Baixe o app para aproveitar ainda mais
Prévia do material em texto
Peso da Avaliação 10,00 Qtd. de Questões 20 Nota 10,00 A técnica de regressão tenta estimar ou prever para cada indivíduo o valor numérico de alguma variável que pertença a ele (CHARNET, 1999). Com base nos conceitos vistos no capítulo sobre regressão, responda à próxima questão. No seguinte exemplo: Na cidade de São Paulo, a Secretaria de Saúde deseja investigar se o número de casos de dengue aumenta com a chegada da quadra invernosa. Quem são nossas variáveis dependente e independente? Assinale a opção correta: A Y: Quadra invernosa X: Casos de dengue. B Y:Habitantes da cidade de São Paulo X: Quadra invernosa. C Y: Casos de dengue X: Habitantes da cidade de São Paulo. D Y: Casos de dengue X: Quadra invernosa. À medida que o mercado se torna tecnológico, o fluxo de informações fica mais rápido, e avaliar essas informações é essencial. Por esse motivo, a análise de dados tem um papel cada vez mais importante nos negócios.Com base neste contexto, responda à seguinte questão. Quais as vantagens que a análise de dados pode fornecer para a empresa? Assinale o item correto: A A análise de dados permite comparar grupos e obter um quadro simples e resumido do cenário de uma empresa, porém ela não é boa para ser usada na tomada de decisões. B A análise de dados faz uso das medidas estatísticas para obter comparações apenas de grupos pequenos de clientes. C A análise de dados não gera resultados confiáveis, por esse motivo é pouco utilizada em empresas. D A análise de dados permite comparar grupos e obter um quadro simples e resumido do cenário de uma empresa, através dela um negócio pode ter estratégias inteligentes perante o mercado. A compreensão das técnicas estatísticas depende do entendimento de alguns conceitos básicos, como saber a diferença entre população e amostra. População é todos os elementos do conjunto e a amostra é apenas uma parte desse conjunto. Com base nos conceitos básicos das técnicas estatísticas, assinale a opção correta: A População: conjuntos de todos os itens que não têm características em comum. B Parâmetro: característica que descreve a população. C Estimador: característica não numérica estabelecida na amostra. D Amostra: conjuntos de todos os elementos da população que será analisada. Pesquisas de mercado são frequentemente usadas para coletar os dados dos clientes, e informações do mercado. Com base no conceito visto sobre pesquisa de mercado, avalie a próxima questão. 1 2 3 4 Avalie o próximo trecho: “Este é um tipo de pesquisa que está focado nas avaliações subjetivas e tem o propósito de identificar as percepções humanas sobre produtos, serviços e empresas, a fim de apontar comportamentos e tendências.” De qual tipo de pesquisa o trecho se refere? Assinale a alternativa correta: A Pesquisas Discretas. B Quantitativa. C Qualitativa. D Pesquisas Contínuas. A análise de regressão é frequentemente usada por economistas e pesquisadores de negócios, para auxiliar gerentes e donos de empresas a prever condições futuras, e fornece suporte quantitativo para a tomada de decisão dos gerentes. Também auxilia na detecção de falhas das estratégias gerenciais e fornece novos feedbacks que podem mudar as prospecções do negócio (PROVOST, 2013). Dentre as alternativas abaixo, qual caracteriza a regressão? Assinale a opção correta: A A análise de regressão pode ser usada para inferir as relações somente entre uma variável independente e uma dependente. B A análise de regressão também é usada para entender quais dentre as variáveis independentes estão relacionadas à variável dependente e explorar as formas dessas relações. C A análise de regressão pode ser usada para inferir as relações entre variáveis independentes e dependentes, porém somente para valores positivos. D A análise de regressão pode ser usada para inferir a classificação entre uma variável independente e uma dependente. A técnica de regressão tenta estimar ou prever para cada indivíduo o valor numérico de alguma variável que pertença a ele (CHARNET, 1999). Com base nos conceitos vistos no capítulo sobre regressão, responda à próxima questão. Qual