ESTATISTICA APLICADA AO DATA SCIENCE ATIVIDADE 04 - UAM

Prévia do material em texto

Curso ESTATÍSTICA APLICADA AO DATA SCIENCE (ON) - 
202120.00455.01 
Teste ATIVIDADE 4 (A4) 
Iniciado 18/08/21 20:17 
Enviado 18/08/21 20:29 
Status Completada 
Resultado da 
tentativa 
10 em 10 pontos 
Tempo decorrido 11 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
• Pergunta 1 
1 em 1 pontos 
 
O Margareth H. Duham, em seu livro Data Mining - Introductory and 
Advanced Topics, informa que tarefas de agrupamento, ou clustering em 
inglês, vêm sendo aplicadas em muitos domínios, incluindo a biologia, a 
medicina, a antropologia, o marketing e a economia. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. 
Upper Saddle River (NJ): Pearson Education, 2003, p.126. 
 
A respeito desses domínios de aplicação de tarefas de agrupamento, 
analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para 
a(s) Falsa(s). 
 
I. ( ) Observar diferentes características de doenças em vários pacientes, e 
depois formar diferentes grupos de pacientes - por similaridade das 
características de suas doenças - é uma tarefa de agrupamento. 
II. ( ) Observar diferentes hábitos de consumo em várias milhares de 
pessoas, e depois formar grupos de pessoas - por similaridade de seus 
hábitos de consumo - é uma tarefa de agrupamento. 
III. ( ) Observar diferentes características das linguagens faladas por 
membros de aldeias remotas, e depois formar grupos de linguagens - por 
similaridades das características das linguagens - é uma tarefa de 
agrupamento. 
IV. ( ) Observar diferentes característica de insetos em diversos biomas, e 
depois formar grupos de insetos - por similaridade de suas características - 
é uma tarefa de agrupamento. 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Observar 
diferentes características de indivíduos, sejam estes 
indivíduos doenças que se manifestam em pacientes, 
hábitos de consumos que se manifestam em 
consumidores, línguas faladas por diferentes povos, ou 
insetos que habitam diferentes biomas, e depois, para 
cada um desses exemplos, agrupar as observações feitas 
em grupos menores por similaridade, são tarefas de 
agrupamento. Sendo assim, todos os exemplos descritos 
são tarefas de agrupamento. 
 
• Pergunta 2 
1 em 1 pontos 
 
 Depois que formamos grupos de observações de um conjunto de dados 
(amostra), por meio de um algoritmo de agrupamento, podemos dar nomes 
aos mesmos, e cada indivíduo de cada grupo será classificado de acordo 
com esse nome. O ser humano faz isso com naturalidade, primeiro agrupar 
e, depois de formados os grupos, dar nomes aos grupos. Por exemplo, 
animais vertebrados ou invertebrados, carros ou aviões, homens ou 
mulheres. 
 
A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. e assinale a alternativa correta: 
 
I. Ao usarmos de algoritmos de agrupamento, depois que formados e 
nomeados (classificados) os grupos de observações resultantes do 
algoritmo, não é possível usar essas classes como variáveis respostas e, a 
partir desse ponto, executar tarefas preditivas com algoritmos de 
classificação. 
Pois 
II. Algoritmos de agrupamento fazem parte dos métodos da chamada 
aprendizagem não supervisionada. Não são modelos preditivos. 
 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois mesmo 
que algoritmos de agrupamento sejam parte dos 
métodos da aprendizagem não supervisionada, e não 
serem modelos preditivos, como afirmado na asserção II, 
depois que formamos e nomeamos os grupos 
 
(classificamos os grupos), podemos usar essas classes 
como variáveis respostas e, a partir desse ponto, 
executar tarefas preditivas com algoritmos de 
classificação. Ou seja, a asserção I é falsa. 
 
