Atividade 2 A2 - Estatística aplicada ao data science

Prévia do material em texto

Curso GRA1561 ESTATÍSTICA APLICADA AO DATA SCIENCE GR0890-212-3 - 
202120.ead-19326.01 
Teste ATIVIDADE 2 (A2) 
Status Completada 
• Pergunta 1 
1 em 1 pontos 
 
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. 
 
 
 
Resposta Selecionada: 
F, F, F, V. 
Resposta Correta: 
F, F, F, V. 
Comentário 
da resposta: 
Resposta correta. 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. 
 
 
• Pergunta 2 
1 em 1 pontos 
 
A atividade de venda de produtos financeiros por bancos, tais como cartões 
de crédito, requer que se faça uma avaliação do cliente. São focos dessa 
avaliação aprovar ou não um cartão de crédito para o cliente e, se aprovado, 
definir o limite do cartão, ou seja, o valor do crédito a conceder. 
 
Com base nessa introdução, analise as afirmativas a seguir. 
 
1. O primeiro foco da avaliação é um problema de regressão: aprovar 
(sim ou não) o cartão de crédito, uma variável qualitativa dicotômica, 
com dois níveis (classes). 
2. O primeiro foco da avaliação é um problema de classificação: aprovar 
(sim ou não) o cartão de crédito, uma variável qualitativa dicotômica, 
com dois níveis (classes). 
3. O segundo foco da avaliação é um problema de classificação, 
predizer o valor do limite (do crédito) do cartão. 
4. O segundo foco da avaliação é um problema de regressão, predizer o 
valor do limite (do crédito) do cartão. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
II e IV, apenas. 
Resposta Correta: 
II e IV, apenas. 
Comentário 
da resposta: 
Resposta correta. O primeiro foco da avaliação é um 
problema de classificação, aprovar (sim ou não) o cartão de 
crédito, uma variável qualitativa dicotômica, com dois níveis 
(classes); o segundo foco da avaliação é um problema de 
regressão, ou seja, predizer o valor do limite (de crédito) do 
cartão a ser concedido para o cliente. Esse valor é uma 
variável quantitativa, cuja predição é feita por algoritmos 
de regressão. 
 
 
• Pergunta 3 
1 em 1 pontos 
 
Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um 
modelo de regressão logística múltipla aos dados da amostra. Os resultados 
que encontrou foram muito ricos, sugerindo uma série de explicações, 
aprendidas pelo algoritmo com base nos dados fornecidos. Veja que 
dizemos “explicações sugeridas”, pois qualquer resultado de um algoritmo 
 
deve ser confrontado com especialistas da área em estudo. Contudo, vamos 
rever o que o modelo de regressão múltipla treinado pela jovem cientista de 
dados sugere. Para isso, analise as afirmativas a seguir. 
 
1. A probabilidade da inadimplência cresce com o aumento dos gastos 
médios com o cartão de crédito. Isto, que nos parece óbvio, foi o que 
os dados “contaram” para o algoritmo de regressão logística múltipla. 
2. A probabilidade da inadimplência cresce com o aumento da renda 
média mensal das pessoas. Isto não é tão óbvio e provavelmente não 
teríamos coragem de generalizar para outras situações, mas foi o que 
os dados da amostra do gerente do banco “contaram” para o 
algoritmo de regressão logística múltipla. 
3. Para duas pessoas com a mesma renda mensal e o mesmo gasto 
mensal com cartão de crédito, a probabilidade de inadimplência com 
o cartão é maior para aquela sem emprego estável. Novamente, isto 
foi o que os dados amostrados “contaram” para o algoritmo de 
regressão logística múltipla. 
4. O modelo de regressão logística múltipla, ajustado aos dados da 
amostra, consegue predizer os efeitos da renda mensal da pessoa, 
do seu gasto médio mensal com cartão de crédito e se ela tem ou 
não um emprego estável, na probabilidade de a pessoa ficar 
inadimplente com o cartão de crédito. Um algoritmo desse tipo pode 
ajudar no processo decisório de um banco quanto à aprovação de 
cartão de crédito, ao lado de outros critérios e ferramentas analíticas 
disponíveis para o banco. 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
Comentário 
da resposta: 
Resposta correta. Todas as asserções desta questão são 
verdadeiras. Para os dados analisados, probabilidade da 
inadimplência cresce com o aumento dos gastos médios 
com o cartão de crédito e com o aumento da renda 
média mensal das pessoas. Para duas pessoas com a 
mesma renda mensal e o mesmo gasto mensal com 
cartão de crédito, a probabilidade de inadimplência com 
 
o cartão é maior para aquela sem emprego estável. E o 
modelo de regressão logística múltipla é um modelo 
preditivo, um classificador probabilístico. 
 
