ATIVIDADE A2 ESTATISTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Curso GRA1561 ESTATÍSTICA APLICADA AO DATA SCIENCE GR0890-212-
3 - 202120.ead-19326.01 
Teste ATIVIDADE 2 (A2) 
Iniciado 07/11/21 01:51 
Enviado 10/11/21 01:15 
Status Completada 
Resultado da 
tentativa 
10 em 10 pontos 
Tempo decorrido 71 horas, 23 minutos 
Resultados 
exibidos 
Respostas enviadas, Respostas corretas, Comentários 
 
 
 
• Pergunta 1 
1 em 1 pontos 
 
Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma 
jovem cientista de dados usou gráficos de dispersão. Como cientista de dados, ela sabia 
exatamente em que situações empregar gráficos de dispersão. E você, será que você 
também já sabe? 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1. ( ) Gráficos de dispersão, em inglês chamados de scatter plots, só podem ser 
usados para a visualização de uma única variável, a qual deve ser obrigatoriamente 
uma variável qualitativa. 
2. ( ) Gráficos de dispersão são usados para a visualização da relação entre duas 
variáveis quantitativas, em que os dados das duas variáveis são plotados aos 
pares. Permite, dessa forma, a verificação visual, pelo estatístico ou pelo cientista 
de dados, se há uma tendência de uma variável aumentar quando a outra aumenta, 
diminuir quando a outra diminui, ou se não há uma relação aparente entre as duas. 
3. ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação entre o valor 
do imóvel e a sua área. Esse tipo de gráfico é chamado, em inglês, de scatter plot. 
4. ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação entre o valor 
do imóvel e o seu andar. Esse tipo de gráfico é chamado, em inglês, de scatter plot. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, V, V, V. 
Resposta Correta: 
F, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A única asserção falsa é a que afirma que gráficos de 
dispersão só podem ser usados para a visualização de uma única 
variável, a qual deve ser obrigatoriamente uma variável qualitativa. É 
correto dizer que são usados para a visualização da relação entre duas 
variáveis quantitativas, permitindo a verificação visual de tendência de 
uma variável aumentar quando a outra aumenta, diminuir quando a outra 
aumenta, ou se não há uma relação aparente entre as duas. Sendo assim, 
puderam ser usados para exibir, em pares, a relação entre o valor do 
imóvel e a sua área e o valor do imóvel e o seu andar. 
 
 
• Pergunta 2 
1 em 1 pontos 
 
Continuando com o mesmo caso da questão anterior, relativa à aprovação, pelos bancos, 
de crédito na forma de cartão de crédito, como se fazia, no passado, a aprovação da 
concessão de cartões de crédito pelos bancos? E, hoje em dia, como os bancos fazem 
essa aprovação? 
 
Reflita sobre essas perguntas e suas respostas, analise as afirmativas a seguir e assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
 
1. ( ) No passado, os bancos faziam, e ainda fazem, ao menos em parte, a aprovação 
da concessão de cartões de crédito através da definição de regras que devem ser 
atendidas por cada cliente, tais como idade, emprego estável, renda fixa, dívidas 
pequenas, nome limpo e casa própria. 
2. ( ) Hoje em dia, dentre outras alternativas, uma que é frequentemente usada pelos 
bancos são algoritmos de aprendizagem supervisionada que classificam se o 
cliente é um potencial bom ou mau pagador. 
3. ( ) Para usarmos algoritmos de classificação com esse propósito de aprovar ou não 
cartões de crédito, precisamos de dados. Ensinamos ao algoritmo, com base nos 
dados que lhe são passados, a predizer clientes que são maus pagadores 
potenciais das faturas do cartão. Dessa forma, se o algoritmo, ao ser alimentado 
com os dados referentes a um novo cliente, classificar esse cliente como um mau 
pagador potencial, o banco não aprovará o cartão. 
4. ( ) Para equipes de análise de crédito, poder contar com a ajuda de um software 
com a capacidade de recomendar a aprovação ou não da concessão do cartão é 
de grande valor. 
5. ( ) A recomendação feita pelo software poderá ser tratada ao lado de outras regras 
de crédito para uma decisão final sobre a concessão de cartão para o cliente. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
V, V, V, V. 
 
 
Resposta Correta: 
V, V, V, V. 
 
 
Comentário 
da resposta: 
Resposta correta. No passado, os bancos faziam a aprovação da 
concessão de cartões de crédito através da definição de regras que 
deviam ser atendidas por cada cliente; hoje em dia, algoritmos de 
aprendizado de máquina classificam se o cliente é um potencial bom ou 
mau pagador. Para isso, dados são necessários. Poder contar com a 
ajuda de um software com a capacidade de recomendar a aprovação ou 
não da concessão do cartão é de grande valor para a equipe de análise 
de crédito. A recomendação feita pelo software poderá ser tratada ao lado 
de outras regras de crédito para uma decisão final sobre a concessão de 
cartão para o cliente. 
 
