NOTA 10 - Atividade 2 (A2) - ESTATISTICA APLICADA AO DATA SCIENCE - EAD FMU

Prévia do material em texto

PERGUNTA 1 
1. 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: 
 
1. 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; 
2. 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; 
3. 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; 
4. 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: 
 
 
 
 I, II, III e IV. 
 
 
I e III, apenas. 
 
 
 
 
 III e IV, apenas. 
 
 I e II, apenas. 
 
 II e IV, apenas. 
1 pontos 
PERGUNTA 2 
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, F. 
 
 
F, F, V, V. 
 
 
 
 
 F, V, V, V. 
 
 F, V, F, V. 
 
 V, V, F, V. 
1 pontos 
PERGUNTA 3 
1. 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. 
 
1. Na aprendizagem supervisionada, um problema de regressão é 
um no qual a variável resposta é qualitativa. 
2. Na aprendizagem supervisionada, um problema de regressão é 
um no qual a variável resposta é quantitativa. 
3. Na aprendizagem supervisionada, um problema de classificação 
é um no qual a variável resposta é qualitativa. 
4. 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. 
 
 III, apenas. 
 
 III e IV, apenas. 
 
 II e IV, apenas. 
 
 I e III, apenas. 
 
1 pontos 
PERGUNTA 4 
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. 
 
 
 
 V, V, F, F. 
 
 F, F, F, F. 
 
 V, V, V, V. 
 
 F, V, F, V. 
 
 F, F, V, V. 
1 pontos 
PERGUNTA 5 
1. 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 37% . 
 
 17% e 27%. 
 
 
7% e 27%. 
 
 
 
 
 
 27% e 7%. 
 
 37% e 17%. 
1 pontos 
PERGUNTA 6 
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. 
 
 
 
 F, V, V, V. 
 
 V, V, F, F. 
 
 V, V, F, V. 
 
 F, V, F, V. 
 
 
F, F, V, F. 
 
 
 
1 pontos 
PERGUNTA 7 
1. 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). 
 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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 referentes a um novo cliente, 
classificar esse cliente como um mau pagador potencial, o banco 
não aprovará o cartão. 
4. ( ) 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. 
5. ( ) 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. 
 
 
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 8 
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, F, F, V. 
 
 
F, F, V, V. 
 
 
 
 
 F, V, V, F. 
 
 V, V, V, V. 
 
 V, V, F, F. 
1 pontos 
PERGUNTA 9 
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: 
 
 
 
 III e IV, apenas. 
 
 I e II, apenas. 
 
 II e III, apenas. 
 
 
I, II, III e IV. 
 
 
 
 II, III e IV, apenas. 
1 pontos 
PERGUNTA 10 
1. 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: 
 
 
 
 II e III, apenas. 
 
 I e II, apenas. 
 
 I, III e IV apenas. 
 
 
I e IV, apenas. 
 
 
 
 
 
 IV, apenas.