• Pergunta 4 
1 em 1 pontos 
 
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. 
 
 
 
Resposta Selecionada: 
V, V, F, V. 
Resposta Correta: 
V, V, F, V. 
Comentário 
da resposta: 
Resposta correta. A única asserção falsa é a que afirma 
que para examinar visualmente a relação entre duas 
variáveis quantitativas, um dos gráficos preferidos é o 
diagrama de caixas, também conhecido como boxplot. 
Para examinar visualmente a relação entre duas 
 
variáveis, em que uma é quantitativa e a outra é 
qualitativa, não é possível a utilizaçãode gráficos de 
dispersão. Para isso, usamos boxplots, em que, no eixo 
horizontal, indicamos os níveis da variável qualitativa e, 
no eixo vertical, a variação dos valores observados para 
a variável quantitativa. Podemos inverter a posição 
desses eixos. 
 
• Pergunta 5 
1 em 1 pontos 
 
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 de 
uma 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. 
 
4. 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: 
 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
Resposta Correta: 
II, III e IV, apenas. 
Comentário 
da resposta: 
Resposta correta. Modelo de regressão logística é dito 
simples quanto se considera apenas uma variável de 
entrada; o modelo exposto nesta questão é, de fato, 
aquele adotado pela cientista de dados, e o método que 
ela usou para determinar os coeficientes do modelo foi o 
Método da Máxima Verossimilhança, através do software 
estatístico R. 
 
• Pergunta 6 
1 em 1 pontos 
 
Vimos que são muitos os algoritmos de classificação usados na estatística 
ou na ciência dos dados. Vimos também que podem ser divididos entre 
classificadores determinísticos ou probabilísticos, em que, dentre estes 
últimos, se encontra o modelo de regressão logística. Relativamente a 
modelos de regressão logística, que são aqui o nosso foco, analise as 
afirmativas a seguir. 
 
4. Modelos de regressão logística são usados como modelos preditivos 
para casos em que a variável resposta é qualitativa, 
preferencialmente qualitativa dicotômica. As variáveis de entrada 
podem ser de qualquer tipo, quantitativas ou qualitativas. 
5. Modelos de regressão logística são chamados de regressão logística 
simples, quando só há uma variável de entrada, também denominada 
de variável regressora, variável preditora ou variável independente. 
6. Modelos de regressão logística são chamados de regressão logística 
múltipla, quando há mais do que uma variável de entrada, também 
denominadas de variáveis regressoras, variáveis preditoras ou 
variáveis independentes. 
7. Modelos de regressão logística são classificadores probabilísticos. 
Por exemplo, para dados sintomas de um certo paciente, um modelo 
de regressão logística, depois de adequadamente treinado, fará a 
predição da probabilidade deste paciente estar ou não infectado com 
o vírus HIV. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
Comentário 
da resposta: 
Resposta correta. Modelos de regressão logística são 
usados quando a variável resposta é qualitativa, 
preferencialmente qualitativa dicotômica. Regressão 
logística simples e múltipla são, respectivamente, quanto 
só há uma ou há várias variáveis de entrada. Modelos de 
regressão logística são classificadores probabilísticos. Ou 
seja, todas as asserções são verdadeiras. 
 
• Pergunta 7 
1 em 1 pontos 
 
A estatística descritiva usa de métodos numéricos para resumir dados, 
também chamados de sumários estatísticos, e de gráficos para a 
visualização dos dados. A jovem cientista de dados usou algumas técnicas 
de visualização de dados para analisar sua amostra, mas deixou outras de 
lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise 
descritiva dos dados. 
 