opção abaixo podemos definir como um problema de regressão? Marque o item correto: A Previsão da quantidade de produtos vendidos durante um determinado período. B Os clientes da empresa X precisam ser agrupados a partir das suas características. C Os clientes poderão comprar ou não o novo produto lançado? D Calcular a probabilidade de um cliente comprar o produto. K-médias é um algoritmo não supervisionado, isto é, seus dados não possuem rótulos. O principal propósito é identificar as similaridades entre os dados e agrupá-los conforme o número de cluster. O algoritmo de k-médias é interativo e poderoso para dividir um conjunto de dados em grupos separados. Sobre as etapas dos processos de K-Means, marque V para verdadeiro e F para falso: ( ) Inicialização: nesta etapa acontece a atribuição ao cluster e a movimentação de centroides é repetida até o cluster se tornar estático. ( ) Atribuição ao Cluster: Nesta etapa calcula-se a distância entre os pontos dos dados e cada um dos centroides. ( ) Movimentação de Centroides: nesta etapa é modificada a localização do centroide. ( ) Otimização: nesta etapa calcula-se a média dos valores dos pontos de dados de cada cluster, e o valor médio será o novo centroide. Marque a opção que contém a sequência correta: A F - F - F - F. B F - V - V - F. C F - V - F - F. D F - V - V - V. 5 6 7 À medida que o mercado se torna tecnológico, o fluxo de informações fica mais rápido, e avaliar essas informações é essencial. Por esse motivo, a análise de dados tem um papel cada vez mais importante nos negócios. Com base neste contexto, responda à seguinte questão. Assinale a alternativa que contém de forma correta os impactos que a análise de dados pode trazer para uma empresa. A Com a aplicação da análise de dados, os custos de uma empresa podem aumentar, por conta do alto valor que precisa ser investido para gerar informações consolidadas. B Baixa compreensão do mercado. C Devido à complexidade do fluxo de informações, a análise de dados pode se tornar pouco eficiente. D Melhorar a eficiência da tomada de decisão da empresa. O aprendizado supervisionado tenta segmentar a população com base em rótulos conhecidos, isto é, precisa-se dizer ao algoritmo os resultados esperados para que ele possa fazer as classificações ou previsões de maneira correta. Com base nos conceitos iniciais da aprendizagem supervisionada, responda à próxima questão. Assinale a opção que aborda a característica correta sobre o aprendizado supervisionado. A O aprendizado supervisionado não precisa que os dados sejam rotulados para que se possa identificar padrões. B O aprendizado supervisionado precisa que os dados sejam rotulados, para que possa ser possível agrupar os elementos de forma espontânea. C O aprendizado supervisionado precisa que os dados sejam rotulados para que se possa identificar padrões. D O aprendizado supervisionado precisa que os dados sejam rotulados obrigatoriamente por data, pois dessa forma é possível calcular as features. A partir da coleta de dados, podemos extrair as informações sobre o fenômeno que desejamos avaliar, seja o perfil do cliente ou do mercado. Com base no que foi visto no capítulo sobre coleta e extração de informações, vamos avaliar a seguinte questão. Assinale a alternativa que indica corretamente o tipo de coleta de dados citado no trecho abaixo. “Esse tipo de coleta consiste em uma conversação para obter informações envolvendo duas ou mais pessoas”. A Telemarketing. B Questionário. C Face a face. D Entrevista. O KNN é um algoritmo supervisionado que tem por objetivo classificar objetos (WEBB, 2002). O algoritmo de Machine learning tem como propósito classificar o elemento e atribuir a ele o rótulo que representa a maior frequência dentre as k amostras mais próximas, atravésdo esquema de votação. Quais as medidas de distâncias usadas pelo algoritmo KNN? Assinale o item correto: A Distância Manhattan e Centroide. B Somente Distância Euclidiana. C Distância Euclidiana e a Distância Manhattan. D Somente Distância Manhattan. 