ESTATÍSTICA APLICADA AO DATA SCIENCE - A3

Prévia do material em texto

1. 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:
2. 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.
3. 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:
4. 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:
5. 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.
6. 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.
7. 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.
8. 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 as áreas científicas.
9. 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}.
10. 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 correlação negativa indica que quando uma das variáveis diminui a outra
também diminui.