Preparação e Análise Exploratória de Dados

Prévia do material em texto

Para um determinado conjunto de dados, na maioria das vezes, é fácil descobrir o que são observações e o que são variáveis, contudo
é complicado definir as variáveis e as observações de forma precisa. Em um ambiente de detecção de fraude, o uso de um número de
telefone para várias pessoas pode indicar fraude, dessa forma, podemos querer variáveis número de telefone e tipo de número.
Analise as opções referentes ao exposto e assinale a alternativa INCORRETA:
A É mais fácil fazer comparações entre grupos de observações.
B É mais fácil descrever relações funcionais entre colunas do que entre linhas.
C Em uma determinada análise pode existir apenas um nível de observação.
D Em uma determinada análise, podem existir vários níveis de observação.
A limpeza de dados diz respeito a todo e qualquer tipo de tratamento que se realize sobre os dados escolhidos de maneira que
garanta a qualidade, ou seja, que se assegure a completude, veracidade e integridade dos fatos que aqueles dados representem. Nesse
sentido, analise as sentenças a seguir:
I- Informações ausentes, errôneas ou inconsistentes nas bases de dados devem ser corrigidas de forma a não comprometer a
qualidade dos modelos de conhecimento a serem extraídos.
II- Valores com informações ausentes dificilmente aparecem em análises estatísticas sérias.
III- Um exemplo simples de limpeza de dados seria a definição de um intervalo de possíveis valores para um determinado atributo.
Assinale a alternativa CORRETA:
A As sentenças II e III estão corretas.
B As sentenças I e III estão corretas.
C Somente a sentença I está correta.
D As sentenças I e II estão corretas.
A função da atividade de limpeza de informações ausentes compreende a eliminação de valores ausentes em conjunto de dados.
Muitas abordagens de dados ausentes simplificam o problema jogando fora os dados, ou seja, removendo os valores. Jogar
simplesmente fora os dados pode levar a estimativas errôneas devido ao tamanho reduzido da amostra. Existem algumas abordagens
que tratam essa questão. Referente ao preenchimento (imputar) manual de valores, analise as sentenças a seguir:
I- Esse método demanda pouquíssimo consumo de tempo e recursos, sendo um dos mais utilizados na prática.
II- Esse método pode ser implementado por meio de pesquisas junto às fontes de dados originais que procurem captar as informações
ausentes.
III- Esse método não é indicado quando a base de dados for muito grande e possuir muitos valores ausentes.
Assinale a alternativa CORRETA:
A As sentenças I e II estão corretas.
B As sentenças II e III estão corretas.
C Somente a sentença I está correta.
D Somente a sentença III está correta.
Dados organizados, ou seja, estruturados, proveem uma forma padronizada de vincular a estrutura de dados, isto é, seu layout
físico, com sua semântica, ou seja, com seu significado. Ao termos um conjunto de dados organizados, conseguimos facilmente
manipular, modelar e visualizar, possuindo uma estrutura específica. Portanto, é essencial compreendermos estrutura e a sua
semântica. Analise as questões referentes à estrutura de dados e assinale a alternativa CORRETA:
A A estrutura dos dados se refere aos caracteres apresentados.
B A estrutura dos dados diz respeito aos números que apresentamos.
2
3
4
C A estrutura dos dados está relacionada com a coleção de seus valores.
D Os dados podem ser estruturados de diferentes formas, ou seja, os dados apresentados são os mesmos, contudo o layout é diferente.
A função de limpeza de inconsistências compreende identificar e eliminar valores inconsistentes em conjuntos de dados. Uma
inconsistência pode estar relacionada a um único registro (tupla) ou se referir a um conjunto de registros. A inconsistência em apenas
uma tupla acontece quando os valores dessa tupla forem divergentes. Também podem existir inconsistências causadas por
integrações de dados, em que um atributo pode ter nomes distintos em seus bancos de dados. Consequentemente, podem existir
dados redundantes. Nesse sentido, existem alguns métodos para tratar os valores inconsistentes. Referente ao método de correção de
erros para tratar os valores inconsistentes, classifique V para as sentenças verdadeiras e F para as falsas:
( ) Esse método é muito rápido.
( ) Esse método consome muito tempo.
( ) Esse método consiste em substituir valores errôneos ou inconsistentes identificados no conjunto de dados.