0. Na sua análise descritiva dos dados da amostra, a jovem cientista de 
dados usou histogramas para a visualização dos dados quantitativos 
das amostras, que são a renda mensal das pessoas e seus gastos 
médios com o cartão de crédito. 
1. Na sua análise descritiva dos dados da amostra, a jovem cientista de 
dados usou diagramas de barras para a visualização dos dados 
quantitativos das amostras, que são a renda mensal das pessoas e 
seus gastos médios com o cartão de crédito. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de 
visualização gráfica de dados quantitativos e qualitativos, 
respectivamente, na estatística e na ciência dos dados. 
4. A jovem cientista de dados usou, para este caso, apenas 
histogramas, e preferiu apenas lançar mão da função table() do 
software estatístico R, para determinar a frequência com que os 
níveis das variáveis qualitativas se manifestaram na amostra 
estudada, sem fazer uso de diagramas de barras, o que poderia ter 
feito, se quisesse. 
 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
I, III e IV apenas. 
Resposta Correta: 
I, III e IV apenas. 
Comentário 
da resposta: 
Resposta correta. Histogramas e diagramas de barras 
são formas tradicionais de visualização gráfica de dados 
quantitativos e qualitativos, respectivamente, na 
estatística e na ciência dos dados, e a jovem cientista de 
dados não lançou mão de diagramas de barras. Neste 
caso, para visualizar os dados qualitativos, poderia ter 
feito isso, se quisesse. Diagramas de barras são usados 
para a visualização de dados qualitativos, não 
quantitativos. 
 
 
• Pergunta 8 
1 em 1 pontos 
 
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. 
 
3. 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. 
4. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável resposta de variável de saída ou variável 
dependente. 
5. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável de entrada de variável regressora, 
variável preditora ou variável independente. 
6. 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. 
 
 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
I, II, III e IV. 
Resposta Correta: 
I, II, III e IV. 
Comentário 
da resposta: 
Resposta correta. 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; na aprendizagem 
supervisionada, também chamamos a variável resposta 
de variável de saída ou variável dependente e as 
variáveis de entrada, de variáveis regressoras, preditoras 
ou independentes. 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. 
 
 
• Pergunta9 
0 em 1 pontos 
 
Ao longo das nossas discussões, demos foco a um classificador chamado 
de regressão logística que, apesar do nome regressão (esse nome por 
razões históricas e por conta de algumas de suas características), é usado 
como um classificador. Mas também vimos que existem outros tipos de 
classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as 
afirmativas a seguir. 
 
0. Regressão logística é o único método de aprendizagem 
supervisionada que é utilizado para classificação, todos outros 
métodos são métodos de regressão. 
1. Apesar do nome regressão logística, o que acaba sendo um pouco 
confuso para iniciantes, na verdade este é um dos vários métodos de 
aprendizagem supervisionada utilizado para classificação. 
2. Dentre os métodos utilizados para classificação se encontram 
regressão logística, análise discriminante linear (LDA = Linear 
Discriminant Analysis), árvores de decisão para classificação, 
máquinas de vetores de suporte (SVM = support vector machines) e 
k-vizinhos mais próximos (KNN = k-nearest neighbors). 
3. Regressão linear não é um método de classificação, mas, sim, um 
dos métodos preditivos de aprendizagem supervisionada usados na 
predição de valores de variáveis respostas quantitativas. 
 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
I, III e IV, apenas. 
Resposta Correta: 
II, III e IV, apenas. 
 
 
 
Comentário 
da resposta: 
Sua resposta está incorreta. A única asserção incorreta 
desta questão é a primeira, que afirma que regressão 
logística é o único método de aprendizagem 
supervisionada que é utilizado para classificação, todos 
outros métodos são métodos de regressão. 
 
 
• Pergunta 10 
1 em 1 pontos 
 
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). 
 
0. ( ) Todos os dados fornecidos pelo gerente do banco à jovem 
cientista de dados são dados relativos a variáveis quantitativas. 
1. ( ) Todos os dados fornecidos pelo gerente do banco à jovem 
cientista de dados são dados relativos a variáveis qualitativas. 
2. ( ) 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. 
3. ( ) 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. 
 
 
 
Resposta Selecionada: 
F, F, V, F. 
 
 
 
Resposta Correta: 
F, F, V, F.