04 ESTATÍSTICA APLICADA AO DATA SCIENCE - PROVAS - AMB Fácil - Educação

Prévia do material em texto

Curso 2020.1 ESTATÍSTICA APLICADA AO DATA SCIENCE [EAD20 - B2]
Teste 2020-1S - CLIQUE AQUI PARA ACESSAR A PROVA N2 (A5)
 
 
Resultado da tentativa8 em 10 pontos 
 
 
Pergunta 1
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:
Correta 
As asserções I e II são proposições verdadeiras, e a II é uma
justificativa correta da I.
Resposta Correta: Correta 
As asserções I e II são proposições verdadeiras, e a II é uma
justificativa correta da I.
Feedback
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.
 
Pergunta 2
1 em 1 pontos
 
 O Margareth H. Duham, em seu livro Data Mining - Introductory and Advanced Topics,
informa que tarefas de agrupamento, ou clustering em inglês, vêm sendo aplicadas em
muitos domínios, incluindo a biologia, a medicina, a antropologia, o marketing e a
economia.
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. Upper Saddle
River (NJ): Pearson Education, 2003, p.126.
 
A respeito desses domínios de aplicação de tarefas de agrupamento, analise as
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).
 
I. ( ) Observar diferentes características de doenças em vários pacientes, e depois formar
diferentes grupos de pacientes - por similaridade das características de suas doenças - é
uma tarefa de agrupamento.
II. ( ) Observar diferentes hábitos de consumo em várias milhares de pessoas, e depois
formar grupos de pessoas - por similaridade de seus hábitos de consumo - é uma tarefa de
agrupamento.
III. ( ) Observar diferentes características das linguagens faladas por membros de aldeias
remotas, e depois formar grupos de linguagens - por similaridades das características das
linguagens - é uma tarefa de agrupamento.
IV. ( ) Observar diferentes característica de insetos em diversos biomas, e depois formar
grupos de insetos - por similaridade de suas características - é uma tarefa de
agrupamento.
 
Resposta Selecionada: Correta 
V, V, V, V.
Resposta Correta: Correta 
V, V, V, V.
Feedback
da
resposta:
Resposta correta. A sequência está correta. Observar diferentes
características de indivíduos, sejam estes indivíduos doenças que se
manifestam em pacientes, hábitos de consumos que se manifestam em
consumidores, línguas faladas por diferentes povos, ou insetos que habitam
diferentes biomas, e depois, para cada um desses exemplos, agrupar as
observações feitas em grupos menores por similaridade, são tarefas de
agrupamento. Sendo assim, todos os exemplos descritos são tarefas de
agrupamento.
 
Pergunta 3
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).
 
I. ( ) 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.
II. ( ) 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.
III. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos
gráficos preferidos é o diagrama de caixas, também conhecido como boxplot.
IV. ( ) 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: Correta 
V, V, F, V.
Resposta Correta: Correta 
V, V, F, V.
Feedback
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 4
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).
 
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 entreaquelas que não têm emprego estável.
 
image0185e2b20df.jpg
 
Assinale a alternativa que apresenta a sequência correta.
 
 
Resposta Selecionada: Correta 
V, V, V, V.
Resposta Correta: Correta 
V, V, V, V.
Feedback
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 5
0 em 1 pontos
 
 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:
 
 
Resposta Selecionada: Incorreta 
II e IV, apenas.
Resposta Correta: Correta 
II e IV, apenas.
Feedback
da
resposta:
Sua resposta está incorreta. 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); o segundo foco da avaliação é um