Prova_ESTATÍSTICA APLICADA AO DATA SCIENCE 01

Prévia do material em texto

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.
Resposta Correta - II e III, apenas.
2 - Discutimos sobre classificadores determinísticos e probabilísticos.
Demos, como exemplo, uma variável resposta qualitativa
image0015e2b20df_20211113002126.gifcom dois níveis (classes), o
indivíduo está infectado pelo vírus HIV
(image0025e2b20df_20211113002126.gif) ou não está infectado
(image0035e2b20df_20211113002126.gif), dado um conjunto de
sintomas image0045e2b20df_20211113002127.gif que ele apresenta.
Reveja esse assunto e analise as afirmativas a seguir.
Um classificador determinístico vai dizer se o indivíduo está ou não está
infectado, dados os sintomas que apresenta.
Um classificador probabilístico vai dizer qual é a probabilidade de o
indivíduo estar ou não infectado, dados os sintomas que apresenta.
No jargão da estatística, escrever
image0055e2b20df_20211113002127.gif significa que a variável
aleatória image0015e2b20df_20211113002127.gifresultou no valor
image0065e2b20df_20211113002127.gif, em que
image0065e2b20df_20211113002127.gif é um dos possíveis valores
que a variável aleatória image0015e2b20df_20211113002127.gif pode
assumir (ou seja, uma de suas classes, no caso, das variáveis
qualitativas).
Nesse mesmo jargão, escrever image0075e2b20df_20211113002128.gif
significa a probabilidade de image0015e2b20df_20211113002128.gifser
igual a um dos seus possíveis valores
image0065e2b20df_20211113002128.gif, quando a variável de entrada
image0085e2b20df_20211113002128.gif é igual a
image0095e2b20df_20211113002128.gif (dado que
image0105e2b20df_20211113002129.gif).
Está correto o que se afirma em:
Resposta Correta - I, II, III e IV.
3 - 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).
Regressão logística pode ser empregada na predição do peso médio
(massa corporal média) de uma pessoa em função de sua altura, idade
e sexo.
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.
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.
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.
Resposta Correta - F,F,V,V.
4 - 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).
( ) 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).
( ) 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).
( ) 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.
( ) 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.
image0185e2b20df_20211113002135.jpg
Assinale a alternativa que apresenta a sequência correta.
Resposta Correta - V, V, V, V
5 - 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.
Resposta Correta - II, III e IV, apenas.
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.
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.
Especificamente na aprendizagem supervisionada, também
denominamos uma variável resposta de variável de saída ou variável
dependente.
Especificamente na aprendizagem supervisionada, também
denominamos uma variável de entrada de variável regressora, variável
preditora ou variável independente.
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 Correta - I, II, III e IV.
7 - 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).
( ) 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.
( ) 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.
( ) 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.
( ) 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 usoua 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.
Resposta Correta - V, V, V, V.
8 - 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).
( ) 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.
( ) 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.
( ) 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.
( ) 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.
Resposta Correta - F, V, V, V.
9 - 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.
Regressão logística é o único método de aprendizagem supervisionada
que é utilizado para classificação, todos outros métodos são métodos de
regressão.
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.
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).
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 Correta - II, III e IV, apenas.
10 - 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):
Resposta Correta - 7% e 27%.