ESTATÍSTICA APLICADA AO DATA SCIENCE - ATIVIDADE 2 (A2)

Prévia do material em texto

Usuário XXXXXXXXXXXXXXXXX 
Curso ESTATÍSTICA APLICADA AO DATA SCIENCE 
Teste ATIVIDADE 2 (A2) 
Iniciado 04/05/21 14:54 
Enviado 16/05/21 18:06 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 291 horas, 11 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
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 2 
1 em 1 pontos 
 
 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). 
 
1. ( ) 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). 
2. ( ) 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). 
3. ( ) 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. 
4. ( ) 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. 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. Todas asserções desta questão são 
verdadeiras. Dados qualitativos dicotômicos são dados 
observados de variáveis qualitativas que podem assumir 
apenas dois níveis. Dados qualitativos politômicos são 
aqueles oriundos de variáveis qualitativas que podem 
assumir três ou mais níveis como seus valores. A função 
table() do R permite a contagem da frequência de cada nível 
assumido por uma variável qualitativa em uma dada 
amostra. O mosaicplot permite a visualização gráfica da 
relação entre duas variáveis qualitativas. 
 
 
 Pergunta 3 
1 em 1 pontos 
 
 Dados podem aparecer na forma de textos, imagens, vídeos, sons, tabelas, 
listas, sequências, séries, etc. São muitos os dados que hoje coletamos de 
diferentes fontes, e muitas as formas de organizá-los e armazená-los. Uma 
dessas forma, talvez a mais importante delas, são os dados estruturados. 
 
Relativamente a esse assunto, analise as afirmativas a seguir. 
 
1. Dados estruturados são dados que não possuem uma estrutura regular e 
repetitiva, seguindo um padrão comum adotado pelas ciências da 
computação, estatística e ciência dos dados. 
2. A forma de organização básica dos dados, preferida na estatística e na 
ciência dos dados, é a forma tabular, na qual as variáveis são dispostas nas 
linhas e as observações são dispostas nas colunas. 
3. Dados estruturados são dados que possuem uma estrutura regular e 
repetitiva, seguindo um padrão comum adotado pelas ciência da 
computação, estatística e ciência dos dados. 
4. A forma de organização básica dos dados, preferida na estatística e na 
ciência dos dados, é a forma tabular, na qual as variáveis são dispostas nas 
colunas e as observações são dispostas nas linhas. 
 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
III e IV, apenas. 
Resposta Correta: 
III e IV, apenas. 
Comentário 
da resposta: 
Resposta correta. Dados estruturados são dados que 
possuem uma estrutura regular e repetitiva, seguindo um 
padrão comum adotado pelas ciência da computação, 
estatística e ciência dos dados. Também está correto dizer 
que a forma de organização básica dos dados, preferida na 
estatística e na ciência dos dados, é a forma tabular, na qual 
as variáveis são dispostas nas colunas e as observações 
são dispostas nas linhas. 
 
 
 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 utilização 
de 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 
 
 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 Selecionada: 
7% e 27%. 
 
 
 
 
Resposta Correta: 
7% e 27%. 
 
 
 
 
Comentário 
da resposta: 
Resposta correta. Esses valores são aqueles calculados 
pela simples substituição da variável de 
 
entrada pelos valores R$ 500,00 e R$ 1.000,00, 
respectivamente, na equação do modelo. 
 
 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. 
 
1. 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. 
2. 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. 
3. 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. 
4. 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 
 
 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. 
 
Relativamente a esses dois tipos, analise as afirmativas a seguir. 
 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual 
a variável resposta é qualitativa. 
2. Na aprendizagem supervisionada, um problema de regressão é um no qual 
a variável resposta é quantitativa. 
3. Na aprendizagem supervisionada, um problema de classificação é um no 
qual a variável resposta é qualitativa. 
4. Na aprendizagem supervisionada, um problema de classificação é um no 
qual a variável resposta é quantitativa. 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
II e III, apenas. 
Resposta Correta: 
II e III, apenas. 
Comentário 
da resposta: 
Resposta correta. Na aprendizagem supervisionada, um 
problema de regressão é um no qual a variável resposta é 
quantitativa e um problema de classificação é um no qual a 
variável resposta é qualitativa. 
 
 
 Pergunta 8 
1 em 1 pontos 
 
 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). 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
4. ( ) 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 Selecionada: 
F, V, V, V. 
Resposta Correta: 
F, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A única asserção falsa é a que afirma que 
gráficos de dispersão só podem ser usados para a 
visualização de uma única variável, a qual deve ser 
obrigatoriamente uma variável qualitativa. É correto dizer que 
são usados para a visualização da relação entre duas 
variáveis quantitativas, permitindo a verificação visual de 
tendência de uma variável aumentar quando a outra 
aumenta, diminuir quando a outra aumenta, ou se não há 
uma relação aparente entre as duas. Sendo assim, 
puderam ser usados para exibir, em pares, a relação entre 
o valor do imóvel e a sua área e o valor do imóvel e o seu 
andar. 
 
 
 Pergunta 9 
1 em 1 pontos 
 
 Discutimos o que são aprendizagem supervisionada e não supervisionada. 
Vimos que é na forma como tratamosas 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. 
 
1. 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. 
2. Especificamente na aprendizagem supervisionada, também denominamos 
uma variável resposta de variável de saída ou variável dependente. 
 
3. Especificamente na aprendizagem supervisionada, também denominamos 
uma variável de entrada de variável regressora, variável preditora ou 
variável independente. 
4. 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. 
 
 
 Pergunta 10 
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. 
 
1. 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. 
2. 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.