Atividade 4 - ESTATISTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

1) Os métodos de aprendizagem estatística (statistical learning, em inglês) são
divididos em métodos de aprendizagem supervisionada e métodos de aprendizagem
não supervisionada. Para cada uma dessas diferentes abordagens, há uma coleção
relativamente grande de diferentes métodos, cada um com seu próprio jeito de
funcionamento.
Assinale a alternativa que indica um problema de aprendizagem não supervisionada:
R: Desejamos entender se há similaridade entre observações (indivíduos) de uma
certa amostra de dados
2) 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.
R: V, V, V, F.
3) 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.
R: A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
4) Leia o excerto a seguir:
“Normalização: É comum normalizar (padronizar) variáveis contínuas através da
subtração da média e divisão pelo desvio-padrão, ou então as variáveis com grande
escala dominarão o processo de agrupamento (veja Padronização (Normalização,
Escores Z), no Capítulo 6).”
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados: 50
conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 265.
A partir do apresentado, analise as asserções a seguir e a relação proposta entre
elas.
I. Sabemos que, na estatística ou na ciência dos dados, é comum normalizar
(padronizar) variáveis quantitativas, ou variáveis contínuas, antes da realização de
uma análise de agrupamento.
Pois
II. No conjunto de dados observados (a amostra de dados), podem existir variáveis
que estão em uma escala muito maior que as outras, e a medida de distância entre
observações dessas variáveis dominarão o resultado da análise de agrupamento, na
formação dos grupos de observações similares entre si.
R: As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta
da I
5) 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
cliques em 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.
R: V, V, V, V.
6) 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.
R: As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa
da I.
7) 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.
R: I, II, III e IV.
8) Leia o excerto a seguir:
“Exploração de dados é a arte de olhar os seus dados, rapidamente gerar hipóteses
sobre eles, e rapidamente testar essas hipóteses. E repetir isso outra vez, outra vez,
outra vez. O objetivo da exploração de dados é a geração de pistas sobre o que os
dados nos revelam, pistas que você poderá explorar, mais tarde, em maior
profundidade.”
WICKHAM, Hadley; GROLEMUN, Garret. R for data science: import, tidy,
transform, visualize, and model dada. Sebastopol (CA): O’Reilly Media, 2017, p.1.
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. ( ) Análise estatística descritivaé parte da análise exploratória de dados,
frequentemente entendida como a exploração inicial dos dados.
II. ( ) Além dos métodos da estatística descritiva, algoritmos de agrupamento
também são parte da análise exploratória de dados.
III. ( ) A análise exploratória dos dados permite a geração de hipóteses sobre os
dados, para posterior investigação mais detalhada.
IV. ( ) Gerar hipóteses sobre dados significa gerar afirmações sobre possíveis
padrões e descobertas reveladas pelos dados, a serem melhor investigadas e
comprovadas.
R: V, V, V, V.
9) Na estatística ou, genericamente, na análise de dados, muito frequentemente
analisamos dados ditos retangulares ou estruturados, onde as variáveis -
quantitativas ou qualitativas - são dispostas nas colunas e as observações na linhas
de uma tabela. Em algumas situações é vantajoso se fazer a padronização das
variáveis quantitativas.
Assinale a alternativa correta relativamente ao assunto de padronização de variáveis
quantitativas na estatística:
R: Na padronização, se subtrai de cada variável sua média, e depois se divide o
resultado pelo seu desvio padrão.
10) 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.
R: V, V, V, V.