Atividade 2 (A2)_ ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Iniciado em sexta, 26 mai 2023, 18:19
Estado Finalizada
Concluída em sexta, 26 mai 2023, 18:41
Tempo
empregado
22 minutos 45 segundos
Avaliar 10,00 de um máximo de 10,00(100%)
Questão 1
Correto
Atingiu 1,00 de 1,00
Questão 2
Correto
Atingiu 1,00 de 1,00
O modelo de regressão logística simples desenvolvido por uma jovem cientista de dados para a predição da probabilidade de inadimplência
com o cartão de crédito foi:
 
 
Tomando como base esse modelo, que foi ajustado aos dados da amostra cedida pelo gerente, podemos estimar o valor esperado para a
probabilidade de inadimplência com cartão de crédito das pessoas. Por exemplo, vamos considerar duas pessoas, uma com um gasto de
médio mensal com o cartão de R$ 500,00, e a outra com um gasto médio mensal de R$ 1.000,00. Usando o modelo ajustado anterior,
obtemos, respectivamente (assinale a alternativa correta):
 
 
a. 17% e 27%.
b. 7% e 27%.
c. 7% e 37% .
d. 27% e 7%.
e. 37% e 17%.
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.
 
I. 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.
II. 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.
III. 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.
IV. 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:
 
a. I, II e III, apenas.
b. IV, apenas.
c. I e III, apenas.
d. I, II, III e IV.
e. II e III, apenas.
Questão 3
Correto
Atingiu 1,00 de 1,00
Naturalmente, dados ocupam uma posição central, tanto na estatística quanto na ciência dos dados. Entendê-los, saber da sua natureza, o
que representam, é de suma importância, antes da realização de qualquer análise ou projeto. Os dados são divididos entre quantitativos e
qualitativos, na estatística e na ciência dos dados. Relativamente aos qualitativos, analise as afirmativas a seguir e assinale V para a(s)
Verdadeira(s) e F para a(s) Falsa(s).
 
I. ( ) Dados qualitativos dicotômicos são dados observados de variáveis qualitativas que podem assumir apenas dois níveis (também
chamados de classes) como seus valores, tais como sexo (feminino ou masculino), ocupação (empregado ou desempregado),
localização (bairro ou centro), emprego estável (sim ou não), inadimplente (sim ou não).
II. ( ) Dados qualitativos politômicos são aqueles oriundos de variáveis qualitativas que podem assumir três ou mais níveis como seus
valores, tais como classe social (A, B, C, D e E), escolaridade (fundamental, médio, superior), gravidade da doença (baixa, média,
alta).
III. ( ) A função table() do R permite a contagem da frequência de cada nível assumido por uma variável qualitativa em uma dada amostra,
e foi usada pela jovem cientista de dados para contar a frequência de pessoas com ou sem emprego estável e se ficaram ou não
inadimplentes com o pagamento das faturas do cartão no período amostrado.
IV. ( ) Um mosaicplot permite a visualização gráfica da relação entre duas variáveis qualitativas. Foi usado por uma jovem cientista de
dados para examinar a possível relação entre duas variáveis qualitativas dicotômicas: pessoas com ou sem emprego estável e se
ficaram ou não inadimplentes com o pagamento das faturas do cartão de crédito ao longo do período amostrado. Ela percebeu, ao ver
o gráfico resultante (ver figura adiante), que parece haver um maior nível de inadimplência com o cartão entre aquelas que não têm
emprego estável.
 
 
Assinale a alternativa que apresenta a sequência correta.
 
 
a. F, V, F, V.
b. V, V, F, V.
c. V, V, V, V.
d. V, V, F, F.
e. F, F, F, F.
Questão 4
Correto
Atingiu 1,00 de 1,00
Questão 5
Correto
Atingiu 1,00 de 1,00
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).
 