8 9 10 11 01/04/24, 22:19 AVA https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/eyJ0ZXN0Ijp7InRlc3RDb2RlIjoiNjQ1NDM1IiwiZGVzY3JpcHRpb24iOiJBdmFsaWHDp8OjbyBkYSBEaXNjaXBsaW5hIiwicGFyYW1ldGVyIjpudWxs… 4/6 Os métodos hierárquicos criam uma hierarquia de relacionamentos entre os elementos, na qual os dados são particionados várias vezes, para produzir uma representação hierárquica dos agrupamentos (EVERITT, 2001), com o propósito de melhorar a visualização sobre a formação dos agrupamentos em cada estágio onde ela ocorreu e com o grau de semelhança entre os agrupamentos. Métodos hierárquicos precisam de uma matriz que contém as métricas de distância entre os agrupamentos em cada estágio do algoritmo. Essa matriz é conhecida como matriz de similaridades entre agrupamentos. Conforme a matriz a seguir, quais são as variáveis que têm agrupamento similar? Y1 Y2 Y3 Y 1 0 0,3 0,2 Y2 0,6 0 0,8 Y3 0,2 0,7 0 Assinale o item que contém o resultado correto: A Y1 E Y3 B Y1 E Y2 C Y2 E Y3 D Nehuma das variáveis mostra agrupamento similar. Os dados coletados de uma pesquisa de mercado podem ser de natureza quantitativa ou qualitativa. Os dados quantitativos são usados para quantificar o problema por meio da geração de dados numéricos. Porém, os dados qualitativos são usados para revelar tendências de pensamento e opiniões. Com base no que vimos no capítulo sobre pesquisas de mercado, analise os itens abaixo e assinale a opção que contém apenas variáveis qualitativas: A Quantidade de clientes que frequentam uma loja. Quantidade de clientes que compraram o produto X. Cor dos olhos. B Quantidade de clientes que compraram o produto X. Fumantes ou não Q. Quantidade de clientes que frequentam uma loja. C Cor da pele. Aprovou ou não o produto Q. Quantidade de clientes. D Cor da pele. Aprovou ou não o produto. Fumantes ou não. As técnicas multivariadas analisam as relações de múltiplas variáveis dependentes e/ou múltiplas variáveis independentes. Essas variáveis podem ter relação ou não de causa/efeito entre duas ou mais variáveis. Esses métodos possibilitam que se faça uma exploração da performance conjunta das variáveis, e seja determinada a correlação entre elas (DAGNELIE, 1985). Quais conceitos é preciso seguir para uma distribuição ser considerada multivariada? Assinale a opção correta: A Todas as variáveis devem ser aleatórias. Todas a variáveis não podem ser inter-relacionadas. B Todas a variáveis devem ser inter-relacionadas. Os efeitos das variáveis podem ser significativamente interpretados se analisadas separadamente. C Algumas variáveis devem ser aleatórias, mas não todas. Todas a variáveis devem ser inter-relacionadas. Os efeitos das variáveis não podem ser significativamente interpretados se analisadas separadamente. D Todas as variáveis devem ser aleatórias. Todas a variáveis devem ser inter-relacionadas. Os efeitos das variáveis não podem ser significativamente interpretados se analisadas separadamente. Os algoritmos de classificação tem por objetivo: classificar um indivíduo em uma classe ou conjunto (WEBB, 2002) no qual elas precisam ser mutuamente exclusivas (PROVOST, 2013). Com base nos conceitos vistos no capítulo sobre classificação, responda à próxima questão. 12 13 14 15 Qual opção abaixo podemos definir como um problema de classificação? Marque o item correto: A Uma empresa que investiga a chance dos seus clientes comprarem ou não o novo produto lançado. B Previsão da quantidade de produtos vendidos durante um determinado período. C Calcular a probabilidade de um cliente comprar o produto. D Os clientes da empresa X precisam ser agrupados a partir das suas características. O método aglomerativo é iniciado com cada padrão formando seu próprio agrupamento, e gradativamente os grupos são formados até que um único conjunto contendo todos os dados seja gerado (SILVA, 2005). Ao iniciar o processo, os grupos são pequenos e os elementos de cada grupo possuem um alto grau de similaridade. Nos métodos aglomerativos existem alguns passos que precisam ser seguidos. Assinale a opção que contém os passos necessários para usar o método aglomerativo. A Primeiro deve-se calcular um único padrão para cada agrupamento. Após o passo inicial é gerado um novo agrupamento, o qual é formado pela união dos agrupamentos com