ATIVIDADE 2 - ESTATÍSTICA

Prévia do material em texto

PERGUNTA 1 
1. 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. 
 
 
 
 
V, V, F, V. 
 
 
F, F, V, V. 
 
 
 
 
 
V, V, F, F. 
 
 
F, V, V, V. 
 
 
F, V, F, V. 
1 pontos 
PERGUNTA 2 
1. Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um 
modelo de regressão logística múltipla aos dados da amostra. Os 
resultados que encontrou foram muito ricos, sugerindo uma série de 
explicações, aprendidas pelo algoritmo com base nos dados fornecidos. 
Veja que dizemos “explicações sugeridas”, pois qualquer resultado de 
um algoritmo deve ser confrontado com especialistas da área em 
estudo. Contudo, vamos rever o que o modelo de regressão múltipla 
treinado pela jovem cientista de dados sugere. Para isso, analise as 
afirmativas a seguir. 
 
1. A probabilidade da inadimplência cresce com o aumento dos 
gastos médios com o cartão de crédito. Isto, que nos parece 
óbvio, foi o que os dados “contaram” para o algoritmo de 
regressão logística múltipla. 
2. A probabilidade da inadimplência cresce com o aumento da renda 
média mensal das pessoas. Isto não é tão óbvio e provavelmente 
não teríamos coragem de generalizar para outras situações, mas 
foi o que os dados da amostra do gerente do banco “contaram” 
para o algoritmo de regressão logística múltipla. 
3. Para duas pessoas com a mesma renda mensal e o mesmo gasto 
mensal com cartão de crédito, a probabilidade de inadimplência 
com o cartão é maior para aquela sem emprego estável. 
Novamente, isto foi o que os dados amostrados “contaram” para o 
algoritmo de regressão logística múltipla. 
4. O modelo de regressão logística múltipla, ajustado aos dados da 
amostra, consegue predizer os efeitos da renda mensal da 
pessoa, do seu gasto médio mensal com cartão de crédito e se 
ela tem ou não um emprego estável, na probabilidade de a 
pessoa ficar inadimplente com o cartão de crédito. Um algoritmo 
desse tipo pode ajudar no processo decisório de um banco 
quanto à aprovação de cartão de crédito, ao lado de outros 
critérios e ferramentas analíticas disponíveis para o banco. 
 
 
Está correto o que se afirma em: 
 
 
 
 
I, II, III e IV. 
 
 
 
 
III e IV, apenas. 
 
 
I e II, apenas. 
 
 
II e III, apenas. 
 
 
II, III e IV, apenas. 
1 pontos 
PERGUNTA 3 
1. 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. 
 
1. Um classificador determinístico vai dizer se o indivíduo está ou 
não está infectado, dados os sintomas que apresenta. 
2. Um classificador probabilístico vai dizer qual é a probabilidade de 
o indivíduo estar ou não infectado, dados os sintomas que 
apresenta. 
3. 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). 
4. 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: 
 
 
 
 
I, II e III, apenas . 
 
 
III e IV, apenas. 
 
 
II e III, apenas. 
 
 
I, II, III e IV. 
 
 
 
 
 
I, II e IV, apenas. 
1 pontos 
PERGUNTA 4 
1. 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). 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
4. ( ) 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. 
 
 
 
 
V, V, F, F. 
 
 
F, F, V, V. 
 
 
 
 
 
V, F, F, V. 
 
 
V, V, V, V. 
 
 
F, V, V, F. 
1 pontos 
PERGUNTA 5 
1. 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. 
 
 
 
 
V, V, F, V. 
 
 
F, V, V, V. 
 
 
V, V, F, F. 
 
 
F, F, V, F.F, V, F, V. 
1 pontos 
PERGUNTA 6 
1. 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). 
 
1. ( ) 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). 
2. ( ) 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). 
3. ( ) 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. 
4. ( ) 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. 
 
 
 
 
F, F, F, F. 
 
 
V, V, F, F. 
 
 
V, V, F, V. 
 
 
V, V, V, V. 
 
 
F, V, F, V. 
1 pontos 
PERGUNTA 7 
1. Tarefas de classificação são muitos comuns na estatística e na ciência 
dos dados, por serem muito comuns em todas atividades humanas, na 
ciência, na vida social ou nos negócios. 
Especificamente, discutimos aplicações de modelos preditivos de 
classificação baseados em modelos de regressão logística simples ou 
múltipla. 
Com isso em mente, analise as afirmativas a seguir e assinale V para 
a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1. Regressão logística pode ser empregada na predição do peso 
médio (massa corporal média) de uma pessoa em função de sua 
altura, idade e sexo. 
2. Regressão logística pode ser empregada na predição do 
consumo médio de combustível de um carro em função da 
potência do seu motor e do seu peso. 
3. Regressão logística pode ser empregada na predição da 
probabilidade de uma pessoa votar em um determinado candidato 
e não nos outros em função de sua escolaridade, idade, sexo e 
classe social. 
4. Regressão logística pode ser empregada na predição da 
probabilidade de a pessoa ser diabética em função de um 
conjunto de sintomas clínicos que apresenta. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
 
F, V, F, V. 
 
