A4 EAD estatistica aplicada ao data science

Prévia do material em texto

ESTATÍSTICA APLICADA AO DATA 
SCIENCE 
 
 
Discutimos o que são aprendizagem supervisionada e não supervisionada. Vimos que é na forma como tratamos as variáveis 
estudadas que se dá a diferença entre esses dois tipos de aprendizagens, supervisionada e não supervisionada. Esses dois 
tipos são os mais importantes dentre os diversos tipos de aprendizagem. 
 
Relativamente a esse assunto, analise as afirmativas a seguir: 
 
I. Na aprendizagem supervisionada, definimos uma das variáveis estudadas como sendo a variável resposta, a qual responde 
em função dos valores assumidos pelas outras variáveis, as quais são chamadas de variáveis de entrada. 
II. Especificamente na aprendizagem supervisionada, também denominamos uma variável resposta de variável de saída ou 
variável dependente. 
III. Especificamente na aprendizagem supervisionada, também denominamos uma variável de entrada de variável regressora, 
variável preditora, variável explanatória ou variável independente. 
IV. Na aprendizagem não supervisionada, tratamos todas as variáveis estudadas da mesma forma, sem procurar explicar o 
comportamento de uma delas em função dos valores assumidos pelas outras. 
 
 
a. 
I, II e IV, apenas. 
 
 
b. 
I, III e IV, apenas. 
 
c. 
I, II, III e IV. 
 
d. 
II, III e IV, apenas. 
 
e. 
II e III, apenas. 
Questão 2 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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. 
 
a. 
V, V, F, F. 
 
b. 
V, V, F, V. 
 
c. 
F, V, F, V. 
 
d. 
V, V, V, V. 
 
e. 
F, F, F, F. 
Questão 3 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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. 
 
 
a. 
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. 
 
b. 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
c. 
As asserções I e II são proposições falsas. 
 
d. 
A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 
 
e. 
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
Questão 4 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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. 
 
 
 
a. 
I, II e III apenas. 
 
b. 
I, III e IV apenas. 
 
c. 
I, II e IV apenas. 
 
d. 
II e III apenas. 
 
e. 
I, II, III e IV. 
Questão 5 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
Um jovem cientista de dados realizou uma análise de agrupamento de apenas cinco estados americanos parte do famoso 
conjunto de dados USArrests, o qual possue 50 observações (50 estados americanos) de 4 variáveis (Murder, Assault, 
UrbanPop e Rape). 
 
Obteve o resultado exibido na figura exibida adiante: 
 
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
 
a. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados Texas e Arkansas os mais 
próximos em termos de violência urbana. 
 
b. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados New Mexico e Oklahoma os 
mais próximos em termos de violência urbana. 
 
c. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de baixo para cima, na altura (height) 1,5 sugere a 
formação de 6 grupos. 
 
d. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que representa os vários grupos formados em cada estágio 
do processo de agrupamento hierárquico. 
 
e. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de cima para baixo, na altura (height) 1,5 sugere a 
formação de 10 grupos. 
Questão 6 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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 propósitode 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. 
 
a. 
V, V, F, F. 
 
b. 
F, V, V, F. 
 
c. 
V, F, F, V. 
 
d. 
V, V, V, F. 
 
e. 
V, V, V, V. 
Questão 7 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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: 
 
a. 
Na padronização, se subtrai de cada variável seu desvio padrão, e depois se divide o resultado pela média da variável. 
 
b. 
Na padronização, se subtrai de cada variável sua média, e não se faz nada com respeito ao seu desvio padrão. 
 
c. 
Na padronização, se calcula a média geral entre todas variáveis e depois se subtrai este valor de cada uma das variáveis. 
 
 
d. 
Na padronização, se subtrai de cada variável seu desvio padrão, e não se faz nada com respeito à sua média. 
 
e. 
Na padronização, se subtrai de cada variável sua média, e depois se divide o resultado pelo seu desvio padrão. 
Questão 8 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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 
 
 
a. 
Dois grupos com 5 indivíduos cada. 
 
b. 
Quatro grupos, um com 5 indivíduos, dois com 1 indivíduo cada, e um com 4 indivíduos. 
 
c. 
Dois grupos, um com 6 indivíduos e outro com 4 indivíduos. 
 
d. 
Três grupos, um com 5 indivíduos, um com 1 indivíduo, e um com 4 indivíduos. 
 
e. 
Dois grupos, um com 1 indivíduo e um com 9 indivíduos. 
 
Questão 9 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
 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. 
 
 
a. 
As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. 
 
b. 
A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 
 
c. 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
d. 
As asserções I e II são proposições falsas. 
 
e. 
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. 
Questão 10 
Correto 
Atingiu 1,00 de 1,00 
Marcar questão 
Texto da questão 
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. 
 
a. 
F, V, V, V. 
 
b. 
V, V, V, V. 
 
 
 
c. 
F, V, V, F. 
 
d. 
V, V, V, F. 
 
e. 
F, V, F, V.