 
 
 
 
 
• Pergunta 3 
1 em 1 pontos 
 
A amostra relativa aos dados de inadimplência com cartões tinha 200 observações de 4 
variáveis: a renda mensal da pessoa (R$), seu gasto médio com cartão de crédito (R$), se 
a pessoa tinha um emprego estável (Sim ou Não) e se a pessoa havia, ao longo do período 
pesquisado, ficado inadimplente com o pagamento de faturas do cartão ao menos uma vez 
(Sim ou Não). 
Reflita sobre esse caso, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
1. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados 
são dados relativos a variáveis quantitativas. 
2. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados 
são dados relativos a variáveis qualitativas. 
3. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem cientista de dados, 
dois são relativos a uma variável quantitativa e dois são relativos a variáveis 
qualitativas. 
4. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem cientista de dados, 
um é relativo a uma variável quantitativa e os outros são relativos a variáveis 
qualitativas. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, F, V, F. 
 
 
 
Resposta Correta: 
F, F, V, F. 
 
 
 
Comentário 
da resposta: 
Resposta correta. Dentre os dados fornecidos pelo gerente do banco à 
jovem cientista de dados, dois são quantitativos, a renda mensal da 
pessoa (R$) e seu gasto médio com cartão de crédito (R$), e dois são 
qualitativos, se a pessoa tinha emprego estável (Sim ou Não) e se a 
pessoa havia, ao longo do período pesquisado, ficado inadimplente com o 
pagamento de faturas do cartão ao menos uma vez (Sim ou Não). 
 
 
• Pergunta 4 
1 em 1 pontos 
 
Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e (2) 
modelos de regressão logística. Esses modelos são aplicados em situações bem distintas, 
que dependem, essencialmente, da natureza da variável resposta, também chamada de 
variável dependente. 
 
Com esses dois modelos em mente, analise as afirmativas a seguir. 
 
1. Modelos de regressão logística simples são usados na predição de uma variável 
resposta qualitativa quando há mais do que uma variável de entrada. 
2. Modelos de regressão linear simples são usados na predição de uma variável 
resposta qualitativa quando se considera apenas uma variável de entrada. 
3. Um possível modelo de regressão logística simples para a predição da 
probabilidade de inadimplência é: 
 
 
 
 
 
em que e são os coeficientes do modelo, , o gasto médio mensal da 
pessoa com cartão de crédito e , o valor esperado para a probabilidade de a pessoa 
ficar ou não inadimplente com o pagamento das faturas do cartão. 
 
4. O método comumente usado para calcular os valores dos 
coeficientes e é o Método da MáximaVerossimilhança. Para isso, 
pode-se fazer uso do software estatístico R. 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
Resposta Correta: 
II, III e IV, apenas. 
Comentário 
da resposta: 
Resposta correta. Modelo de regressão logística é dito simples quanto se 
considera apenas uma variável de entrada; o modelo exposto nesta 
questão é, de fato, aquele adotado pela cientista de dados, e o método 
que ela usou para determinar os coeficientes do modelo foi o Método da 
Máxima Verossimilhança, através do software estatístico R. 
 
 
• Pergunta 5 
1 em 1 pontos 
 
Os dados cedidos pelo gerente do banco estavam bem organizados e livres de erros. A 
nossa jovem cientista de dados não precisou, portanto, fazer uma limpeza e pré-tratamento 
dos dados e pode prosseguir imediatamente para uma análise descritiva deles antes do 
desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
4. ( ) Chamamos de análise descritiva dos dados seus sumários (ou resumos) 
estatísticos dos mesmos e a sua visualização. Ambos, os sumários e as 
visualizações, nos ajudam a entender o comportamento dos dados e, através deles, 
do fenômeno ou processo estudado. 
5. ( ) São quatro as variáveis estudadas pela cientista de dados: renda mensal da 
pessoa, seus gastos médios com o cartão, se a pessoa tinha ou não um emprego 
estável ao longo do período amostrado e se ficou ou não inadimplente ao longo do 
deste período. 
6. ( ) Para criar sumários estatísticos das variáveis quantitativas, a renda mensal da 
pessoa e seus gastos com o cartão, a cientista de dados usou as funções min(), 
mean() e max() do software estatístico R para calcular os valores mínimo, médio e 
máximo dos dados observados para essas variáveis. 
7. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a pessoa tinha ou 
não um emprego estável e se tinha ou não ficado inadimplente com o pagamento 
das faturas do cartão ao longo do período amostrado, a cientista de dados usou a 
função table() do software estatístico R para calcular a frequência com que os 
níveis de cada uma dessas variáveis se manifestaram na amostra estudada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. Chamamos de análise descritiva dos dados seus 
sumários (ou resumos) e a sua visualização por meio de gráficos. São 
quatro as variáveis estudadas pela cientista de dados. Para criar sumários 
estatísticos das variáveis quantitativas, a cientista de dados usou as 
funções min(), mean() e max() do software estatístico R, e para os 
sumários estatísticos das variáveis qualitativas, usou a função table() do 
mesmo software, e assim calculou a frequência com que os níveis de 
cada uma dessas variáveis se manifestaram na amostra analisada. 
 
