Prova - ESTATÍSTICA APLICADA AO DATA SCIENCE EAD

Prévia do material em texto

<p>• Pergunta 1</p><p>1 em 1 pontos</p><p>O ser humano tem enorme facilidade em agrupar, por similaridade, e</p><p>classificar coisas, todos os tipos de coisas. Por conta disso, problemas de</p><p>classificação são muito frequentes no mundo, mais frequentes que</p><p>problemas de regressão. Fornecemos alguns exemplos de aplicação de</p><p>métodos de classificação no mundo dos negócios. Dentre esses exemplos,</p><p>encontramos:</p><p>1. a Netflix usa classificadores para recomendar filmes. Para a Netflix, o</p><p>valor desse tipo de aplicação é que, quanto mais filmes assistirmos,</p><p>maior será a sua receita;</p><p>2. o Facebook usa classificadores para recomendar novas amizades</p><p>para a nossa rede de relacionamento. Para o Facebook, o valor</p><p>desse tipo de aplicação é que, quanto maior nossa rede de</p><p>relacionamento, maior será a sua receita;</p><p>3. um banco de varejo usa classificadores para detectar se uma</p><p>operação com cartão de débito ou crédito é ou não uma operação</p><p>fraudulenta. Para o banco, o valor dessa aplicação é que, quanto</p><p>antes operações fraudulentas forem detectadas, mais rapidamente o</p><p>banco pode agir para impedir perdas para seus clientes e para ele</p><p>próprio;</p><p>4. uma concessionária de distribuição de energia elétrica usa</p><p>classificadores para identificar casos potenciais de roubo de energia</p><p>da rede, os famosos “gatos”. Para as concessionárias de distribuição</p><p>de energia elétrica, o valor dessa aplicação é evitar prejuízo com o</p><p>furto de energia da rede, além do relevante aspecto de prevenção de</p><p>acidentes decorrentes de instalações clandestinas.</p><p>Está correto o que se afirma em:</p><p>Resposta Selecionada:</p><p>I, II, III e IV.</p><p>Resposta Correta:</p><p>I, II, III e IV.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. Todos os exemplos listados nesta</p><p>questão são problemas de classificação, os quais, como</p><p>dissemos no enunciado, são muito frequentes no</p><p>mundo. Em todos eles, a variável resposta é uma variável</p><p>qualitativa, ou dicotômica, ou politômica.</p><p>• Pergunta 2</p><p>1 em 1 pontos</p><p>O Margareth H. Duham, em seu livro Data Mining - Introductory and</p><p>Advanced Topics, informa que tarefas de agrupamento, ou clustering em</p><p>inglês, vêm sendo aplicadas em muitos domínios, incluindo a biologia, a</p><p>medicina, a antropologia, o marketing e a economia.</p><p>DUHAM, Margareth H. Data mining : introductory and advanced topics.</p><p>Upper Saddle River (NJ): Pearson Education, 2003, p.126.</p><p>A respeito desses domínios de aplicação de tarefas de agrupamento,</p><p>analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para</p><p>a(s) Falsa(s).</p><p>I. ( ) Observar diferentes características de doenças em vários pacientes, e</p><p>depois formar diferentes grupos de pacientes - por similaridade das</p><p>características de suas doenças - é uma tarefa de agrupamento.</p><p>II. ( ) Observar diferentes hábitos de consumo em várias milhares de</p><p>pessoas, e depois formar grupos de pessoas - por similaridade de seus</p><p>hábitos de consumo - é uma tarefa de agrupamento.</p><p>III. ( ) Observar diferentes características das linguagens faladas por</p><p>membros de aldeias remotas, e depois formar grupos de linguagens - por</p><p>similaridades das características das linguagens - é uma tarefa de</p><p>agrupamento.</p><p>IV. ( ) Observar diferentes característica de insetos em diversos biomas, e</p><p>depois formar grupos de insetos - por similaridade de suas características -</p><p>é uma tarefa de agrupamento.</p><p>Resposta Selecionada:</p><p>V, V, V, V.