• Pergunta 3 
1 em 1 pontos 
 
O texto em referência apresenta como exemplo de agrupamento uma 
companhia de vendas online que deseja agrupar seus clientes com base em 
suas características comuns (renda, idade, número de filhos, estado civil, 
grau de educação, etc.). Com o resultado do agrupamento, eles definirão 
campanhas de marketing e de divulgação específicas para cada um dos 
diferentes grupos que vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. 
Upper Saddle River, NJ: Pearson Education, 2003, p.125. 
A respeito das fontes que originaram os contos de fadas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis 
quantitativas. Sendo assim, parte das variáveis disponíveis para esse caso 
são irrelevantes. 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de 
conjuntos de dados exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas 
por um supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e 
depois classificar, já que isso só pode ser realizado por meio de algoritmos. 
 
Resposta Selecionada: 
F, F, F, F. 
Resposta Correta: 
F, F, F, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Há 
algoritmos de agrupamento que lidam variáveis 
quantitativas, ou qualitativas, ou mistas. Portanto, as 
asserções I e II são falsas. Algoritmos de agrupamento 
não podem ter as suas soluções verificadas por um 
supervisor, pois fazem parte dos métodos de 
aprendizagem não supervisionada. E seres humanos 
possuem habilidade natural para agrupar e depois 
classificar. Portanto, as asserções III e IV também são 
falsas. 
 
 
• Pergunta 4 
1 em 1 pontos 
 
Leia o excerto a seguir: 
“A ciência dos dados é uma fusão de múltiplas disciplinas, incluindo 
estatística, ciência da computação, tecnologia da informação e campos de 
domínios específicos. Consequentemente, podem-se utilizar de muitos 
termos diferentes para se referir a um dado conceito.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. xv. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos 
diferentes para se referir a um dado conceito. 
Pois 
II. A estatística usa, de forma profunda, a matemática como pilar do seu 
desenvolvimento. É considerada a ciência mais sutil, e a mais ampla, quanto 
o assunto são dados. É usada por todas áreas científicas. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, mas 
a II não é uma justificativa da I. 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, mas 
a II não é uma justificativa da I. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois mesmo 
que algoritmos de agrupamento sejam parte dos 
métodos da aprendizagem não supervisionada, e não 
serem modelos preditivos, como afirmado na asserção II, 
depois que formamos e nomeamos os grupos 
(classificamos os grupos), podemos usar essas classes 
como variáveis respostas e, a partir desse ponto, 
executar tarefas preditivas com algoritmos de 
classificação. Ou seja, a asserção I é falsa. 
 
 
• Pergunta 5 
1 em 1 pontos 
 
Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico: 
 
“Começa com todos os registros. Progressivamente, os grupos são unidos 
aos grupos próximos até que todos os registros pertençam a um único 
grupo. O histórico de aglomeração é retido e plotado, e o usuário pode 
visualizar o número e a estrutura dos grupos em diferentes estágios. As 
distânciasintergrupos são calculadas de jeitos diferentes, todas baseadas 
no conjunto de distância inter-registros.” 
 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 278. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. No agrupamento hierárquico, o usuário deve obrigatoriamente especificar 
o número de grupos que deseja ver o algoritmo formar. 
Pois 
II. O algoritmo começa com grupos formados por registros individuais e, 
progressivamente, os grupos são unidos aos grupos mais próximos, até que 
todos os registros pertençam a um único grupo. 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois no 
agrupamento hierárquico, diferentemente do que se 
requer para o agrupamento por k-médias, o usuário não 
especifica o número de grupos que o algoritmo deve 
formar. Em estágios progressivos, se parte de tantos 
grupos quanto o número de registros (observações) do 
conjunto de dados, formam-se sequencialmente vários 
agrupamentos, por fusão entre grupos mais similares 
entre si, até se formar um único grupo, ao final, com 
todos os registro do conjunto de dados analisado. Ao 
usuário cabe examinar essa estrutura, e decidir que 
agrupamentos fazem mais sentido para a sua análise. 
 
 
• Pergunta 6 
1 em 1 pontos 
 
Um jovem cientista de dados realizou uma análise de agrupamento de 
apenas cinco estados americanos parte do famoso conjunto de dados 
USArrests, o qual possue 50 observações (50 estados americanos) de 4 
variáveis (Murder, Assault, UrbanPop e Rape). 
 
