A4 - ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

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: 
 
 
 
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): 
 
 
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. 
 
 
 
 
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. 
 
 
 
 
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. 
 
 
 
 
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. 
 
 
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. 
 
 
 
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. 
 
 
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. Introduçãoà 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. 
 
 
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 
 
 
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.