</p><p>Resposta Correta:</p><p>V, V, V, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A sequência está correta. Observar</p><p>diferentes características de indivíduos, sejam estes</p><p>indivíduos doenças que se manifestam em pacientes,</p><p>hábitos de consumos que se manifestam em</p><p>consumidores, línguas faladas por diferentes povos, ou</p><p>insetos que habitam diferentes biomas, e depois, para</p><p>cada um desses exemplos, agrupar as observações feitas</p><p>em grupos menores por similaridade, são tarefas de</p><p>agrupamento. Sendo assim, todos os exemplos descritos</p><p>são tarefas de agrupamento.</p><p>• Pergunta 3</p><p>1 em 1 pontos</p><p>Na Unidade 2 estudamos os modelos preditivos de classificação com</p><p>regressão logística múltipla, para a predição da probabilidade de</p><p>inadimplência. Aqui, para a predição do volume de vendas de um produto de</p><p>varejo (uma variável qualitativa com dois níveis, vendas altas ou baixas),</p><p>usamos como classificador uma árvore de decisão.</p><p>Figura: Árvore de decisão ajustada às vendas do produto de varejo</p><p>Fonte: Elaborada pelo autor.</p><p>A respeito deste modelo de árvore de decisão aplicado ao problema de</p><p>predição do volume de vendas da boneca falante (replicado aqui, para sua</p><p>conveniência), analise as afirmativas a seguir e assinale V para a(s)</p><p>Verdadeira(s) e F para a(s) Falsa(s).</p><p>I. ( ) Se o local de exposição da boneca for ruim, porém seu preço menor</p><p>que 241,25 reais, as vendas serão altas, independentemente dos gastos</p><p>com publicidade e da idade média da população local.</p><p>II. ( ) Se o local de exposição da boneca for ruim, seu preço igual ou maior</p><p>que 241,25 reais, mas os gastos com publicidade forem menores que 78 mil</p><p>reais, as vendas serão altas, independentemente da idade média da</p><p>população.</p><p>III. ( ) Se o local de exposição da boneca for bom, porém seu preço for igual</p><p>ou maior que 356,25 reais, as vendas serão baixas, independentemente dos</p><p>gastos com publicidade e da idade média da população.</p><p>IV. ( ) Se o local de exposição da boneca for médio e seu preço for igual ou</p><p>maior que 241,25 reais, mas os gastos com publicidade forem iguais ou</p><p>maiores que 78 mil reais e a idade média da população for menor que 44</p><p>anos, as vendas serão altas.</p><p>Assinale a alternativa que apresenta a sequência correta:</p><p>Resposta Selecionada:</p><p>V, F, V, V.</p><p>Resposta Correta:</p><p>V, F, V, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A sequência está correta. Se o local de</p><p>exposição da boneca for ruim, porém seu preço for</p><p>menor que 241,25 reais, as vendas serão altas,</p><p>independentemente dos gastos com publicidade e da</p><p>idade média da população local. Se o local de exposição</p><p>da boneca for bom, porém seu preço for igual ou maior</p><p>que 356,25 reais, as vendas serão baixas,</p><p>independentemente dos gastos com publicidade e da</p><p>idade média da população. Se o local de exposição da</p><p>boneca for médio e seu preço for igual ou maior que</p><p>241,25 reais, mas os gastos com publicidade forem iguais</p><p>ou maiores que 78 mil reais e a idade média da</p><p>população for menor que 44 anos, as vendas serão altas.</p><p>• Pergunta 4</p><p>1 em 1 pontos</p><p>Entre as técnicas das quais lançou mão para a visualização dos dados da</p><p>amostra, uma jovem cientista de dados usou gráficos de dispersão. Como</p><p>cientista de dados, ela sabia exatamente em que situações empregar</p><p>gráficos de dispersão. E você, será que você também já sabe?</p><p>Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para</p><p>a(s) Falsa(s).