N5 ESTATISTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 1/10
Usuário KLEBER DE ALMEIDA
Curso ESTATÍSTICA APLICADA AO DATA SCIENCE (ON) - 202120.00455.01
Teste 20212 - PROVA N2 (A5)
Iniciado 07/12/21 18:15
Enviado 07/12/21 23:01
Status Completada
Resultado da
tentativa
9 em 10 pontos  
Tempo decorrido 4 horas, 45 minutos
Instruções
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários
Caso necessite a utilização do "EXCEL" clique no link ao lado ----------->
excel.xlsx
Pergunta 1
Resposta Selecionada: 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível calcular
a correlação entre pares dessas variáveis, duas a duas. No software estatístico R,
isto pode ser feito com a função cor(). Adiante apresentamos um output típico da
função cor() quando aplicada ao cálculo da correlação entre quatro variáveis
quantitativas de um determinado conjunto de dados. 
  Murder Assault UrbanPop Rape
Murder  1.00 0.80 0.07 0.56
Assault 0.80 1.00 0.26 0.67
UrbanPop   0.07 0.26 1.00 0.41
Rape      0.56 0.67 0.41 1.00
                                   
A respeito deste output típico da função cor() do software estatístico R, para o
cálculo da correlação entre múltiplas variáveis quantitativas, analise as afirmativas
a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis
quantitativas dessa amostra, quando uma aumenta, a outra também aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma
correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre Murder e
Assault, cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela entre
Rape e Assault, cujo valor é de 0,67 e não de 0,56.
V, V, V, F.
1 em 1 pontos
https://anhembi.blackboard.com/bbcswebdav/pid-18943763-dt-content-rid-84766551_1/xid-84766551_1
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 2/10
Resposta Correta: 
Comentário
da
resposta:
V, V, V, F.
Resposta correta.  A sequência está correta. Todas correlações são positivas,
indicando que, para todas variáveis quantitativas dessa amostra, quando uma
aumenta, a outra também aumenta. Uma correlação igual a 1 entre uma variável
e ela mesma apenas indica uma correlação perfeita dela com ela mesma. A
maior correlação positiva entre essas variáveis é aquela entre Murder e Assault,
cujo valor é de 0,80. E, �nalmente, a segunda maior correlação positiva entre
essas variáveis é aquela entre Rape e Assault, mas o valor  é 0,67 e não 0,56, que
se refere à correlação entre as variáveis Murder e Rape.
Pergunta 2
Resposta Selecionada:
 
Resposta Correta:
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: 
  
  
II, III e IV, apenas. 
  
  
 
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 3/10
 
Comentário
da
resposta:
II, III e IV, apenas.
  
  
 
Resposta correta. 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 3
Quando acontece de haver várias variáveis quantitativas em uma determinada
amostra de dados, é comum a realização da análise da (possível) relação entre
essas variáveis por meio do cálculo de suas correlações. Neste caso, o cálculo de
suas correlações sempre é feito de duas em duas variáveis. Comumente, também
se apresenta a correlação de cada variável com ela mesma, o  que sempre resulta
em uma correlação perfeita, igual a 1. 
  
A tabela adiante mostra o resultado do cálculo das correlações entre 5 variáveis
quantitativas de uma determinada amostra. 
  
  x1 x2 x3 x4 x5
x1 1,00 - 0,85 - 0,78 - 0,87 0,42
x2 - 0,85 1,00 0,79 0,89 - 0,43
x3 - 0,78 0,79 1,00 0,66 - 0,71
x4 - 0,87 0,89 0,66 1,00 - 0,17
x5 0,42 - 0,43 - 0,71 - 0,17 1,00
  
Quadro: Correlações cruzadas entre as variáveis quantitativas x1, x2, x3, x4 e x5 
Fonte: Elaborado pelo autor. 
  