Obteve o resultado exibido na figura exibida adiante: 
 
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
Resposta 
Selecionada: 
 
É um dendrograma, ou seja, um gráfico na forma de 
uma árvore, que representa os vários grupos formados 
em cada estágio do processo de agrupamento 
hierárquico. 
Resposta 
Correta: 
 
É um dendrograma, ou seja, um gráfico na forma de 
uma árvore, que representa os vários grupos formados 
em cada estágio do processo de agrupamento 
hierárquico. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. O 
dendrograma resultante de uma análise de 
agrupamento hierárquico representa todos os 
agrupamentos possíveis, desde os grupos formados por 
observações individuais (no exemplo, cada um dos cinco 
estados) até o topo com um único grupo formado por 
todas as observações (no exemplo, um único grupo com 
os cinco estados). Cabe ao cientista de dados escolher o 
agrupamento que faz mais sentido para a sua análise. As 
demais alternativas estão erradas, como se pode 
verificar de uma leitura direta do próprio dendrograma. 
 
 
• Pergunta 7 
1 em 1 pontos 
 
Em uma análise de agrupamento examinamos os dados observados (as 
linhas da tabela com os dados) e procuramos identificar, através de algum 
critério de similaridade, aquelas que estão mais próximas entre si, e 
formamos grupos com essas observações similares. Quando são apenas 2 
variáveis e poucas observações (tamanho da amostra pequeno), por 
exemplo 10, podemos tentar fazer o agrupamento visualmente. 
 
Analise a figura adiante e assinale a alternativa que indica a menor 
quantidade de grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. A questão 
solicita a alternativa com o menor número de grupos 
que você naturalmente formaria. Há três alternativas 
com dois grupos, porém aquela que parece ser a mais 
natural é a que agrupa 6 indivíduos do lado esquerdo do 
gráfico e 4 indivíduos do lado direito, pois as outras 
alternativas com dois grupos não são tão naturais 
quanto essa opção. 
 
• Pergunta 8 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível 
exibir múltiplos gráficos de dispersão entre pares dessas variáveis, duas a 
duas. No software estatístico R, isto pode ser feito com a função gráfica 
pairs(). Adiante apresentamos um output típico da função pairs() quando 
aplicada a quatro variáveis quantitativas de um determinado conjunto de 
dados. 
 
 
 
Figura 4: Múltiplos gráficos de dispersão entre as variáveis de USArrest 
Fonte: Elaborada pelo autor. 
 
A respeito deste output típico da função gráfica pairs() do software 
estatístico R, para a exibição de múltiplos gráficos de dispersão entre 
variáveis quantitativas, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e 
F para a(s) Falsa(s). 
 
I. ( ) O gráfico de y = Murder versus x = Assault mostra uma tendência de 
aumento de Murder para um aumento de Assault. 
II. ( ) O gráfico de y = Murder versus x = UrbanPop mostra uma grande 
dispersão dos pontos sem uma tendência clara de subida ou descida. 
III. ( ) O gráfico de y = Murder versus x = Rape mostra uma tendência de 
aumento de Murder para um aumento de Assault, porém com uma 
dispersão dos pontos um pouco maior que para o caso de y = Murder 
versus x = Assault. 
IV. ( ) Como são quatro variáveis quantitativas (Murder, Assault, UrbanPop e 
Rape), então ao total são 12 gráficos de dispersão, de cada uma delas 
contra as outras três. 
 
Resposta Selecionada: 
V, V, V, V. 
 
Resposta Correta: 
V, V, V, V. 
 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. O gráfico de 
y = Murder versus x = Assault de fato mostra uma 
tendência de aumento de Murder para um aumento de 
Assault, assim como gráfico de y = Murder versus x = 
UrbanPop mostra uma grande dispersão dos pontos 
sem uma tendência clara de subida ou descida. O gráfico 
de y = Murder versus x = Rape mostra uma tendência de 
aumento de Murder para um aumento de Assault, 
porém com uma dispersão dos pontos um pouco maior 
que para o caso de y = Murder versus x = Assault e, 
como são quatro variáveis quantitativas, então ao total 
são 12 gráficos de dispersão, de cada uma delas contra 
as outras três. 
 