</p><p>1. ( ) Gráficos de dispersão, em inglês chamados de scatter plots, só</p><p>podem ser usados para a visualização de uma única variável, a qual</p><p>deve ser obrigatoriamente uma variável qualitativa.</p><p>2. ( ) Gráficos de dispersão são usados para a visualização da relação</p><p>entre duas variáveis quantitativas, em que os dados das duas</p><p>variáveis são plotados aos pares. Permite, dessa forma, a verificação</p><p>visual, pelo estatístico ou pelo cientista de dados, se há uma</p><p>tendência de uma variável aumentar quando a outra aumenta,</p><p>diminuir quando a outra diminui, ou se não há uma relação aparente</p><p>entre as duas.</p><p>3. ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação</p><p>entre o valor do imóvel e a sua área. Esse tipo de gráfico é chamado,</p><p>em inglês, de scatter plot.</p><p>4. ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação</p><p>entre o valor do imóvel e o seu andar. Esse tipo de gráfico é</p><p>chamado, em inglês, de scatter plot.</p><p>Assinale a alternativa que apresenta a sequência correta.</p><p>Resposta Selecionada:</p><p>F, V, V, V.</p><p>Resposta Correta:</p><p>F, V, V,</p><p>V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A única asserção falsa é a que afirma</p><p>que gráficos de dispersão só podem ser usados para a</p><p>visualização de uma única variável, a qual deve ser</p><p>obrigatoriamente uma variável qualitativa. É correto dizer</p><p>que são usados para a visualização da relação entre duas</p><p>variáveis quantitativas, permitindo a verificação visual de</p><p>tendência de uma variável aumentar quando a outra</p><p>aumenta, diminuir quando a outra aumenta, ou se não</p><p>há uma relação aparente entre as duas. Sendo assim,</p><p>puderam ser usados para exibir, em pares, a relação</p><p>entre o valor do imóvel e a sua área e o valor do imóvel e</p><p>o seu andar.</p><p>• Pergunta 5</p><p>1 em 1 pontos</p><p>Entre as técnicas das quais lançou mão para a visualização dos dados da</p><p>amostra, uma jovem cientista de dados usou boxplots (diagramas de</p><p>caixas). Como cientista de dados, ela sabia exatamente em que situações</p><p>empregar boxplots. E você, será que você também já sabe?</p><p>Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para</p><p>a(s) Falsa(s).</p><p>1. ( ) Para examinar visualmente a relação entre duas variáveis, em que</p><p>uma é quantitativa e a outra é qualitativa, não é possível a utilização</p><p>de gráficos de dispersão.</p><p>2. ( ) Boxplots são uma solução inteligente para a visualização da</p><p>relação entre uma variável quantitativa e uma variável qualitativa, em</p><p>que no eixo horizontal indicamos os níveis da variável qualitativa e no</p><p>eixo vertical, a variação dos valores observados para a variável</p><p>quantitativa.</p><p>3. ( ) Para examinar visualmente a relação entre duas variáveis</p><p>quantitativas, um dos gráficos preferidos é o diagrama de caixas,</p><p>também conhecido como boxplot.</p><p>4. ( ) Na construção de um boxplot, podemos representar no eixo</p><p>vertical os níveis da variável qualitativa e no eixo horizontal, os</p><p>valores da variável quantitativa. Nesse caso, a visualização da</p><p>variação dos dados da variável quantitativa é exibida</p><p>horizontalmente, e os níveis (classes) da variável qualitativa são</p><p>exibidos verticalmente.</p><p>Assinale a alternativa que apresenta a sequência correta.</p><p>Resposta Selecionada:</p><p>V, V, F, V.</p><p>Resposta Correta:</p><p>V, V, F, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A única asserção falsa é a que afirma</p><p>que para examinar visualmente a relação entre duas</p><p>variáveis quantitativas, um dos gráficos preferidos é o</p><p>diagrama de caixas, também conhecido como boxplot.