I. ( ) 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.
II. ( ) 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.
III. ( ) 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.
IV. ( ) 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.
 
a. V, V, F, V.
b. F, V, V, V.
c. F, F, V, V.
d. V, V, F, F.
e. F, V, F, V.
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).
 
I. ( ) A jovem cientista de dados escolheu como variável resposta a renda mensal da pessoa, e tratou as demais variáveis como variáveis
de entrada.
II. ( ) 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.
III. ( ) 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.
IV. ( ) 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.
 
 
a. F, V, F, V.
b. F, F, F, V.
c. F, V, V, F.
d. F, F, V, V.
e. V, V, F, F.
Questão 6
Correto
Atingiu 1,00 de 1,00
Questão 7
Correto
Atingiu 1,00 de 1,00
O ser humano tem enorme facilidade em agrupar, por similaridade, e classificar coisas, todos os tipos de coisas. Por conta disso, problemas
de classificação são muito frequentes no mundo, mais frequentes que problemas de regressão. Fornecemos alguns exemplos de aplicação
de métodos de classificação no mundo dos negócios. Dentre esses exemplos, encontramos:
 
I. a Netflix usa classificadores para recomendar filmes. Para a Netflix, o valor desse tipode aplicação é que, quanto mais filmes
assistirmos, maior será a sua receita;
II. o Facebook usa classificadores para recomendar novas amizades para a nossa rede de relacionamento. Para o Facebook, o valor
desse tipo de aplicação é que, quanto maior nossa rede de relacionamento, maior será a sua receita;
III. um banco de varejo usa classificadores para detectar se uma operação com cartão de débito ou crédito é ou não uma operação
fraudulenta. Para o banco, o valor dessa aplicação é que, quanto antes operações fraudulentas forem detectadas, mais rapidamente o
banco pode agir para impedir perdas para seus clientes e para ele próprio;
IV. uma concessionária de distribuição de energia elétrica usa classificadores para identificar casos potenciais de roubo de energia da
rede, os famosos “gatos”. Para as concessionárias de distribuição de energia elétrica, o valor dessa aplicação é evitar prejuízo com o
furto de energia da rede, além do relevante aspecto de prevenção de acidentes decorrentes de instalações clandestinas.
 
Está correto o que se afirma em:
 
 
a. I, II, III e IV.
b. III e IV, apenas.
c. I e III, apenas.
 
 
 
d. I e II, apenas.
e. II e IV, apenas.
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.
 
I. Modelos de regressão logística simples são usados na predição de uma variável resposta qualitativa quando há mais do que uma
variável de entrada.
II. Modelos de regressão linear simples são usados na predição de uma variável resposta qualitativa quando se considera apenas uma
variável de entrada.
III. 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.
 
IV. 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:
 
a. II e III, apenas.
b. III e IV, apenas.
c. II, III e IV, apenas.
d. I e II, apenas.
e. I, II e IV, apenas.
Questão 8
Correto
Atingiu 1,00 de 1,00
Questão 9
Correto
Atingiu 1,00 de 1,00
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). 
 
I. ( ) 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.
II. ( ) 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.
III. ( ) 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.
IV. ( ) 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.
a. V, V, V, V.
b. V, F, F, V.
c. F, F, V, V.
d. V, V, F, F.
e. F, V, V, F.
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).
 
I. Regressão logística pode ser empregada na predição do peso médio (massa corporal média) de uma pessoa em função de sua altura,
idade e sexo.
II. 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.
III. 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.
IV. 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.
 
 
a. F, V, F, V.
b. F, F, F, F.
c. F, F, V, V.
d. V, V, V, V.
e. V, V, F, F.
Questão 10
Correto
Atingiu 1,00 de 1,00
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.
 
I. 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).
II. 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).
III. O segundo foco da avaliação é um problema de classificação, predizer o valor do limite (do crédito) do cartão.
IV. 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:
 
 
a. II e IV, apenas.
b. II, III e IV, apenas.
c. II, apenas.
d. I, II e III, apenas.
e. I e III, apenas.