 
• Pergunta 9 
1 em 1 pontos 
 
A estatística, a ciência da computação, a mineração de dados e a ciência 
dos dados são áreas correlacionadas. Dentre essas, a mais antiga é a 
estatística, seguida da ciência da computação, depois da mineração de 
dados, e finalmente da ciência dos dados, a mais nova dessas quatro áreas 
de conhecimento. 
 
Com referência ao relacionamento entre essas quatro áreas de 
conhecimento humano, analise as afirmativas a seguir: 
 
I. Algoritmos de machine learning nasceram na ciência da computação. Hoje 
são usados na estatística, na mineração de dados e na ciência dos dados. 
II. Dentre as diversas áreas citadas, é a estatística que possui os melhores 
fundamentos para a interpretação de fenômenos aleatórios. 
III. A estatística é considerada a mais sutil, e a mais ampla, quando nos 
referimos a análise de dados. É aplicada a todas áreas de atividade 
humana. 
IV. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos 
diferentes, herdados das outras áreas, para se referir a um mesmo conceito. 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
Resposta Correta: 
I, II, III e IV. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois 
algoritmos de machine learning nasceram na ciência da 
computação e hoje são usados na estatística, na 
mineração de dados ena ciência dos dados. De fato, é a 
estatística que possui os melhores fundamentos para a 
interpretação de fenômenos aleatórios, e é considerada 
a mais sutil, e a mais ampla, quando nos referimos a 
análise de dados. Já há muitos anos é aplicada a todas 
áreas de atividade humana. Por outro lado, também 
sabemos que, na ciência dos dados, podem-se utilizar de 
muitos termos diferentes, herdados das outras áreas, 
para se referir a um mesmo conceito. 
 
• Pergunta 10 
1 em 1 pontos 
 
O texto em referência explica que o processo de descoberta com a 
mineração de dados possui tanto um sentido romântico (um processo 
emocionante e prazeroso), quanto técnico (um estudo criterioso sobre 
dados). Também defende a ideia que é preciso conhecer o ambiente em 
que os dados são produzidos e que tipo de conhecimento esse ambiente 
necessita e espera receber.. Ou seja, o que as pessoas necessitam e 
esperam receber.Lei 
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à 
mineração de dados : com aplicações em R. Rio de Janeiro: Elsevier, 
2016, p.3. 
 
Considerando as ideias apresentadas acima e o que sabemos sobre ciência 
dos dados, mineração de dados e machine learning, analise as afirmativas a 
seguir: 
 
I. Machine learning são algoritmos desenvolvidos, principalmente, pela 
ciência da computação. São usados na estatística, na ciência de dados e na 
mineração de dados. 
II. O processo de descoberta de padrões e geração de conhecimento por 
meio de dados tem um sentido romântico, por ser emocionante e prazeroso, 
e um sentido técnico, pois demanda estudos técnicos criteriosos. 
III. A estatística, a ciência da computação e a ciência de dados são áreas 
relacionadas, mas a mineração de dados e ciência de dados são áreas 
independentes, sem nenhuma relação. 
IV. Não é importante conhecer o ambiente em que os dados são produzidos 
e que tipo de conhecimento esse ambiente necessita e espera receber. 
 
Assinale a alternativa que apresenta a(s) afirmativa(s) correta(s): 
 
Resposta Selecionada: 
I e II apenas; 
Resposta Correta: 
I e II apenas; 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois 
machine learning são algoritmos desenvolvidos, 
principalmente, pela ciência da computação, e são 
usados na estatística, na ciência de dados e na 
mineração de dados, e o processo de descoberta de 
padrões e geração de conhecimento por meio de dados 
tem um sentido romântico, por ser emocionante e 
prazeroso, e um sentido técnico, pois demanda estudos 
técnicos criteriosos. Também sabemos que a mineração 
de dados e ciência de dados são áreas relacionadas, e 
que é importante conhecer o ambiente em que os dados 
são produzidos e que tipo de conhecimento esse 
ambiente necessita e espera receber.