</p><p>Para examinar visualmente a relação entre duas</p><p>variáveis, em que uma é quantitativa e a outra é</p><p>qualitativa, não é possível a utilização de gráficos de</p><p>dispersão. Para isso, usamos boxplots, em que, no eixo</p><p>horizontal, indicamos os níveis da variável qualitativa e,</p><p>no eixo vertical, a variação dos valores observados para a</p><p>variável quantitativa. Podemos inverter a posição desses</p><p>eixos.</p><p>• Pergunta 6</p><p>1 em 1 pontos</p><p>Ao longo das nossas discussões, demos foco a um classificador chamado</p><p>de regressão logística que, apesar do nome regressão (esse nome por</p><p>razões históricas e por conta de algumas de suas características), é usado</p><p>como um classificador. Mas também vimos que existem outros tipos de</p><p>classificadores.</p><p>Relativamente a esse assunto de algoritmos de classificação, analise as</p><p>afirmativas a seguir.</p><p>1. Regressão logística é o único método de aprendizagem</p><p>supervisionada que é utilizado para classificação, todos outros</p><p>métodos são métodos de regressão.</p><p>2. Apesar do nome regressão logística, o que acaba sendo um pouco</p><p>confuso para iniciantes, na verdade este é um dos vários métodos de</p><p>aprendizagem supervisionada utilizado para classificação.</p><p>3. Dentre os métodos utilizados para classificação se encontram</p><p>regressão logística, análise discriminante linear (LDA = Linear</p><p>Discriminant Analysis), árvores de decisão para classificação,</p><p>máquinas de vetores de suporte (SVM = support vector machines) e</p><p>k-vizinhos mais próximos (KNN = k-nearest neighbors).</p><p>4. Regressão linear não é um método de classificação, mas, sim, um</p><p>dos métodos preditivos de aprendizagem supervisionada usados na</p><p>predição de valores de variáveis respostas quantitativas.</p><p>Está correto o que se afirma em:</p><p>Resposta Selecionada:</p><p>II, III e IV, apenas.</p><p>Resposta Correta:</p><p>II, III e IV, apenas.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A única asserção incorreta desta</p><p>questão é a primeira, que afirma que regressão logística</p><p>é o único método de aprendizagem supervisionada que é</p><p>utilizado para classificação, todos outros métodos são</p><p>métodos de regressão.</p><p>• Pergunta 7</p><p>0 em 1 pontos</p><p>Na análise descritiva do volume de vendas da boneca falante, foram</p><p>estudadas as variáveis relativas aos dados coletados pela gerente comercial</p><p>do fabricante da boneca. Dentre elas, há a variável dos gastos do fabricante</p><p>da boneca com publicidade, cuja relação com vendas altas ou baixas é</p><p>exibida no gráfico adiante.</p><p>Figura: Efeito dos gastos com publicidade nas vendas</p><p>Fonte: Elaborada pelo autor.</p><p>Quanto à relação entre gastos mensais com publicidade e o volume de</p><p>vendas (vendas altas ou baixas), analise as afirmativas a seguir:</p><p>I. Ao estudarmos este caso, percebemos que vendas altas ocorrem mesmo</p><p>quando os gastos com publicidade são apenas ligeiramente maiores.</p><p>II. Visualmente, podemos perceber que a mediana (linha sólida dentro da</p><p>caixa) dos gastos com publicidade é da ordem de 20 mil reais por mês para</p><p>vendas altas e da ordem de 8 mil reais por mês para vendas baixas.</p><p>III. O gráfico de visualização da relação entre os gastos mensais com</p><p>publicidade e o volume de vendas não mostra qualquer efeito dos gastos</p><p>com publicidade sobre o volume de vendas da boneca.</p><p>IV. O gráfico de visualização da relação entre os gastos mensais com</p><p>publicidade e o volume de vendas mostra que vendas altas ocorrem quando</p><p>os gastos com publicidade são significativamente maiores.