ESTATÍSTICA APLICADA AO DATA SCIENCE ativ 4

Prévia do material em texto

ESTATÍSTICA APLICADA AO DATA SCIENCE ativ 4 
 
QUESTIONÁRIO 
Atividade 4 (A4) 
 
 
 
 
Avaliar 10,00 de um máximo de 10,00(100%) 
Questão 1 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
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. 
 
 
a. 
II e III, apenas. 
 
b. 
I, II e IV, apenas. 
 
 
c. 
I, II, III e IV. 
 
d. 
https://ambienteacademico.com.br/course/view.php?id=53985#section-4
II, III e IV, apenas. 
 
e. 
I, III e IV, apenas. 
Questão 2 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
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. 
 
 
a. 
V, V, V, F. 
 
b. 
V, V, F, V. 
 
c. 
V, V, F, F. 
 
d. 
V, V, V, V. 
 
e. 
F, V, V, F. 
Questão 3 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
Quando acontece de haver várias variáveis quantitativas em uma determinada 
amostra de dados, é comum a realização da análise da (possível) relação entre 
essas variáveis por meio do cálculo de suas correlações. Neste caso, o cálculo de 
suas correlações sempre é feito de duas em duas variáveis. Comumente, também 
se apresenta a correlação de cada variável com ela mesma, o que sempre resulta 
em uma correlação perfeita, igual a 1. 
 
A tabela adiante mostra o resultado do cálculo das correlações entre 5 variáveis 
quantitativas de uma determinada amostra. 
 
 x1 x2 x3 x4 x5 
x1 1,00 - 0,85 - 0,78 - 0,87 0,42 
x2 - 0,85 1,00 0,79 0,89 - 0,43 
x3 - 0,78 0,79 1,00 0,66 - 0,71 
x4 - 0,87 0,89 0,66 1,00 - 0,17 
x5 0,42 - 0,43 - 0,71 - 0,17 1,00 
 
 
Quadro: Correlações cruzadas entre as variáveis quantitativas x1, x2, x3, x4 e x5 
Fonte: Elaborado pelo autor. 
 
Com respeito a essa tabela de correlações, analise as afirmativas a seguir e 
assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Os valores 1,00 apenas indicam a correlação perfeita que existe entre uma 
variável e ela mesma, uma informação de pouco valor prático. 
II. ( ) A maior correlação positiva é aquela entre as variáveis x2 e x4, no valor de 
0,89, que indica uma forte associação entre essas duas variáveis, e que uma 
aumenta com um aumento da outra. 
III. ( ) A maior (em valor absoluto) correlação negativa é aquela entre as variáveis 
x1 e x4, no valor de - 0,87, que indica uma forte associação entre essas duas 
variáveis, e que uma diminui quanto a outra aumenta. 
IV. ( ) A menor (em valor absoluto) correlação negativa é aquela entre as variáveis 
x4 e x5, no valor de - 0,17, que indica uma fraca associação entre essas duas 
variáveis, e que uma diminui quando a outra aumenta. 
 
a. 
F, F, V, V. 
 
b. 
V, F, F, V. 
 
c. 
V, V, V, V. 
 
d. 
F, F, F, F. 
 
e. 
F, V, V, F. 
Questão 4 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
O texto em referência apresenta como exemplo de agrupamento uma companhia 
de vendas online que deseja agrupar seus clientes com base em suas 
características comuns (renda, idade, número de filhos, estado civil, grau de 
educação, etc.). Com o resultado do agrupamento, eles definirão campanhas de 
marketing e de divulgação específicas para cada um dos diferentes grupos que 
vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining: introductory and advanced topics. Upper 
Saddle River, NJ: Pearson Education, 2003, p.125. 
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. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis quantitativas. 
Sendo assim, parte das variáveis disponíveis para esse caso são irrelevantes. 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de conjuntos 
de dados exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas por um 
supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e depois 
classificar, já que isso só pode ser realizado por meio de algoritmos. 
 
a. 
F, F, F, F. 
 
b. 
V, V, F, V. 
 
c. 
F, V, F, V. 
 
d. 
V, V, F, F. 
 
e. 
V, V, V, V. 
Questão 5 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
Leia o excerto a seguir: 
“A ciência dos dados é uma fusão de múltiplas disciplinas, incluindo estatística, 
ciência da computação, tecnologia da informação e campos de domínios 
específicos. Consequentemente, podem-se utilizar de muitos termos diferentes 
para se referir a um dado conceito.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados: 
50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. xv. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta entre 
elas. 
 
I. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos 
diferentes para se referir a um dado conceito. 
Pois 
II. A estatística usa, de forma profunda, a matemática como pilar do seu 
desenvolvimento. É considerada a ciência mais sutil, e a mais ampla, quanto o 
assunto são dados. É usada por todas áreas científicas. 
 
a. 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
 
b. 
A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 
 
c. 
As asserções I e II são proposições falsas. 
 
d. 
As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta 
da I. 
 
e. 
As asserções I e II são proposições verdadeiras, mas a II não é uma 
justificativa da I. 
Questão 6 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
Um jovem cientistade 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: 
 
 
 
a. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de cima 
para baixo, na altura (height) 1,5 sugere a formação de 10 grupos. 
 
b. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere 
serem os estados New Mexico e Oklahoma os mais próximos em termos de 
violência urbana. 
 
c. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere 
serem os estados Texas e Arkansas os mais próximos em termos de violência 
urbana. 
 
d. 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de baixo 
para cima, na altura (height) 1,5 sugere a formação de 6 grupos. 
 
e. 
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. 
Questão 7 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
A escolha de grupos formados por um algoritmo de agrupamento hierárquico pode 
ser feita por meio da leitura do dendrograma resultante. Escolhe-se a altura 
(Height) desejada, se traça uma linha horizontal a partir dessa altura, que cruzará 
com as linhas verticais dos grupos formados nesta altura. O cientista de dados 
decide se esses grupos são adequados para a sua análise. 
 
