ESTATÍSTICA APLICADA AO DATA SCIENCE - ATIVIDADE 4 (A4)

Prévia do material em texto

Usuário XXXXXXXXXXXXXXX 
Curso ESTATÍSTICA APLICADA AO DATA SCIENCE 
Teste ATIVIDADE 4 (A4) 
Iniciado 04/05/21 15:00 
Enviado 16/05/21 18:23 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 291 horas, 22 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
1 em 1 pontos 
 
 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. 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. É correto 
afirmar que a análise estatística descritiva é parte da análise 
exploratória de dados, assim como dizer que algoritmos de 
agrupamento também o são. Também é correto dizer que a 
análise exploratória dos dados permite a geração de 
hipóteses sobre os dados, que devem ser melhor 
investigadas para comprovação posteriormente, e que gerar 
 
hipóteses sobre dados significa gerar afirmações sobre 
possíveis padrões e descobertas reveladas pelos dados. 
 
 Pergunta 2 
1 em 1 pontos 
 
 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: 
 
 
 
Resposta 
Selecionada: 
 
Desejamos entender se há similaridade entre 
observações (indivíduos) de uma certa amostra de dados. 
Resposta 
Correta: 
 
Desejamos entender se há similaridade entre 
observações (indivíduos) de uma certa amostra de dados. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois entender se 
há similaridade entre observações (indivíduos) de uma 
amostra é o mesmo que tentar agrupar os indivíduos 
similares, o que é um problema de aprendizagem não 
supervisionada. Todos os demais problemas propostos são 
problemas de aprendizagem supervisionada, em que há uma 
variável resposta supervisora, quantitativa ou qualitativa, 
para o treinamento do algoritmo preditivo. 
 
 
 Pergunta 3 
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: 
 
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. 
 
 
 
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 4 
1 em 1 pontos 
 
 Depois que formamos grupos de observações de um conjunto de dados 
(amostra), por meio de um algoritmo de agrupamento, podemos dar nomes 
aos mesmos, e cada indivíduo de cada grupo será classificado de acordo 
com esse nome. O ser humano faz isso com naturalidade, primeiro agrupar 
e, depois de formados os grupos, dar nomes aos grupos. Por exemplo, 
animais vertebrados ou invertebrados, carros ou aviões, homens ou 
mulheres. 
 
A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. e assinale a alternativa correta: 
 
I. Ao usarmos de algoritmos de agrupamento, depois que formados e 
nomeados (classificados) os grupos de observações resultantes do 
algoritmo, não é possível usar essas classes como variáveis respostas e, a 
partir desse ponto, executar tarefas preditivas com algoritmos de 
classificação. 
Pois 
II. Algoritmos de agrupamento fazem parte dos métodos da chamada 
aprendizagem não supervisionada. Não são modelos preditivos. 
 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois mesmo que 
algoritmos de agrupamento sejam parte dos métodos da 
aprendizagem não supervisionada, e não serem modelos 
preditivos, como afirmado na asserção II, depois que 
formamos e nomeamos os grupos (classificamos os grupos), 
podemos usar essas classes como variáveis respostas e, a 
partir desse ponto, executar tarefas preditivas com 
algoritmos de classificação. Ou seja, a asserção I é falsa. 
 
 
 Pergunta 5 
1 em 1 pontos 
 
 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 diminuia outra também diminui. 
 
 
Resposta Selecionada: 
F, V, V, F. 
Resposta Correta: 
F, V, V, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. É correto 
afirmar que uma correlação positiva indica que quando uma 
das variáveis aumenta a outra variável também aumenta, e 
que uma correlação negativa indica que quando uma das 
variáveis aumenta a outra variável diminui. É incorreto 
afirmar que uma correlação positiva indica que quando uma 
 
das variáveis aumenta a outra variável diminui, ou que uma 
correlação negativa indica que quando uma das variáveis 
diminui a outra também diminui. 
 
