Aprovação de Cartões de Crédito, Classificadores e Gráficos de Dispersão

Prévia do material em texto

PERGUNTA 1
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.
 
 
	
	
	V, V, F, F.
	
	
	V, V, F, V.
	
	
	F, F, F, F.
	
	
	V, V, V, V.
 
 
	
	
	F, V, F, V.
1 pontos   
PERGUNTA 2
1. Discutimos sobre classificadores determinísticos e probabilísticos. Demos, como exemplo, uma variável resposta qualitativa  com dois níveis (classes), o indivíduo está infectado pelo vírus HIV (  ) ou não está infectado (  ), dado um conjunto de sintomas   que ele apresenta.
 
Reveja esse assunto e analise as afirmativas a seguir.
 
1. Um classificador determinístico vai dizer se o indivíduo está ou não está infectado, dados os sintomas que apresenta.
2. Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo estar ou não infectado, dados os sintomas que apresenta.
3. No jargão da estatística, escrever  significa que a variável aleatória resultou no valor , em que  é um dos possíveis valores que a variável aleatória pode assumir (ou seja, uma de suas classes, no caso, das variáveis qualitativas).
4. Nesse mesmo jargão, escrever  significa a probabilidade de ser igual a um dos seus possíveis valores , quando a variável de entrada  é igual a  (dado que ).
 
Está correto o que se afirma em:
 
 
	
	
	I, II e III, apenas .
	
	
	III e IV, apenas.
	
	
	I, II, III e IV.
 
 
 
	
	
	II e III, apenas.
	
	
	I, II e IV, apenas.
1 pontos   
PERGUNTA 3
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.
 
 
	
	
	F, F, V, V.
 
 
 
	
	
	F, V, V, V.
	
	
	V, V, F, V.
	
	
	V, V, F, F.
	
	
	F, V, F, V.
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, V, V.
	
	
	V, V, F, F.
	
	
	F, V, F, V.
	
	
	F, F, F, F.
	
	
	F, F, V, V.
1 pontos   
PERGUNTA 5
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, V, V, V.
	
	
	F, F, V, V.
 
 
 
	
	
	V, V, F, F.
	
	
	F, V, V, F.
	
	
	V, F, F, V.
1 pontos   
PERGUNTA 6
1. Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e (2) modelos de regressão logística. Esses modelos são aplicados em situações bem distintas, que dependem, essencialmente, da natureza da variável resposta, também chamada de variável dependente.
 
Com esses dois modelos em mente, analise as afirmativas a seguir.
 
1. Modelos de regressão logística simples são usados na predição deuma variável resposta qualitativa quando há mais do que uma variável de entrada.
2. Modelos de regressão linear simples são usados na predição de uma variável resposta qualitativa quando se considera apenas uma variável de entrada.
3. Um possível modelo de regressão logística simples para a predição da probabilidade de inadimplência é:
 
 
em que   e   são os coeficientes do modelo,  , o gasto médio mensal da pessoa com cartão de crédito e  , o valor esperado para a probabilidade de a pessoa ficar ou não inadimplente com o pagamento das faturas do cartão.
 
1. O método comumente usado para calcular os valores dos coeficientes  e  é o Método da Máxima Verossimilhança. Para isso, pode-se fazer uso do software estatístico R.
 
Está correto o que se afirma em:
 
 
	
	
	II, III e IV, apenas.
	
	
	III e IV, apenas.
	
	
	I e II, apenas.
	
	
	I, II e IV, apenas.
 
 
	
	
	II e III, apenas.
1 pontos   
PERGUNTA 7
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.
	
	
	F, F, V, F.
 
 
 
	
	
	V, V, F, V.
	
	
	F, V, F, V.
	
	
	V, V, F, F.
1 pontos   
PERGUNTA 8
1. Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma jovem cientista de dados usou boxplots (diagramas de caixas). Como cientista de dados, ela sabia exatamente em que situações empregar boxplots. 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. ( ) Para examinar visualmente a relação entre duas variáveis, em que uma é quantitativa e a outra é qualitativa, não é possível a utilização de gráficos de dispersão.
2. ( ) Boxplots são uma solução inteligente para a visualização da relação entre uma variável quantitativa e uma variável qualitativa, em que no eixo horizontal indicamos os níveis da variável qualitativa e no eixo vertical, a variação dos valores observados para a variável quantitativa.
3. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos preferidos é o diagrama de caixas, também conhecido como boxplot.
4. ( ) Na construção de um boxplot, podemos representar no eixo vertical os níveis da variável qualitativa e no eixo horizontal, os valores da variável quantitativa. Nesse caso, a visualização da variação dos dados da variável quantitativa é exibida horizontalmente, e os níveis (classes) da variável qualitativa são exibidos verticalmente.
 
Assinale a alternativa que apresenta a sequência correta.
 
 
	
	
	V, V, F, V.
	
	
	V, F, F, V.
	
	
	F, F, V, V.
 
 
	
	
	V, V, F, F.
	
	
	F, V, V, F.
1 pontos   
PERGUNTA 9
1. 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).
 
1. ( ) A jovem cientista de dados escolheu como variável resposta a renda mensal da pessoa, e tratou as demais variáveis como variáveis de entrada.
2. ( ) 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.
3. ( ) 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.
4. ( ) 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, V, V, F.
	
	
	F, V, F, V.
	
	
	F, F, F, V.
	
	
	F, F, V, V.
 
	
	
	V, V, F, F.
1 pontos   
PERGUNTA 10
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 IV, apenas.
	
	
	III e IV, apenas.
	
	
	II e III, apenas.
	
	
	I e III, apenas.
 
	
	
	III, apenas.