( ) Esse método pode envolver desde a correção manual até a atualização desses valores em um lote predeterminado de registros,
usando comandos de atualização de dados em ambientes relacionais.
Assinale a alternativa que apresenta a sequência CORRETA:
A F - F - F - V.
B F - V - V - V.
C V - F - V - V.
D F - F - V - F.
Na regressão clássica, ou regressão linear simples, bem como na maioria dos outros modelos, R exclui de maneira automática
todos os casos em que alguma das entradas estiver ausente. Entretanto isso pode limitar a quantidade de informações disponíveis na
análise, especialmente se o modelo incluir muitas entradas que estiverem propensas a estarem ausentes. As coisas ficam mais
complicadas quando os preditores tiverem valores ausentes. Referente aos mecanismo de valores ausentes, classifique V para as
sentenças verdadeiras e F para as falsas:
( ) Uma ausência totalmente aleatória depende somente das informações disponíveis. 
( ) Uma ausência que depende do valor faltante depende de informações que não foram registradas, e essas informações também
predizerem os valores ausentes.
( ) Uma ausência totalmente aleatória ocorre quando os dados estiverem faltando completamente ao acaso; a eliminação de casos
com dados ausentes não influencia suas inferências.
( ) Uma ausência aleatória depende somente das informações disponíveis.
Assinale a alternativa que apresenta a sequência CORRETA:
A F - F - V - F.
B F - F - V - V.
C F - V - F - V.
D V - F - V - V.
Em um conjunto de dados, a organização dos dados deve ser um objetivo geral em função de facilitar nossa análise posterior.
As propriedades dos dados organizados são as mesmas que a terceira forma normal de Codd, só que voltadas à linguagem estatística,
e o foco está em um único conjunto de dados. Com relação às principais propriedades dos dados organizados, analise as sentenças a
seguir:
I- Cada valor pertence a uma variável e a uma observação (instância).
II- Cada variável contém todos os valores de uma determinada propriedade medidos em todas as observações.
III- Cada observação contém todos os valores das variáveis medidas para o respectivo caso.
Assinale a alternativa CORRETA:
A Somente a sentença I está correta.
B As sentenças I, II e III estão corretas.
5
6
7
C Somente a sentença II está correta.
D Somente a sentença III está correta.
A função de limpeza de inconsistências compreende identificar e eliminar valores inconsistentes em conjuntos de dados. Uma
inconsistência pode estar relacionada a uma única tupla (registro) ou se referir a um conjunto de registros. A inconsistência em
apenas uma única tupla acontece quando os valores desta tupla são divergentes. Referente aos métodos para tratar os valores
inconsistentes, classifique V para as sentenças verdadeiras e F para as falsas:
( ) Preenchimento com valores globais constantes.
( ) Preenchimento com medidas estatísticas.
( ) Exclusão de Casos.
( ) Correção de erros.
Assinale a alternativa que apresenta a sequência CORRETA:
A F - F - V - V.
B F - V - F - V.
C V - F - V - V.
D F - F - V - F.
Valores com informações ausentes surgem em quase todas as análises estatísticas sérias. Primeiramente, para podermos lidar
com valores ausentes, é importante sabermos o motivo deles estarem ausentes. Referente a como a linguagem R trata essas questões,
classifique V para as sentenças verdadeiras e F para as falsas:
( ) Os valores ausentes são indicados pelos zeros e Nas.
( ) Os valores ausentes são indicados pelo Null.
( ) Os valores ausentes são indicados pelos Nas e Null.
( ) Os valores ausentessão indicados pelos Nas.
Assinale a alternativa que apresenta a sequência CORRETA:
A F - F - V - F.
B F - F - F - V.
C V - F - V - V.
D F - V - V - V.
Um conjunto de dados é uma coleção de valores, geralmente números quando quantitativos ou sequências de caracteres se
qualitativas. Os valores são organizados de duas maneiras, pertencendo a uma variável e a uma observação. A semântica dos dados é
fundamental na organização dos dados. Sobre essa observação, assinale a alternativa CORRETA:
A A estrutura dos dados está relacionada com a coleção de seus valores.
B A estrutura dos dados diz respeito aos números que apresentamos.
C A estrutura dos dados se refere aos caracteres apresentados.
D Os dados podem ser estruturados de diferentes formas, ou seja, os dados apresentados são os mesmos, contudo o layout é difere
8
9
10