 
F, F, V, V. 
 
 
V, V, V, V. 
 
 
V, V, F, F. 
 
 
F, F, F, F. 
1 pontos 
PERGUNTA 8 
1. Ao longo das nossas discussões, demos foco a um classificador 
chamado de regressão logística que, apesar do nome regressão (esse 
nome por razões históricas e por conta de algumas de suas 
características), é usado como um classificador. Mas também vimos que 
existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as 
afirmativas a seguir. 
 
1. Regressão logística é o único método de aprendizagem 
supervisionada que é utilizado para classificação, todos outros 
métodos são métodos de regressão. 
2. Apesar do nome regressão logística, o que acaba sendo um 
pouco confuso para iniciantes, na verdade este é um dos vários 
métodos de aprendizagem supervisionada utilizado para 
classificação. 
3. Dentre os métodos utilizados para classificação se encontram 
regressão logística, análise discriminante linear (LDA = Linear 
Discriminant Analysis), árvores de decisão para classificação, 
máquinas de vetores de suporte (SVM = support vector machines) 
e k-vizinhos mais próximos (KNN = k-nearest neighbors). 
4. Regressão linear não é um método de classificação, mas, sim, 
um dos métodos preditivos de aprendizagem supervisionada 
usados na predição de valores de variáveis respostas 
quantitativas. 
 
 
Está correto o que se afirma em: 
 
 
 
 
II, III e IV, apenas. 
 
 
 
 
 
III, apenas. 
 
 
II, apenas. 
 
 
I, III e IV, apenas. 
 
 
II e III, apenas. 
1 pontos 
PERGUNTA 9 
1. A atividade de venda de produtos financeiros por bancos, tais como 
cartões de crédito, requer que se faça uma avaliação do cliente. São 
focos dessa avaliação aprovar ou não um cartão de crédito para o 
cliente e, se aprovado, definir o limite do cartão, ou seja, o valor do 
crédito a conceder. 
 
Com base nessa introdução, analise as afirmativas a seguir. 
 
1. O primeiro foco da avaliação é um problema de regressão: 
aprovar (sim ou não) o cartão de crédito, uma variável qualitativa 
dicotômica, com dois níveis (classes). 
2. O primeiro foco da avaliação é um problema de classificação: 
aprovar (sim ou não) o cartão de crédito, uma variável qualitativa 
dicotômica, com dois níveis (classes). 
3. O segundo foco da avaliação é um problema de classificação, 
predizer o valor do limite (do crédito) do cartão. 
4. O segundo foco da avaliação é um problema de regressão, 
predizer o valor do limite (do crédito) do cartão. 
 
 
Está correto o que se afirma em: 
 
 
 
 
II e IV, apenas. 
 
 
I e III, apenas. 
 
 
II, III e IV, apenas. 
 
 
II, apenas. 
 
 
I, II e III, apenas. 
 
 
 
1 pontos 
PERGUNTA 10 
1. Dados podem aparecer na forma de textos, imagens, vídeos, sons, 
tabelas, listas, sequências, séries, etc. São muitos os dados que hoje 
coletamos de diferentes fontes, e muitas as formas de organizá-los e 
armazená-los. Uma dessas forma, talvez a mais importante delas, são 
os dados estruturados. 
 
Relativamente a esse assunto, analise as afirmativas a seguir. 
 
1. Dados estruturados são dados que não possuem uma estrutura 
regular e repetitiva, seguindo um padrão comum adotado pelas 
ciências da computação, estatística e ciência dos dados. 
2. A forma de organização básica dos dados, preferida na estatística 
e na ciência dos dados, é a forma tabular, na qual as variáveis 
são dispostas nas linhas e as observações são dispostas nas 
colunas. 
3. Dados estruturados são dados que possuem uma estrutura 
regular e repetitiva, seguindo um padrão comum adotado pelas 
ciência da computação, estatística e ciência dos dados. 
4. A forma de organização básica dos dados, preferida na estatística 
e na ciência dos dados, é a forma tabular, na qual as variáveis 
são dispostas nas colunas e as observações são dispostas nas 
linhas. 
 
 
Está correto o que se afirma em: 
 
 
 
III e IV, apenas. 
 
 
I, II e III, apenas. 
 
 
I e II, apenas. 
 
 
I, II e IV, apenas. 
 
 
 
 
 
II e III, apenas. 
1 pontos