GRA1561 ESTATÍSTICA APLICADA AO DATA SCIENCE GR0890

Prévia do material em texto

GRA1561 ESTATÍSTICA APLICADA AO DATA 
SCIENCE GR0890-212-3 - 202120.ead-14833.03 
Teste ATIVIDADE 2 (A2) 
Iniciado 12/11/21 18:52 
Enviado 12/11/21 19:03 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 10 minutos 
Resultados exibidos Respostas enviadas, Respostas 
corretas, Comentários 
• Pergunta 1 
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). 
 
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. 
 
 
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. 
 
 
• Pergunta 2 
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). 
 
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. 
 
 
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 3 
1 em 1 pontos 
 
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: 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
Comentário 
da resposta: 
Resposta correta. Todas as asserções desta questão são 
verdadeiras. Para os dados analisados, probabilidade da 
inadimplência cresce com o aumento dos gastos médios 
com o cartão de crédito e com o aumento da renda 
média mensal das pessoas. 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. Eo 
modelo de regressão logística múltipla é um modelo 
preditivo, um classificador probabilístico. 
 
 
• Pergunta 4 
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). 
 
1. ( ) A jovem cientista de dados escolheu como variável resposta a 
renda mensal da pessoa, e tratou as demais variáveis como variáveis 
de entrada. 
2. ( ) 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. 
3. ( ) 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. 
4. ( ) 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. 
 
 
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 5 
1 em 1 pontos 
 
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: 
 
 
Resposta Selecionada: 
II e IV, apenas. 
Resposta Correta: 
II e IV, apenas. 
Comentário 
da resposta: 
Resposta correta. 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); o segundo foco da avaliação é um problema de 
regressão, ou seja, predizer o valor do limite (de crédito) do 
cartão a ser concedido para o cliente. Esse valor é uma 
variável quantitativa, cuja predição é feita por algoritmos 
de regressão. 
 
 
• Pergunta 6 
1 em 1 pontos 
 
O modelo de regressão logística simples desenvolvido por uma jovem 
cientista de dados para a predição da probabilidade de inadimplência com o 
cartão de crédito foi: 
 
 
 
Tomando como base esse modelo, que foi ajustado aos dados da amostra 
cedida pelo gerente, podemos estimar o valor esperado para a 
probabilidade de inadimplência com cartão de crédito das pessoas. Por 
exemplo, vamos considerar duas pessoas, uma com um gasto de médio 
mensal com o cartão de R$ 500,00, e a outra com um gasto médio mensal 
de R$ 1.000,00. Usando o modelo ajustado anterior, obtemos, 
respectivamente (assinale a alternativa correta): 
 
 
 
Resposta Selecionada: 
7% e 27%. 
 
 
 
 
Resposta Correta: 
7% e 27%. 
 
 
 
 
Comentário 
da resposta: 
Resposta correta. Esses valores são aqueles calculados 
pela simples substituição da variável de 
entrada pelos valores R$ 500,00 e R$ 1.000,00, 
respectivamente, na equação do modelo. 
 
 
• Pergunta 7 
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 8 
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. 
 
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: 
 
 
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 probabilidadede ser igual a 
um dos seus possíveis valores quando a variável de 
entrada é igual a (dizemos: dado que ). 
 
 
• Pergunta 9 
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. 
 
1. 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. 
2. 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 10 
1 em 1 pontos 
 
O ser humano tem enorme facilidade em agrupar, por similaridade, e 
classificar coisas, todos os tipos de coisas. Por conta disso, problemas de 
classificação são muito frequentes no mundo, mais frequentes que 
problemas de regressão. Fornecemos alguns exemplos de aplicação de 
métodos de classificação no mundo dos negócios. Dentre esses exemplos, 
encontramos: 
 
3. a Netflix usa classificadores para recomendar filmes. Para a Netflix, o 
valor desse tipo de aplicação é que, quanto mais filmes assistirmos, 
maior será a sua receita; 
4. o Facebook usa classificadores para recomendar novas amizades 
para a nossa rede de relacionamento. Para o Facebook, o valor 
desse tipo de aplicação é que, quanto maior nossa rede de 
relacionamento, maior será a sua receita; 
5. um banco de varejo usa classificadores para detectar se uma 
operação com cartão de débito ou crédito é ou não uma operação 
fraudulenta. Para o banco, o valor dessa aplicação é que, quanto 
antes operações fraudulentas forem detectadas, mais rapidamente o 
banco pode agir para impedir perdas para seus clientes e para ele 
próprio; 
6. uma concessionária de distribuição de energia elétrica usa 
classificadores para identificar casos potenciais de roubo de energia 
da rede, os famosos “gatos”. Para as concessionárias de distribuição 
de energia elétrica, o valor dessa aplicação é evitar prejuízo com o 
furto de energia da rede, além do relevante aspecto de prevenção de 
acidentes decorrentes de instalações clandestinas. 
 
 
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. Todos os exemplos listados nesta 
questão são problemas de classificação, os quais, como 
dissemos no enunciado, são muito frequentes no 
mundo. Em todos eles, a variável resposta é uma 
variável qualitativa, ou dicotômica, ou politômica.