</p><p>Está correto o que se afirma em:</p><p>Resposta Selecionada:</p><p>III e IV, apenas.</p><p>Resposta Correta:</p><p>II e IV, apenas.</p><p>Comentário</p><p>da resposta:</p><p>Sua resposta está incorreta. A alternativa está incorreta,</p><p>pois o gráfico de visualização da relação entre os gastos</p><p>mensais com publicidade e o volume de vendas mostra</p><p>que vendas altas ocorrem quando os gastos com</p><p>publicidade são significativamente maiores, assim como</p><p>mostra que há efeito dos gastos com publicidade sobre o</p><p>volume de vendas da boneca.</p><p>• Pergunta 8</p><p>1 em 1 pontos</p><p>A jovem cientista de dados, tendo em mãos os dados que lhe foram</p><p>passados pelo gerente do banco, precisou denominá-los corretamente para</p><p>a fase de treino (ajuste) do algoritmo preditivo. Ela escolheu a regressão</p><p>logística como seu algoritmo preditivo, para classificar o potencial (a</p><p>probabilidade) de uma pessoa ficar ou não inadimplente com o pagamento</p><p>das faturas do cartão de crédito.</p><p>Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para</p><p>a(s) Falsa(s).</p><p>1. ( ) A jovem cientista de dados escolheu como variável resposta a</p><p>renda mensal da pessoa, e tratou as demais variáveis como variáveis</p><p>de entrada.</p><p>2. ( ) A jovem cientista de dados escolheu o gasto médio mensal da</p><p>pessoa com cartão de crédito como a variável resposta, e tratou as</p><p>demais como variáveis de entrada.</p><p>3. ( ) A jovem cientista de dados não definiu qualquer das quatro</p><p>variáveis como a variável resposta, e decidiu realizar uma análise</p><p>baseada em aprendizagem não supervisionada.</p><p>4. ( ) A jovem cientista de dados escolheu como variável resposta se a</p><p>pessoa havia, ao longo do período pesquisado, ficado inadimplente</p><p>com o pagamento das faturas do cartão ao menos uma vez (Sim ou</p><p>Não), e tratou as demais variáveis como variáveis de entrada.</p><p>Assinale a alternativa que apresenta a sequência correta.</p><p>Resposta Selecionada:</p><p>F, F, F, V.</p><p>Resposta Correta:</p><p>F, F, F, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A jovem cientista de dados escolheu</p><p>como variável resposta se a pessoa havia, ao longo do</p><p>período pesquisado, ficado inadimplente com o</p><p>pagamento das faturas do cartão ao menos uma vez (Sim</p><p>ou Não), e tratou as demais variáveis como variáveis de</p><p>entrada.</p><p>• Pergunta 9</p><p>1 em 1 pontos</p><p>Quando acontece de haver várias variáveis quantitativas em uma</p><p>determinada amostra de dados, é comum a realização da análise da</p><p>(possível) relação entre essas variáveis por meio do cálculo de suas</p><p>correlações. Neste caso, o cálculo de suas correlações sempre é feito de</p><p>duas em duas variáveis. Comumente, também se apresenta a correlação de</p><p>cada variável com ela mesma, o que sempre resulta em uma correlação</p><p>perfeita, igual a 1.</p><p>A tabela adiante mostra o resultado do cálculo das correlações entre 5</p><p>variáveis quantitativas de uma determinada amostra.</p><p>x1 x2 x3 x4 x5</p><p>x1 1,00 - 0,85 - 0,78 - 0,87 0,42</p><p>x2 - 0,85 1,00 0,79 0,89 - 0,43</p><p>x3 - 0,78 0,79 1,00 0,66 - 0,71</p><p>x4 - 0,87 0,89 0,66 1,00 - 0,17</p><p>x5 0,42 - 0,43 - 0,71 - 0,17 1,00</p><p>Quadro: Correlações cruzadas entre as variáveis quantitativas x1, x2, x3, x4</p><p>e x5</p><p>Fonte: Elaborado pelo autor.</p><p>Com respeito a essa tabela de correlações, analise as afirmativas a seguir e</p><p>assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).</p><p>I. ( ) Os valores 1,00 apenas indicam a correlação perfeita que existe entre</p><p>uma variável e ela mesma, uma informação de pouco valor prático.