Veja, por exemplo, a figura abaixo. 
 
 
 
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
 
Com respeito da leitura deste dendrograma, analise as afirmativas a seguir e 
assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A altura 4 cruza com duas linhas verticais, que indicam dois grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, e o segundo deles formado 
pelos estados {Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
II. ( ) A altura 4 cruza com três linhas verticais, que indicam três grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, o segundo deles formado 
pelos estados {Colorado, Arizona, California}, e o terceiro deles formado pelos 
estados {Alaska, Alabama, Arkansas}. 
III. ( ) A altura 3 cruza com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, e o segundo deles 
formado pelos estados {Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
IV. ( ) A altura 3 cruza com três linhas verticais, que indicam três grupos, o primeiro 
deles formado pelos estados {Connecticut, Delaware}, o segundo deles formado 
pelos estados {Colorado, Arizona, California}, e o terceiro deles formado pelos 
estados {Alaska, Alabama, Arkansas}. 
 
 
a. 
F, V, V, F. 
 
b. 
V, F, V, F. 
 
c. 
V, F, F, V. 
 
d. 
F, V, F, V. 
 
e. 
F, V, V, F. 
Questão 8 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível exibir 
múltiplos gráficos de dispersão entre pares dessas variáveis, duas a duas. No 
software estatístico R, isto pode ser feito com a função gráfica pairs(). Adiante 
apresentamos um output típico da função pairs() quando aplicada a quatro 
variáveis quantitativas de um determinado conjunto de dados. 
 
 
 
Figura 4: Múltiplos gráficos de dispersão entre as variáveis de USArrest 
Fonte: Elaborada pelo autor. 
 
A respeito deste output típico da função gráfica pairs() do software estatístico R, 
para a exibição de múltiplos gráficos de dispersão entre variáveis quantitativas, 
analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) O gráfico de y = Murder versus x = Assault mostra uma tendência de aumento 
de Murder para um aumento de Assault. 
II. ( ) O gráfico de y = Murder versus x = UrbanPop mostra uma grande dispersão 
dos pontos sem uma tendência clara de subida ou descida. 
III. ( ) O gráfico de y = Murder versus x = Rape mostra uma tendência de aumento 
de Murder para um aumento de Assault, porém com uma dispersão dos pontos 
um pouco maior que para o caso de y = Murder versus x = Assault. 
IV. ( ) Como são quatro variáveis quantitativas (Murder, Assault, UrbanPop e 
Rape), então ao total são 12 gráficos de dispersão, de cada uma delas contra as 
outras três. 
 
a. 
F, V, V, F. 
 
b. 
V, V, V, V. 
 
 
 
c. 
F, V, V, V. 
 
d. 
F, V, F, V. 
 
e. 
V, V, V, F. 
Questão 9 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
O texto em referência fornece os seguintes exemplos de agrupamento: análise de 
perfil de usuários e perfil de itens para sistemas de recomendação; análise de 
padrões de comportamento de multidões; identificação de grupos de risco para 
empresas seguradoras; análise de emoções em redes sociais; reconhecimento de 
padrões em imagens de satélites ou imagens médicas; análise de padrões em 
cliques em páginas da internet, etc. 
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de 
dados: com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.146. 
A respeito dos campos de aplicação da análise de agrupamento, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A análise de emoções por meio de agrupamento pode servir ao propósito de 
averiguar o índice de aceitação de um candidato a um cargo eletivo público por 
região. 
II. ( ) O reconhecimento de padrões em imagens de satélites pode servir ao 
propósito de averiguar regiões com processos acelerados de desertificação. 
III. ( ) A identificação de grupos de risco para empresas seguradoras pode servir 
ao propósito de precificação correta do valor do seguro para cada grupo de risco. 
IV. ( ) A análise de padrões em cliques em páginas da internet pode servir ao 
propósito de identificar a procura de páginas da web por cada bairro de um 
município. 
 
a. 
V, V, V, F. 
 
b. 
V, F, F, V. 
 
c. 
F, V, V, F. 
 
d. 
V, V, F, F. 
 
e. 
V, V, V, V. 
Questão 10 
Correto 
Atingiu 1,00 de 1,00 
Remover marcação 
Texto da questão 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível calcular 
a correlação entre pares dessas variáveis, duas a duas. No software estatístico R, 
isto pode ser feito com a função cor(). Adiante apresentamos um output típico da 
função cor() quando aplicada ao cálculo da correlação entre quatro variáveis 
quantitativas de um determinado conjunto de dados. 
 Murder Assault UrbanPop Rape 
Murder 1.00 0.80 0.07 0.56 
Assault 0.80 1.00 0.26 0.67 
UrbanPop 0.07 0.26 1.00 0.41 
Rape 0.56 0.67 0.41 1.00 
 
 
A respeito deste output típico da função cor() do software estatístico R, para o 
cálculo da correlação entre múltiplas variáveis quantitativas, analise as afirmativas 
a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis 
quantitativas dessa amostra, quando uma aumenta, a outra também aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma 
correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre Murder e 
Assault, cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela entre 
Rape e Assault, cujo valor é de 0,67 e não de 0,56. 
 
a. 
V, V, V, F. 
 
b. 
F, V, V, V. 
 
c. 
F, F, V, V. 
 
 
d. 
F, V, F, V. 
 
e. 
F, V, V, F.