ESTATÍSTICA APLICADA AO DATA SCIENCE ATIVIDADE 2 (A2)

Prévia do material em texto

Pergunta 1
Resposta Selecionada: 
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. 
 
Regressão logística é o único método de aprendizagem supervisionada que é
utilizado para classificação, todos outros métodos são métodos de regressão.
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.
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).
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: 
  
  
I, III e IV, apenas.
0 em 1 pontos
Resposta Correta:
 
Comentário
da
resposta:
II, III e IV, apenas.
  
  
 
Sua resposta está incorreta. A única asserção incorreta desta questão é a
primeira, que a�rma que regressão logística é o único método de aprendizagem
supervisionada que é utilizado para classi�cação, todos outros métodos são
métodos de regressão.
Pergunta 2
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. 
 
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.
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.
  
 
Histogramas e diagramas de barras são formas tradicionais de visualização
gráfica de dados quantitativos e qualitativos, respectivamente, na estatística
e na ciência dos dados.
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: 
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
  
  
I, III e IV apenas.
I, III e IV apenas.
Resposta correta. Histogramas e diagramas de barras são formas tradicionais
de visualização grá�ca 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 3
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
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.
 
Na aprendizagem supervisionada, um problema de regressão é um no qual a
variável resposta é qualitativa.
Na aprendizagem supervisionada, um problema de regressão é um no qual a
variável resposta é quantitativa.
Na aprendizagem supervisionada, um problema de classificação é um no
qual a variável resposta é qualitativa.
Na aprendizagem supervisionada, um problema de classificação é um no
qual a variável resposta é quantitativa.
  
Está correto o que se afirma em:
II e III, apenas.
II e III, apenas.
Resposta correta. Na aprendizagem supervisionada, um problema de regressão
é um no qual a variável resposta é quantitativa e um problema de classi�cação é
um no qual a variável resposta é qualitativa.
Pergunta 4
Entre as técnicas das quais lançou mão para a visualização dos dados da amostra,
1 em 1 pontos
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
uma jovem cientista de dados usou boxplots (diagramas de caixas). Como cientista
de dados, ela sabia exatamente em que situações empregar boxplots. 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). 
 
( ) Para examinar visualmente a relação entre duas variáveis, em que uma é
quantitativa e a outra é qualitativa, não é possível a utilização de gráficos de
dispersão.
( ) Boxplots são uma solução inteligente para a visualização da relação entre
uma variável quantitativa e uma variável qualitativa, em que no eixo
horizontal indicamos os níveis da variável qualitativa e no eixo vertical, a
variação dos valores observados para a variável quantitativa.
( ) Para examinar visualmente a relação entre duas variáveis quantitativas,
um dos gráficos preferidos é o diagrama de caixas, também conhecido como
boxplot.
( ) Na construção de um boxplot, podemos representar no eixo vertical os
níveis da variável qualitativa e no eixo horizontal, os valores da variável
quantitativa. Nesse caso, a visualização da variação dos dados da variável
quantitativa é exibida horizontalmente, e os níveis (classes) da variável
qualitativa são exibidos verticalmente.
  
Assinale a alternativa que apresenta a sequência correta. 
  
  
V, V, F, V.
V, V, F, V.
Resposta correta. A única asserção falsa é a que a�rma que para examinar
visualmente a relação entre duas variáveis quantitativas, um dos grá�cos
preferidos é o diagrama de caixas, também conhecido como boxplot. Para
examinar visualmente a relação entre duas variáveis, em que uma é quantitativa
e a outra é qualitativa, não é possível a utilização de grá�cos de dispersão. Para
isso, usamos boxplots, em que, no eixo horizontal, indicamos os níveis da
variável qualitativa e, no eixo vertical, a variação dos valores observados para a
variável quantitativa. Podemos inverter a posição desses eixos.
Pergunta 5
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
1 em 1 pontos
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). 
 
( ) 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).
( ) 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).
( ) A função table() do R permite a contagemda 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.
( ) 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: 
Resposta Correta: 
Comentário
da
resposta:
  
  
V, V, V, V.
V, V, V, V.
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 grá�ca da relação entre duas variáveis
qualitativas.
Pergunta 6
Resposta Selecionada:
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. 
 
Um classificador determinístico vai dizer se o indivíduo está ou não está
infectado, dados os sintomas que apresenta.
Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo
estar ou não infectado, dados os sintomas que apresenta.
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).
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: 
  
  
1 em 1 pontos
 
Resposta Correta:
 
Comentário
da
resposta:
I, II, III e IV. 
  
  
 
I, II, III e IV.
  
  
 
Resposta correta. Um classi�cador determinístico vai dizer se o indivíduo está
ou não está infectado, dados os sintomas que apresenta; já um classi�cador
probabilístico vai dizer qual é a probabilidade de o indivíduo estar ou não
infectado; no jargão da estatística, escrever  signi�ca 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 
 signi�ca a probabilidade de ser igual a um dos seus possíveis valores 
 quando a variável de entrada  é igual a  (dizemos: dado que ).
Pergunta 7
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: 
 
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;
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;
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;
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
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
relevante aspecto de prevenção de acidentes decorrentes de instalações
clandestinas.
  
Está correto o que se afirma em: 
  
  
I, II, III e IV.
I, II, III e IV.
Resposta correta. Todos os exemplos listados nesta questão são problemas de
classi�cação, 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.
Pergunta 8
Resposta Selecionada: 
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).
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 classificação, predizer o valor
do limite (do crédito) do cartão.
O segundo foco da avaliação é um problema de regressão, predizer o valor
do limite (do crédito) do cartão.
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. 
 
  
Está correto o que se afirma em: 
  
 
II e IV, apenas.
1 em 1 pontos
Resposta Correta: 
Comentário
da
resposta:
II e IV, apenas.
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 9
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). 
  
 
( ) 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.
( ) 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.
( ) 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 referentesa  um novo cliente, classificar esse
cliente como um mau pagador potencial, o banco não aprovará o cartão.
( ) 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.
( ) 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.
  
1 em 1 pontos
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da
resposta:
Assinale a alternativa que apresenta a sequência correta. 
  
  
V, V, V, V. 
  
 
V, V, V, V.
  
 
Resposta correta. No passado, os bancos faziam a aprovação da concessão de
cartões de crédito através da de�nição de regras que deviam ser atendidas por
cada cliente; hoje em dia, algoritmos de aprendizado de máquina classi�cam 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 �nal sobre a concessão de
cartão para o cliente.
Pergunta 10
Resposta Selecionada:
 
Resposta Correta:
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): 
  
  
7% e 27%. 
  
  
 
 
1 em 1 pontos
Quinta-feira, 3 de Junho de 2021 09h21min08s BRT
 
Comentário
da
resposta:
7% e 27%.
  
  
 
 
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.