</p><p>II. ( ) A maior correlação positiva é aquela entre as variáveis x2 e x4, no</p><p>valor de 0,89, que indica uma forte associação entre essas duas variáveis, e</p><p>que uma aumenta com um aumento da outra.</p><p>III. ( ) A maior (em valor absoluto) correlação negativa é aquela entre as</p><p>variáveis x1 e x4, no valor de - 0,87, que indica uma forte associação entre</p><p>essas duas variáveis, e que uma diminui quanto a outra aumenta.</p><p>IV. ( ) A menor (em valor absoluto) correlação negativa é aquela entre as</p><p>variáveis x4 e x5, no valor de - 0,17, que indica uma fraca associação entre</p><p>essas duas variáveis, e que uma diminui quando a outra aumenta.</p><p>Resposta Selecionada:</p><p>V, V, V, V.</p><p>Resposta Correta:</p><p>V, V, V, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A sequência está correta. Os valores</p><p>1,00 apenas indicam a correlação perfeita que existe</p><p>entre uma variável e ela mesma. A maior correlação</p><p>positiva é aquela entre as variáveis x2 e x4, indicando</p><p>uma forte associação entre essas duas variáveis, e que</p><p>uma aumenta com um aumento da outra. A maior (em</p><p>valor absoluto) correlação negativa é aquela entre as</p><p>variáveis x1 e x4, indicando uma forte associação entre</p><p>essas duas variáveis, e que uma diminui quanto a outra</p><p>aumenta. A menor (em valor absoluto) correlação</p><p>negativa é aquela entre as variáveis x4 e x5, indicando</p><p>uma fraca associação entre essas duas variáveis, e que</p><p>uma diminui quando a outra aumenta.</p><p>• Pergunta 10</p><p>1 em 1 pontos</p><p>No decorrer desta unidade, apresentamos uma série de exemplos de</p><p>problemas de regressão e problemas de classificação. A diferença entre</p><p>eles reside no tipo da variável resposta, se quantitativa ou qualitativa.</p><p>Problemas de regressão são aqueles em que a variável resposta é</p><p>quantitativa. As variáveis de entrada, também chamadas de regressoras ou</p><p>preditoras, podem ser quantitativas ou qualitativas.</p><p>Em relação a problemas de regressão, analise as afirmativas a seguir e</p><p>assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).</p><p>I. ( ) A predição da redução da massa corporal de uma pessoa, em quilos,</p><p>em função do tipo de dieta alimentar e das horas semanais dedicadas à</p><p>prática de atividades físicas, é um problema de regressão.</p><p>II. ( ) A predição da resistência à tração de uma liga metálica, em Pascal (1</p><p>Pascal = 1 Newton/m 2 ), em um ensaio de tração, em função da sua</p><p>composição, granulometria e condições gerais do processo de fabricação da</p><p>liga, é um problema de regressão.</p><p>III. ( ) A predição da taxa de mortalidade anual por melanoma maligno, em</p><p>mortes a cada 100.000 habitantes, em função da latitude da região na qual</p><p>habita a pessoa, é um problema de regressão.</p><p>IV. ( ) A predição do consumo de combustível de um veículo, em litros de</p><p>combustível por quilômetro rodado, em função do seu peso, do número de</p><p>cilindros do seu motor, e do volume do seu motor, é um problema de</p><p>regressão.</p><p>Assinale a alternativa que apresenta a sequência correta:</p><p>Resposta Selecionada:</p><p>V, V, V, V.</p><p>Resposta Correta:</p><p>V, V, V, V.</p><p>Comentário</p><p>da resposta:</p><p>Resposta correta. A sequência está correta. Em todos os</p><p>exemplos dados, as variáveis resposta são quantitativas:</p><p>redução de massa corporal em quilos, resistência à</p><p>tração em Pascal (uma unidade quantitativa da física e da</p><p>engenharia), a taxa de mortalidade em mortes a cada</p><p>100.000 habitantes e o consumo de combustível em litros</p><p>por quilômetro rodado.</p>