Com respeito a essa tabela de correlações, analise as afirmativas a seguir e assinale
V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) Os valores 1,00 apenas indicam a correlação perfeita que existe entre uma
variável e ela mesma, uma informação de pouco valor prático. 
II. ( ) A maior correlação positiva é aquela entre as variáveis x2 e x4, no valor de
0,89, que indica uma forte associação entre essas duas variáveis, e que uma
aumenta com um aumento da outra. 
III. ( ) A maior (em valor absoluto) correlação negativa é aquela entre as variáveis x1
e x4, no valor de - 0,87, que indica uma forte associação entre essas duas
variáveis, e que uma diminui quanto a outra aumenta. 
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 4/10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
IV. ( ) A menor (em valor absoluto) correlação negativa é aquela entre as variáveis
x4 e x5, no valor de - 0,17, que indica uma fraca associação entre essas duas
variáveis, e que uma diminui quando a outra aumenta.
V, V, V, V.
V, V, V, V.
Resposta correta.  A sequência está correta. Os valores 1,00 apenas indicam a
correlação perfeita que existe entre uma variável e ela mesma. A maior
correlação positiva é aquela entre as variáveis x2 e x4, indicando uma forte
associação entre essas duas variáveis, e que uma aumenta com um aumento da
outra. A maior (em valor absoluto) correlação negativa é aquela entre as
variáveis x1 e x4, indicando uma forte associação entre essas duas variáveis, e
que uma diminui quanto a outra aumenta. A menor (em valor absoluto)
correlação negativa é aquela entre as variáveis x4 e x5, indicando uma fraca
associação entre essas duas variáveis, e que uma diminui quando a outra
aumenta.
Pergunta 4
Resposta Selecionada: 
Resposta Correta: 
O texto em referência fornece os seguintes exemplos de agrupamento: análise de
perfil de usuários e perfil de itens para sistemas de recomendação; análise de
padrões de comportamento de multidões; identificação de grupos de risco para
empresas seguradoras; análise de emoções em redes sociais; reconhecimento de
padrões em imagens de satélites ou imagens médicas; análise de padrões em
cliquesem páginas da internet, etc. 
  
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de
dados : com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.146. 
A respeito dos campos de aplicação da análise de agrupamento, analise as
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) A análise de emoções por meio de agrupamento pode servir ao propósito de
averiguar o índice de aceitação de um candidato a um cargo eletivo público por
região. 
II. ( ) O reconhecimento de padrões em imagens de satélites pode servir ao
propósito de averiguar regiões com processos acelerados de desertificação. 
III. ( ) A identificação de grupos de risco para empresas seguradoras pode servir ao
propósito de precificação correta do valor do seguro para cada grupo de risco. 
IV. ( ) A análise de padrões em cliques em páginas da internet pode servir ao
propósito de identificar a procura de páginas da web por cada bairro de um
município.
V, V, V, V.
V, V, V, V.
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 5/10
Comentário
da
resposta:
Resposta correta.  A sequência está correta. Todos exemplos citados são
propósitos válidos para a realização da análise de agrupamento. Como explicado
no texto em referência, a quantidade de domínios de aplicação da análise de
agrupamento é muito vasta.
Pergunta 5
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
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).   
 
( ) 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.
( ) 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.
( ) 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.
( ) 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, V, V.
V, V, V, V.
Resposta correta. Chamamos de análise descritiva dos dados seus sumários (ou
resumos) e a sua visualização por meio de grá�cos. São quatro as variáveis
estudadas pela cientista de dados. Para criar sumários estatísticos das variáveis
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 6/10
resposta: 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
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
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.
  
V, V, V, V.
V, V, V, V.
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.
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 7/10
Pergunta 7
Resposta Selecionada: 
Na Unidade 1, usamos um modelo de regressão múltipla para a predição do valor
de imóveis. Aqui, para o mesmo problema, usamos como modelo uma árvore de
decisão. Dizemos que este modelo é um modelo de árvore de decisão para
regressão, já que a variável resposta, o valor do imóvel, é quantitativa. 
  
  
Figura: Árvore de decisão ajustada aos valores dos imóveis 
Fonte: Elaborada pelo autor. 
  
A respeito deste modelo de árvore de decisão aplicado ao problema de predição do
valor dos imóveis (replicado aqui, para sua conveniência), analise as afirmativas a
seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) Se o apartamento tiver uma área menor que 73,6 metros quadrados e for
localizado no bairro, a estimativa para seu valor é de 319,20 mil reais, se seu andar
for menor ou igual ao 6º andar. 
II. ( ) Se o apartamento tiver uma área menor que 73,6 metros quadrados, for
localizado no centro e seu andar for menor ou igual ao 6º andar, a estimativa para
seu valor é de 366,50 mil reais. 
III. ( ) Se o apartamento tiver uma área maior que 73,6 metros quadrados, a
estimativa para seu valor é de 448,80 mil reais, independentemente da sua
localização, bairro ou centro, e do seu andar. 
IV. ( ) Se o apartamento tiver uma área menor que 73,7 metros quadrados, for
localizado no centro e seu andar for igual ou maior que o 7º andar, a estimativa
para seu valor é de 366,50 mil reais. 
  
