Atividade 4 Estatisca aplicada so data science

Prévia do material em texto

Atividade 4 ESTATÍSTICA APLICADA AO DATA SCIENCE 
 
1. 
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 descritiva é 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. 
 
 
 
 
 
 
 
 
 
 
 
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 
Murder 1.00 0.80 0.07 
Assault 0.80 1.00 0.26 
UrbanPop 0.07 0.26 1.00 
Rape 0.56 0.67 0.41 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
 
3. 
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 distâncias intergrupos 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. 
 
 
 
 
 
 
 
 
 
 
4. 
A escolha de grupos formados por um algoritmo de agrupamento hierárquico pode ser 
feita por meio da leitura do dendrograma resultante. Escolhe-se a altura (Height) 
desejada, se traça uma linha horizontal a partir dessa altura, que cruzará com as 
linhas verticais dos grupos formados nesta altura. O cientista de dados decide se 
esses grupos são adequados para a sua análise. 
 
Veja, por exemplo, a figura abaixo. 
 
 
 
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
Com respeito da leitura deste dendrograma, analise as afirmativas a seguir e 
assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A altura 4 cruza com duas linhas verticais, que indicam dois grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, e o segundo deles formado 
pelos estados {Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
II. ( ) A altura 4 cruza com três linhas verticais, que indicam três grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, o segundo deles formado pelos 
estados {Colorado, Arizona, California}, e o terceiro deles formado pelos estados 
{Alaska, Alabama, Arkansas}. 
III. ( ) A altura 3 cruza com duas linhas verticais, que indicam dois grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, e o segundo deles formado 
pelos estados {Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
IV. ( ) A altura 3 cruza com três linhas verticais, que indicam três grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, o segundo deles formado pelos 
estados {Colorado, Arizona, California}, e o terceiro deles formado pelos estados 
{Alaska, Alabama, Arkansas}. 
 
 
 
 
 
 
 
 
5. 
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. 
 
 
 
 
6. 
Na estatística, quanto duas variáveis quantitativas comportam-se uma em relação à 
outra de forma aproximadamente linear, é comum se calcular a correlação entre elas. 
Esse cálculo, entretanto, ao estudo da relação entre duas variáveis qualitativas, ou 
entre uma variável quantitativa e uma variável qualitativa. 
 
A respeito do cálculo da correlação entre duas variáveis quantitativas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra 
variável diminui. 
II. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra 
variável também aumenta. 
III. ( ) Uma correlação negativa indica que quando uma das variáveis aumenta a outra 
variável diminui. 
IV. ( ) Uma correlaçãonegativa indica que quando uma das variáveis diminui a outra 
também diminui. 
 
 
 
 
 
 
 
 
 
 
7. 
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 
x1 1,00 - 0,85 - 0,78 - 0,87 
x2 - 0,85 1,00 0,79 0,89 
x3 - 0,78 0,79 1,00 0,66 
x4 - 0,87 0,89 0,66 1,00 
x5 0,42 - 0,43 - 0,71 - 0,17 
 
 
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. 
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. 
 
 
 
 
 
 
 
 
 
 
 
8. 
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. 
 
 
 
 
 
 
 
 
 
 
 
9. 
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: 
 
 
 
 
 
 
 
 
 
10. 
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