 Pergunta 6 
1 em 1 pontos 
 
 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: 
 
 
 
Resposta 
Selecionada: 
 
É um dendrograma, ou seja, um gráfico na forma de uma 
árvore, que representa os vários grupos formados em cada 
estágio do processo de agrupamento hierárquico. 
Resposta 
Correta: 
 
É um dendrograma, ou seja, um gráfico na forma de uma 
árvore, que representa os vários grupos formados em cada 
estágio do processo de agrupamento hierárquico. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. O dendrograma 
resultante de uma análise de agrupamento hierárquico 
representa todos os agrupamentos possíveis, desde os 
grupos formados por observações individuais (no exemplo, 
cada um dos cinco estados) até o topo com um único grupo 
formado por todas as observações (no exemplo, um único 
grupo com os cinco estados). Cabe ao cientista de dados 
escolher o agrupamento que faz mais sentido para a sua 
análise. As demais alternativas estão erradas, como se pode 
verificar de uma leitura direta do próprio dendrograma. 
 
 
 Pergunta 7 
1 em 1 pontos 
 
 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: 
 
 
Resposta 
Selecionada: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Resposta 
Correta: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. Na estatística, 
assim como nas suas ciências correlatas, como a ciência 
dos dados e a mineração de dados, a padronização de uma 
variável quantitativa é feita subtraindo-se dessa variável a 
sua média e depois dividindo-se o resultado pelo seu desvio 
padrão. 
 
 
 Pergunta 8 
1 em 1 pontos 
 
 Em uma análise de agrupamento examinamos os dados observados (as 
linhas da tabela com os dados) e procuramos identificar, através de algum 
critério de similaridade, aquelas que estão mais próximas entre si, e 
formamos grupos com essas observações similares. Quando são apenas 2 
variáveis e poucas observações (tamanho da amostra pequeno), por 
exemplo 10, podemos tentar fazer o agrupamento visualmente. 
 
Analise a figura adiante e assinale a alternativa que indica a menor 
quantidade de grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. A questão 
solicita a alternativa com o menor número de grupos que 
você naturalmente formaria. Há três alternativas com dois 
grupos, porém aquela que parece ser a mais natural é a que 
agrupa 6 indivíduos do lado esquerdo do gráfico e 4 
 
indivíduos do lado direito, pois as outras alternativas com 
dois grupos não são tão naturais quanto essa opção. 
 
 Pergunta 9 
1 em 1 pontos 
 
 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. 
 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois no 
agrupamento hierárquico, diferentemente do que se requer 
para o agrupamento por k-médias, o usuário não especifica o 
número de grupos que o algoritmo deve formar. Em estágios 
progressivos, se parte de tantos grupos quanto o número de 
registros (observações) do conjunto de dados, formam-se 
sequencialmente vários agrupamentos, por fusão entre 
grupos mais similares entre si, até se formar um único grupo, 
ao final, com todos os registro do conjunto de dados 
analisado. Ao usuário cabe examinar essa estrutura, e 
decidir que agrupamentos fazem mais sentido para a sua 
análise. 
 
 
 Pergunta 10 
1 em 1 pontos 
 
 Leia o excerto a seguir: 
“Normalização: É comum normalizar (padronizar) variáveis contínuas 
através da subtração da média e divisão pelo desvio-padrão, ou então as 
variáveis com grande escala dominarão o processo de agrupamento (veja 
Padronização (Normalização, Escores Z), no Capítulo 6).” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 265. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. Sabemos que, na estatística ou na ciência dos dados, é comum 
normalizar (padronizar) variáveis quantitativas, ou variáveis contínuas, antes 
da realização de uma análise de agrupamento. 
Pois 
II. No conjunto de dados observados (a amostra de dados), podem existir 
variáveis que estão em uma escala muito maior que as outras, e a medida 
de distância entre observações dessas variáveis dominarão o resultado da 
análise de agrupamento, na formação dos grupos de observações similares 
entre si. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, e a II é 
uma justificativa correta da I. 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, e a II é 
uma justificativa correta da I. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. Na estatística 
ou na ciência dos dados, é comum normalizar (padronizar)variáveis quantitativas, ou variáveis contínuas, antes da 
realização de uma análise de agrupamento, pois no conjunto 
de dados observados podem existir variáveis que estão em 
uma escala muito maior que as outras, e a medida de 
distância entre observações dessas variáveis dominarão o 
resultado final da análise de agrupamento se a padronização 
não for feita antes.