Assinale a alternativa que apresenta a sequência correta:
V, F, V, F.
0 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 8/10
Resposta Correta: 
Comentário
da
resposta:
F, F, V, V.
Sua resposta está incorreta. A sequência está incorreta.Se o apartamento tiver
uma área menor que 73,6 metros quadrados e for localizado no bairro, a
estimativa para seu valor não é de 319,20 mil reais. Se seu andar for menor ou
igual ao 6º andar, assim como se o apartamento tiver uma área menor que 73,6
metros quadrados, for localizado no centro e seu andar for menor ou igual ao 6º
andar, a estimativa para seu valor não é de 366,50 mil reais. Você deve percorrer
a árvore de cima para baixo, até os nós terminais, nos quais encontrará as
estimativas corretas.
Pergunta 8
Resposta Selecionada: 
Resposta Correta: 
Comentário
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). 
 
( ) A jovem cientista de dados escolheu como variável resposta a renda
mensal da pessoa, e tratou as demais variáveis como variáveis de entrada.
( ) 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.
( ) 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.
( ) 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. 
  
  
F, F, F, V.
F, F, F, V.
Resposta correta. A jovem cientista de dados escolheu como variável resposta se
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 9/10
da
resposta:
a pessoa havia, ao longo do período pesquisado, �cado 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
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da
resposta:
Os modelos de regressão são de enorme importância na estatística e na ciência dos
dados. Dentre os diversos modelos de regressão que existem, por exemplo, árvores
de decisão para regressão, k-vizinhos mais próximos para regressão e outros (não
vimos nenhum desses aqui, mas não se preocupe: o nosso curso é introdutório!),
são justamente os modelos de regressão linear aqueles considerados os mais
importantes e, sem dúvida, os mais difundidos, com aplicações nas mais diversas
áreas. 
  
Desse modo, é sobre eles que queremos saber o que você já aprendeu. Para isso,
analise as afirmativas a seguir. 
  
I. Modelos de regressão linear são usados como modelos preditivos para casos em
que a variável resposta é quantitativa. As variáveis de entrada podem ser de
qualquer tipo: quantitativas ou qualitativas. 
II. As variáveis de entrada também são denominadas variáveis regressoras,
variáveis preditoras ou variáveis independentes. 
III. A variável resposta também pode ser denominada variável de saída ou variável
dependente. 
IV. Modelos de regressão linear são usados como modelos preditivos para casos
em que a variável resposta é qualitativa. As variáveis de entrada podem ser de
qualquer tipo: quantitativas ou qualitativas. 
  
Está correto o que se afirma em: 
  
  
I, II e III, apenas. 
 
I, II e III, apenas.
 
Resposta correta. A alternativa está correta, pois a única a�rmativa falsa é a que
expõe que modelos de regressão linear são usados como modelos preditivos
para casos em que a variável resposta é qualitativa. Assim, é correto a�rmar que
modelos de regressão linear são usados como modelos preditivos para casos em
que a variável resposta é quantitativa e as variáveis de entrada podem ser de
qualquer tipo: quantitativas ou qualitativas.
1 em 1 pontos
13/12/2021 19:00 Revisar envio do teste: 20212 - PROVA N2 (A5) – ...
https://anhembi.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?COURSE_ID=_753931_1 10/10
Segunda-feira, 13 de Dezembro de 2021 19h59min18s BRT
Pergunta 10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
Discutimos o que são aprendizagem supervisionada e não supervisionada. Vimos
que é na forma como tratamos as variáveis estudadas que se dá a diferença entre
esses dois tipos de aprendizagens, supervisionada e não supervisionada. Esses
dois tipos são os mais importantes dentre os diversos tipos de aprendizagem. 
  
Relativamente a esse assunto, analise as afirmativas a seguir: 
  
I. Na aprendizagem supervisionada, definimos uma das variáveis estudadas como
sendo a variável resposta, a qual responde em função dos valores assumidos pelas
outras variáveis, as quais são chamadas de variáveis de entrada. 
II. Especificamente na aprendizagem supervisionada, também denominamos uma
variável resposta de variável de saída ou variável dependente. 
III. Especificamente na aprendizagem supervisionada, também denominamos uma
variável de entrada de variável regressora, variável preditora, variável explanatória 
ou variável independente. 
IV. Na aprendizagem não supervisionada, tratamos todas as variáveis estudadas da
mesma forma, sem procurar explicar o comportamento de uma delas em função
dos valores assumidos pelas outras. 
  
  
I, II, III e IV.
I, II, III e IV.
Resposta correta. Na aprendizagem supervisionada, de�nimos uma das variáveis
estudadas como sendo a variável resposta, a qual responde em função dos
valores assumidos pelas outras variáveis, as quais são chamadas de variáveis de
entrada; na aprendizagem supervisionada, também chamamos a variável
resposta de variável de saída ou variável dependente e as variáveis de entrada,
de variáveis regressoras, preditoras ou independentes. Na aprendizagem não
supervisionada, tratamos todas as variáveis estudadas da mesma forma, sem
procurar explicar o comportamento de uma delas em função dos valores
assumidos pelas outras.
1 em 1 pontos