maior grau de similaridade. Os passos 1 e 2 são executados diversas vezes, até que todos os objetos estejam em um único agrupamento. B O passo inicial é gerar um novo agrupamento, o qual é formado pela união dos agrupamentos com maior grau de similaridade. O segundo passo é calcular a matriz de similaridades. Os passos 2 e 3 são executados diversas vezes, até que todos os objetos estejam em um único agrupamento. C Primeiro deve-se calcular um único padrão para cada agrupamento. O segundo passo é calcular a matriz de similaridades. Após os passos iniciais é gerado um novo agrupamento, o qual é formado pela união dos agrupamentos com maior grau de similaridade. Os passos 2 e 3 são executados diversas vezes, até que todos os objetos estejam em um único agrupamento. D Primeiro deve-se calcular a matriz de similaridades. Após o passo inicial é gerado um novo agrupamento, o qual é formado pela união dos agrupamentos com maior grau de similaridade. Os passos 1 e 2 são executados diversas vezes, até que todos os objetos estejam em um único agrupamento. O KNN é um algoritmo supervisionado que tem por objetivo classificar objetos (WEBB, 2002). O algoritmo de Machine learning tem como propósito classificar o elemento e atribuir a ele o rótulo que representa a maior frequência dentre as k amostras mais próximas, através do esquema de votação. Como podemos selecionar os pontos da semente do algoritmo KNN? Assinale a opção correta: A O algoritmo gera de forma automática. B Definição pelo pesquisador ou Gerar pela própria amostra. C Não é necessário gerar pontos de semente. D Somente pela definição do pesquisador. O método aglomerativo é iniciado com cada padrão formando seu próprio agrupamento, e gradativamente os grupos são formados até que um único conjunto contendo todos os dados seja gerado (SILVA, 2005). Ao iniciar o processo, os grupos são pequenos e os elementos de cada grupo possuem um alto grau de similaridade. Como podemos medir a qualidade do agrupamento formado a partir do método aglomerativo? Assinale a opção correta: A Através do coeficiente aglomerativo. B Através do desvio-padrão do agrupamento. C Através do coeficiente de correlação. D Através da média do agrupamento. 16 17 18 https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/eyJ0ZXN0Ijp7InRlc3RDb2RlIjoiNjQ1NDM1IiwiZGVzY3JpcHRpb24iOiJBdmFsaWHDp8OjbyBkYSBEaXNjaXBsaW5hIiwicGFyYW1ldGVyIjpudWxs… 6/6 A técnica de regressão tenta estimar ou prever para cada indivíduo o valor numérico de alguma variável que pertença a ele (CHARNET, 1999). Com base nos conceitos vistos no capítulo sobre regressão, responda à próxima questão. Assinale a opção que contém a principal característica da técnica de regressão. A O propósito da regressão é encontrar a relação entre uma variável dependente (denotada por Y) e uma série de outras variáveis independentes (denotadas por X). B O propósito da regressão é minerar os dados de maneira descritiva. C O propósito da regressão é encontrar a relação entre uma variável dependente (denotada por Y) e somente uma variável independente (denotada por X). D O propósito da regressão é agrupar indivíduos com as mesmas características. O KNN é um algoritmo supervisionado que tem por objetivo classificar objetos (WEBB, 2002). O algoritmo de Machine learningtem como propósito classificar o elemento e atribuir a ele o rótulo que representa a maior frequência dentre as k amostras mais próximas, através do esquema de votação. Sobre o KNN, marque V para verdadeiro e F para falso: ( ) Para estimar a classe a que o elemento K pertença, o algoritmo KNN calcula os K-vizinhos mais próximos a K . ( ) Na fase de classificação para um dado elemento de teste K, seus K-vizinhos mais próximos podem ser de uma mesma classe, e o algoritmo pode não conseguir decidir qual a classe a que esse elemento K pertença. ( ) Para encontrar a classe de um elemento que ainda não pertença a algum conjunto formado, o classificador KNN busca os K elementos do conjunto de treinamento que tenham a menor distância do elemento desconhecido. Marque a opção que contém a sequência correta: A F-F-F. B V-V-V. C V-F-F. D V-V-F. 19 20 Imprimir
Compartilhar