aleatórios.

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

   Questão #5

Para o estudo da evolução temporal do desempenho de estudantes pertencentes a diferentes

escolas, estimou-se um modelo HLM3 com medidas repetidas. Neste caso, é CORRETO dizer

que os níveis 1, 2 e 3 desta modelagem serão caracterizados, respectivamente, por: 

Estudantes, escolas e evolução temporal.

A evolução temporal, estudantes e escolas. 
Evolução temporal, escolas e estudantes.
Escolas, estudantes e evolução temporal.

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

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

Home Em() um modelo multinível

/  Publicação com(/ExamPublish/ExamStudent/99313)
de Avaliação medidas repetidas (períodos de tempo) aninhados em
/  Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
indivíduos, é CORRETO afirmar que:

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.

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

   Questão #7

Um modelo multinível HLM3 com medidas repetidas é caracterizado por ter: 

Três níveis, sendo a evolução temporal caracterizada no nível 3.

Quatro níveis, sendo a evolução temporal caracterizada no nível 3.
Dois níveis, sendo a evolução temporal caracterizada no nível 2. 
Três níveis, sendo a evolução temporal caracterizada no nível 1.

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

   Questão #8

Sejam as seguintes afirmações: 

I) Os modelos GLMM são modelos gerais a partir dos quais modelos tradicionais, como GLM,

derivam, já que estes últimos são casos particulares dos primeiros. 

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

de erro no componente de efeitos aleatórios. 

Assinale a alternativa CORRETA: 

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

Todas as afirmações estão corretas. 196

(/) 
Nenhuma afirmação está correta. 
Home () / Apenas
Publicação de Avaliação
a afirmação II está(/ExamPublish/ExamStudent/99313)
correta. 
/  Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023
Apenas a afirmação I está correta.
Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

   Questão #9

A partir de determinado dataset com estrutura hierárquica, e com base na nomenclatura

utilizada em aula, foi estimado inicialmente um modelo multinível nulo com dois níveis

(estudantes aninhados em escolas), sendo gerado o respectivo objeto modelo_nulo_hlm2. Os

outputs obtidos encontram-se na figura abaixo. 

Pergunta-se: qual o percentual da variação da variável dependente (desempenho) que é devido

às diferenças existentes entre escolas (efeito contextual escola), ou seja, a ICC (correlação

intraclasse) do nível escola? 

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")

Laura - lauraabkiffer@gmail.com Laura - lauraabkiffer@gmail.com

Voltar (/ExamPublish/ExamStudent/99313)

Versão 1.31.81

https://academico.pecege.org.br/ExamReference/ProofStudentExam?idExamRef=12073275 6/6