Fundamentos de Análise Estatística e Machine Learning

Prévia do material em texto

Prova- 59: Fundamentos de Análise Estatística e Machine Learning
Introdução
Nesta prova, exploraremos conceitos fundamentais de estatística e técnicas de machine learning, com foco em avaliação de modelos, análise exploratória de dados, e aprendizado supervisionado e não supervisionado. A compreensão desses tópicos é crucial para profissionais que buscam aplicar a análise de dados de forma eficiente em diferentes cenários.
Questões
1. O que caracteriza um modelo de regressão linear?
a) Um modelo que classifica dados em categorias específicas.
b) Um modelo que estima a probabilidade de um evento ocorrer.
c) Um modelo que tenta prever uma variável contínua a partir de uma ou mais variáveis independentes.
d) Um modelo que agrupa dados em diferentes clusters.
e) Um modelo que utiliza um gráfico de barras para prever resultados.
2. O que é um erro tipo I em um teste de hipótese?
a) Aceitar a hipótese nula quando ela é falsa.
b) Rejeitar a hipótese nula quando ela é verdadeira.
c) Rejeitar a hipótese alternativa quando ela é verdadeira.
d) Aceitar a hipótese alternativa quando ela é falsa.
e) Não realizar nenhum teste estatístico.
3. Qual é a função de um algoritmo de classificação?
a) Agrupar dados semelhantes em clusters.
b) Prever valores contínuos com base em dados de entrada.
c) Determinar a probabilidade de ocorrência de um evento.
d) Atribuir rótulos de classe a dados com base em exemplos rotulados.
e) Reduzir a dimensionalidade de dados complexos.
4. Em máquinas de vetor de suporte (SVM), o que é o conceito de margem?
a) A distância entre o ponto de dados e o centro do modelo.
b) A distância entre as duas classes que são separadas pela linha de decisão.
c) A distância entre os diferentes pontos de dados dentro de uma mesma classe.
d) A área onde as previsões não podem ser feitas.
e) A quantidade de dados faltantes em cada classe.
5. O que significa o coeficiente de correlação de Pearson de 0,9 entre duas variáveis?
a) Existe uma correlação negativa entre as variáveis.
b) As variáveis não têm relação entre si.
c) As variáveis têm uma forte correlação positiva.
d) As variáveis têm uma relação causal.
e) As variáveis têm uma correlação moderada.
6. O que é o overfitting em modelos de aprendizado de máquina?
a) Quando o modelo não consegue capturar a complexidade dos dados.
b) Quando o modelo se ajusta excessivamente aos dados de treinamento, falhando em generalizar para dados não vistos.
c) Quando o modelo tem uma precisão muito baixa devido ao erro de amostragem.
d) Quando o modelo apresenta um baixo desempenho nos dados de teste.
e) Quando o modelo é treinado em um número insuficiente de dados.
7. Em análise de variância (ANOVA), o que é o valor p utilizado para?
a) Medir a correlação entre duas variáveis.
b) Avaliar se existe uma diferença significativa entre as médias de três ou mais grupos.
c) Determinar o erro de previsão do modelo.
d) Calcular a variância dentro de cada grupo.
e) Estimar a relação entre as variáveis dependentes e independentes.
8. O que é uma função de ativação em redes neurais?
a) Uma função que calcula a média dos dados de entrada.
b) Uma função que decide se um neurônio será ativado com base nos dados de entrada.
c) Uma função que calcula o erro quadrático médio do modelo.
d) Uma função que transforma os dados de entrada em valores contínuos.
e) Uma função que ajusta os pesos dos neurônios durante o treinamento.
9. Qual é a principal vantagem de usar o algoritmo Random Forest em machine learning?
a) Ele é mais simples e rápido de treinar do que outros modelos.
b) Ele combina várias árvores de decisão, o que reduz o risco de overfitting e melhora a precisão.
c) Ele não precisa de validação cruzada para funcionar corretamente.
d) Ele é adequado apenas para dados numéricos e não funciona com dados categóricos.
e) Ele sempre proporciona uma previsão exata sem erro.
10. Em análise de dados, o que é imputação?
a) O processo de excluir dados ausentes de um conjunto de dados.
b) O processo de substituir valores ausentes por estimativas baseadas nos dados disponíveis.
c) O processo de transformar variáveis contínuas em variáveis categóricas.
d) O processo de normalizar os dados para uma faixa específica.
e) O processo de reduzir a dimensionalidade dos dados.
Gabarito e Justificativas
1. c) O modelo de regressão linear visa prever uma variável contínua com base em variáveis independentes, ajustando uma linha reta aos dados.
2. b) Erro tipo I ocorre quando rejeitamos a hipótese nula, embora ela seja verdadeira.
3. d) Um algoritmo de classificação atribui rótulos de classe a novos dados com base em exemplos rotulados de treinamento.
4. b) A margem em SVM refere-se à distância entre as duas classes que o modelo tenta separar de maneira ótima.
5. c) Um coeficiente de correlação de Pearson de 0,9 indica uma forte correlação positiva entre as variáveis.
6. b) Overfitting ocorre quando o modelo se ajusta excessivamente aos dados de treinamento, não generalizando bem para novos dados.
7. b) O valor p em ANOVA é utilizado para avaliar se as médias de três ou mais grupos são significativamente diferentes.
8. b) A função de ativação em redes neurais decide se um neurônio será ativado ou não com base nas entradas recebidas.
9. b) O Random Forest combina várias árvores de decisão, o que reduz o risco de overfitting e melhora a precisão do modelo.
10. b) Imputação é o processo de substituir valores ausentes por estimativas, como a média, mediana ou outra abordagem, dependendo do contexto.