 
• Pergunta 6 
1 em 1 pontos 
 
Discutimos sobre classificadores determinísticos e probabilísticos. Demos, como exemplo, 
uma variável resposta qualitativa com dois níveis (classes), o indivíduo está infectado 
pelo vírus HIV ( ) ou não está infectado ( ), dado um conjunto de 
sintomas que ele apresenta. 
 
Reveja esse assunto e analise as afirmativas a seguir. 
 
0. Um classificador determinístico vai dizer se o indivíduo está ou não está infectado, 
dados os sintomas que apresenta. 
1. Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo estar 
ou não infectado, dados os sintomas que apresenta. 
2. No jargão da estatística, escrever significa que a variável aleatória 
resultou no valor , em que é um dos possíveis valores que a variável 
aleatória pode assumir (ou seja, uma de suas classes, no caso, das variáveis 
qualitativas). 
3. Nesse mesmo jargão, escrever significa a probabilidade de ser igual a 
um dos seus possíveis valores , quando a variável de entrada é igual 
a (dado que ). 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
 
Comentário 
da resposta: 
Resposta correta. Um classificador determinístico vai dizer se o indivíduo 
está ou não está infectado, dados os sintomas que apresenta; já um 
classificador probabilístico vai dizer qual é a probabilidade de o indivíduo 
estar ou não infectado; no jargão da estatística, escrever significa 
que a variável aleatória resultou no valor , em que é um 
dos possíveis valores que a variável aleatória pode assumir (ou seja, 
uma de suas classes, no caso das variáveis qualitativas) e, nesse mesmo 
jargão, escrever significa a probabilidade de ser igual a um dos 
seus possíveis valores quando a variável de entrada é igual 
a (dizemos: dado que ). 
 
• Pergunta 7 
1 em 1 pontos 
 
A estatística descritiva usa de métodos numéricos para resumir dados, também chamados 
de sumários estatísticos, e de gráficos para a visualização dos dados. A jovem cientista de 
dados usou algumas técnicas de visualização de dados para analisar sua amostra, mas 
deixou outras de lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise descritiva dos 
dados. 
 
0. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
histogramas para a visualização dos dados quantitativos das amostras, que são a 
renda mensal das pessoas e seus gastos médios com o cartão de crédito. 
1. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
diagramas de barras para a visualização dos dados quantitativos das amostras, que 
são a renda mensal das pessoas e seus gastos médios com o cartão de crédito. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de visualização gráfica 
de dados quantitativos e qualitativos, respectivamente, na estatística e na ciência 
dos dados. 
4. A jovem cientista de dados usou, para este caso, apenas histogramas, e preferiu 
apenas lançar mão da função table() do software estatístico R, para determinar a 
frequência com que os níveis das variáveis qualitativas se manifestaram na 
amostra estudada, sem fazer uso de diagramas de barras, o que poderia ter feito, 
se quisesse. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, III e IV apenas. 
 
Resposta Correta: 
I, III e IV apenas. 
Comentário 
da resposta: 
Resposta correta. Histogramas e diagramas de barras são formas 
tradicionais de visualização gráfica de dados quantitativos e qualitativos, 
respectivamente, na estatística e na ciência dos dados, e a jovem cientista 
de dados não lançou mão de diagramas de barras. Neste caso, para 
visualizar os dados qualitativos, poderia ter feito isso, se quisesse. 
Diagramas de barras são usados para a visualização de dados 
qualitativos, não quantitativos. 
 
