Avaliação de Supervised Machine Learning: Modelagem Multinível II – 11/04/2023

🧩 Quiz de revisão: Modelagem Multinível

Clique no botão abaixo e teste o que você sabe sobre Modelagem Multinível. Questões de revisão da pós-graduação em Data Science (USP/Esalq e PUCRS). Tema quentíssimo no mercado — bora exercitar o cérebro (o seu, não o do modelo 😄).

📚 Para estudar antes (ou depois): Análise de regressão (Wikipédia)

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

Please wait while the activity loads.
If this activity does not load, try refreshing your browser. Also, this page requires javascript. Please visit using a browser with javascript enabled.

If loading fails, click here to try again

Supervised Machine Learning: Modelagem Multinível II Professor: Luiz Paulo Lopes Fávero Avaliação realizada por: Avaliação realizada em: 04/05/2023

Iniciar

Parabéns - Você terminou Avaliação de Supervised Machine Learning: Modelagem Multinível II - 11/04/2023. Você fez %%SCORE%% de %%TOTAL%%. Sua média é: %%RATING%%

Your answers are highlighted below.

Question 1

Os modelos multinível com medidas repetidas são caracterizados:

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

Question 2

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

A	Modelo nulo HLM3 com medidas repetidas.
B	Modelos HLM2 com inclinações aleatórias.
C	Modelo nulo HLM2.
D	Modelos HLM3 com interceptos e inclinações aleatórios.

Question 3

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:

A	Apenas a afirmação II está correta.
B	Nenhuma afirmação está correta.
C	Apenas a afi rmação I está correta.
D	Todas as afi rmações estão corretas.

Question 4

Em um modelo multinível com medidas repetidas (períodos de tempo) aninhados em indivíduos, é CORRETO afirmar que:

A	Tanto indivíduos como períodos de tempo são defi nidos como nível 2, já que os grupos a que pertencem os indivíduos serão defi nidos como nível 1.
B	Os períodos de tempo são defi nidos como nível 1, e os indivíduos como nível 2.
C	Os períodos de tempo são defi nidos como nível 2, e os indivíduos como nível 1.
D	Nenhuma das anteriores.

Question 5

A partir da estimação de quatro modelos por meio de um dataset com estrutura hierárquica nos dados, obtiveram-se os respectivos valores de LogLik, conformemostra a figura abaixo: Pergunta-se: Qual o modelo mais adequado para fins de melhor ajuste entre os valores previstos da variável dependente (fitted values) e valores reais?

A	HLM2 com Interceptos Aleatórios.
B	OLS Nulo.
C	HLM2 Nulo.
D	HLM2 com Interceptos e Inclinações Aleatórios.

Question 6

A partir de determinado dataset com estrutura hierárquica, e com base na nomenclatura utilizada em aula, foi estimado inicialmente um modelo multinível nulo comdois 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), ouseja, a ICC (correlação intraclasse) do nível escola?

A	74,34%
B	99,99%
C	12,47%
D	34,74%

Question 7

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:

A	OLS.
B	HLM3 com medidas repetidas.
C	HLM2 com infl ação de zeros.
D	HLM1.

Question 8

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

A	Modelos HLM3 com interceptos e inclinações aleatórios.
B	Modelo nulo HLM2.
C	Modelo HLM2 com interceptos aleatórios no nível 2.
D	Modelos HLM3 com medidas repetidas.

Question 9

Para o estudo da evolução temporal do desempenho de estudantes pertencentes a diferentes escolas, estimou-se um modelo HLM3 com medidas repetidas. Nestecaso, é CORRETO dizer que os níveis 1, 2 e 3 desta modelagem serão caracterizados, respectivamente, por:

A	A evolução temporal, estudantes e escolas.
B	Escolas, estudantes e evolução temporal.
C	Evolução temporal, escolas e estudantes.
D	Estudantes, escolas e evolução temporal.

Question 10

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

A	Modelos HLM2 com interceptos aleatórios.
B	Modelo HLM3 nulo.
C	Modelos HLM3 com medidas repetidas (tendência linear) e com interceptos e inclinações aleatórios.
D	Modelo nulo HLM2.

Quando você terminar, clique no botão abaixo. Se algum item estiver incompleto ele será marcado como incorreto. Ver Resultados

Existem 10 questões incompletas.

←

List

→

Return

Shaded items are complete.

1	2	3	4	5
6	7	8	9	10
Fim

Return

Este artigo foi útil ?

SimNão

Last modified: 20 de novembro de 2023

Previous: Avaliação de Supervised Machine Learning: Modelagem Multinível I – 04/04/2023

Next: Conversando com a IA: como um programa em Python fala com o ChatGPT

3 Replies to “Avaliação de Supervised Machine Learning: Modelagem Multinível II – 11/04/2023”

rafaelrjp disse:

11 de outubro de 2026 às 11:00

📌 Errou alguma? Normal, errar no treino é de boa! Revise Análise de regressão (Wikipédia) e refaça amanhã. Quiz sobre: Modelagem Multinível.

Responder
phokgameslogin disse:

13 de outubro de 2026 às 06:51

The graphics are crisp and the gameplay is addictive. I love how easy it is to navigate the site. Give phokgameslogin a try, you won’t regret it.

Responder
bdfc777 disse:

13 de outubro de 2026 às 22:08

Best experience I’ve had with an online site lately. The games at bdfc777 are super smooth and the bonuses are legit.

Responder

Rafaelrjp Blog

Avaliação de Supervised Machine Learning: Modelagem Multinível II – 11/04/2023

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

3 Replies to “Avaliação de Supervised Machine Learning: Modelagem Multinível II – 11/04/2023”

Deixe um comentário Cancelar resposta

Categorias

Arquivos

Meta