• Pergunta 8 
1 em 1 pontos 
 
A jovem cientista de dados, tendo em mãos os dados que lhe foram passados pelo gerente 
do banco, precisou denominá-los corretamente para a fase de treino (ajuste) do algoritmo 
preditivo. Ela escolheu a regressão logística como seu algoritmo preditivo, para classificar o 
potencial (a probabilidade) de uma pessoa ficar ou não inadimplente com o pagamento das 
faturas do cartão de crédito. 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
3. ( ) A jovem cientista de dados escolheu como variável resposta a renda mensal da 
pessoa, e tratou as demais variáveis como variáveis de entrada. 
4. ( ) A jovem cientista de dados escolheu o gasto médio mensal da pessoa com 
cartão de crédito como a variável resposta, e tratou as demais como variáveis de 
entrada. 
5. ( ) A jovem cientista de dados não definiu qualquer das quatro variáveis como a 
variável resposta, e decidiu realizar uma análise baseada em aprendizagem não 
supervisionada. 
6. ( ) A jovem cientistade dados escolheu como variável resposta se a pessoa havia, 
ao longo do período pesquisado, ficado inadimplente com o pagamento das faturas 
do cartão ao menos uma vez (Sim ou Não), e tratou as demais variáveis como 
variáveis de entrada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, F, F, V. 
Resposta Correta: 
F, F, F, V. 
Comentário 
da resposta: 
Resposta correta. A jovem cientista de dados escolheu como variável 
resposta se a pessoa havia, ao longo do período pesquisado, ficado 
inadimplente com o pagamento das faturas do cartão ao menos uma vez 
(Sim ou Não), e tratou as demais variáveis como variáveis de entrada. 
 
 
 
 
 
 
 
 
 
• Pergunta 9 
1 em 1 pontos 
 
Vimos que há dois principais tipos de aprendizagem supervisionada: problema de 
regressão e problema de classificação. São os tipos de variáveis resposta dos dados em 
 
análise que distinguem esses dois tipos entre si. 
 
Relativamente a esses dois tipos, analise as afirmativas a seguir. 
 
0. Na aprendizagem supervisionada, um problema de regressão é um no qual a 
variável resposta é qualitativa. 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual a 
variável resposta é quantitativa. 
2. Na aprendizagem supervisionada, um problema de classificação é um no qual a 
variável resposta é qualitativa. 
3. Na aprendizagem supervisionada, um problema de classificação é um no qual a 
variável resposta é quantitativa. 
 
 
Está correto o que se afirma em: 
Resposta Selecionada: 
II e III, apenas. 
Resposta Correta: 
II e III, apenas. 
Comentário da 
resposta: 
Resposta correta. Na aprendizagem supervisionada, um problema de 
regressão é um no qual a variável resposta é quantitativa e um problema 
de classificação é um no qual a variável resposta é qualitativa. 
 
 
• Pergunta 10 
1 em 1 pontos 
 
Naturalmente, dados ocupam uma posição central, tanto na estatística quanto na ciência 
dos dados. Entendê-los, saber da sua natureza, o que representam, é de suma 
importância, antes da realização de qualquer análise ou projeto. Os dados são divididos 
entre quantitativos e qualitativos, na estatística e na ciência dos dados. Relativamente aos 
qualitativos, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para 
a(s) Falsa(s). 
 
0. ( ) Dados qualitativos dicotômicos são dados observados de variáveis qualitativas 
que podem assumir apenas dois níveis (também chamados de classes) como seus 
valores, tais como sexo (feminino ou masculino), ocupação (empregado ou 
desempregado), localização (bairro ou centro), emprego estável (sim ou não), 
inadimplente (sim ou não). 
1. ( ) Dados qualitativos politômicos são aqueles oriundos de variáveis qualitativas que 
podem assumir três ou mais níveis como seus valores, tais como classe social (A, 
B, C, D e E), escolaridade (fundamental, médio, superior), gravidade da doença 
(baixa, média, alta). 
2. ( ) A função table() do R permite a contagem da frequência de cada nível assumido 
por uma variável qualitativa em uma dada amostra, e foi usada pela jovem cientista 
de dados para contar a frequência de pessoas com ou sem emprego estável e se 
ficaram ou não inadimplentes com o pagamento das faturas do cartão no período 
amostrado. 
3. ( ) Um mosaicplot permite a visualização gráfica da relação entre duas variáveis 
qualitativas. Foi usado por uma jovem cientista de dados para examinar a possível 
relação entre duas variáveis qualitativas dicotômicas: pessoas com ou sem 
emprego estável e se ficaram ou não inadimplentes com o pagamento das faturas 
do cartão de crédito ao longo do período amostrado. Ela percebeu, ao ver o gráfico 
resultante (ver figura adiante), que parece haver um maior nível de inadimplência 
com o cartão entre aquelas que não têm emprego estável. 
 
 
 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. Todas asserções desta questão são verdadeiras. 
Dados qualitativos dicotômicos são dados observados de variáveis 
qualitativas que podem assumir apenas dois níveis. Dados qualitativos 
politômicos são aqueles oriundos de variáveis qualitativas que podem 
assumir três ou mais níveis como seus valores. A função table() do R 
permite a contagem da frequência de cada nível assumido por uma 
variável qualitativa em uma dada amostra. O mosaicplot permite a 
visualização gráfica da relação entre duas variáveis qualitativas. 
 
 
Quarta-feira, 10 de Novembro de 2021 01h15min32s BRT