Atividade 02 - corrigida

Prévia do material em texto

Usuário ELVIS RODRIGUES SALGADO 
Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE GAGRO201 - 
202010.ead-29770713.06 
Teste ATIVIDADE 2 (A2) 
Iniciado 20/03/20 15:28 
Enviado 20/03/20 20:10 
Status Completada 
Resultado da 
tentativa 
8 em 10 pontos 
Tempo decorrido 4 horas, 42 minutos 
Resultados 
exibidos 
Respostas enviadas, Respostas corretas, Comentários 
 
 
 Pergunta 1 
1 em 1 pontos 
 
 Vimos que são muitos os algoritmos de classificação usados na estatística ou na ciência 
dos dados. Vimos também que podem ser divididos entre classificadores determinísticos ou 
probabilísticos, em que, dentre estes últimos, se encontra o modelo de regressão logística. 
Relativamente a modelos de regressão logística, que são aqui o nosso foco, analise as 
afirmativas a seguir. 
 
 Modelos de regressão logística são usados como modelos preditivos para casos em que a 
variável resposta é qualitativa, preferencialmente qualitativa dicotômica. As variáveis de 
entrada podem ser de qualquer tipo, quantitativas ou qualitativas. 
 Modelos de regressão logística são chamados de regressão logística simples, quando só 
há uma variável de entrada, também denominada de variável regressora, variável preditora 
ou variável independente. 
 Modelos de regressão logística são chamados de regressão logística múltipla, quando há 
mais do que uma variável de entrada, também denominadas de variáveis regressoras, 
variáveis preditoras ou variáveis independentes. 
 Modelos de regressão logística são classificadores probabilísticos. Por exemplo, para 
dados sintomas de um certo paciente, um modelo de regressão logística, depois de 
adequadamente treinado, fará a predição da probabilidade deste paciente estar ou não 
infectado com o vírus HIV. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
 
Feedback 
da 
resposta: 
Resposta correta. Modelos de regressão logística são usados 
quando a variável resposta é qualitativa, preferencialmente 
qualitativa dicotômica. Regressão logística simples e múltipla 
são, respectivamente, quanto só há uma ou há várias 
variáveis de entrada. Modelos de regressão logística são 
classificadores probabilísticos. Ou seja, todas as asserções 
são verdadeiras. 
 
 
 Pergunta 2 
1 em 1 pontos 
 
 A estatística descritiva usa de métodos numéricos para resumir dados, também chamados 
de sumários estatísticos, e de gráficos para a visualização dos dados. A jovem cientista de 
dados usou algumas técnicas de visualização de dados para analisar sua amostra, mas 
deixou outras de lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise descritiva dos 
dados. 
 
 Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
histogramas para a visualização dos dados quantitativos das amostras, que são a renda 
mensal das pessoas e seus gastos médios com o cartão de crédito. 
 Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
diagramas de barras para a visualização dos dados quantitativos das amostras, que são a 
renda mensal das pessoas e seus gastos médios com o cartão de crédito. 
 
 
 
 Histogramas e diagramas de barras são formas tradicionais de visualização gráfica de 
dados quantitativos e qualitativos, respectivamente, na estatística e na ciência dos dados. 
 A jovem cientista de dados usou, para este caso, apenas histogramas, e preferiu apenas 
lançar mão da função table() do software estatístico R, para determinar a frequência com 
que os níveis das variáveis qualitativas se manifestaram na amostra estudada, sem fazer 
uso de diagramas de barras, o que poderia ter feito, se quisesse. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, III e IV apenas. 
Resposta Correta: 
I, III e IV apenas. 
Feedback 
da 
resposta: 
Resposta correta. Histogramas e diagramas de barras são 
formas tradicionais de visualização gráfica de dados 
quantitativos e qualitativos, respectivamente, na estatística e 
na ciência dos dados, e a jovem cientista de dados não 
lançou mão de diagramas de barras. Neste caso, para 
 
visualizar os dados qualitativos, poderia ter feito isso, se 
quisesse. Diagramas de barras são usados para a 
visualização de dados qualitativos, não quantitativos. 
 
 
 Pergunta 3 
0 em 1 pontos 
 
 O ser humano tem enorme facilidade em agrupar, por similaridade, e classificar coisas, 
todos os tipos de coisas. Por conta disso, problemas de classificação são muito frequentes 
no mundo, mais frequentes que problemas de regressão. Fornecemos alguns exemplos de 
aplicação de métodos de classificação no mundo dos negócios. Dentre esses exemplos, 
encontramos: 
 
 a Netflix usa classificadores para recomendar filmes. Para a Netflix, o valor desse tipo de 
aplicação é que, quanto mais filmes assistirmos, maior será a sua receita; 
 o Facebook usa classificadores para recomendar novas amizades para a nossa rede de 
relacionamento. Para o Facebook, o valor desse tipo de aplicação é que, quanto maior 
nossa rede de relacionamento, maior será a sua receita; 
 um banco de varejo usa classificadores para detectar se uma operação com cartão de 
débito ou crédito é ou não uma operação fraudulenta. Para o banco, o valor dessa 
aplicação é que, quanto antes operações fraudulentas forem detectadas, mais rapidamente 
o banco pode agir para impedir perdas para seus clientes e para ele próprio; 
 uma concessionária de distribuição de energia elétrica usa classificadores para identificar 
casos potenciais de roubo de energia da rede, os famosos “gatos”. Para as concessionárias 
de distribuição de energia elétrica, o valor dessa aplicação é evitar prejuízo com o furto de 
energia da rede, além do relevante aspecto de prevenção de acidentes decorrentes de 
instalações clandestinas. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
III e IV, apenas. 
Resposta Correta: 
I, II, III e IV. 
Feedback 
da resposta: 
Sua resposta está incorreta. Todos os exemplos listados 
nesta questão são problemas de classificação, os quais, 
como dissemos no enunciado, são muito frequentes no 
mundo. Em todos eles, a variável resposta é uma variável 
qualitativa, ou dicotômica, ou politômica. 
 
 
 
 Pergunta 4 
1 em 1 pontos 
 
 A amostra relativa aos dados de inadimplência com cartões tinha 200 observações de 4 
variáveis: a renda mensal da pessoa (R$), seu gasto médio com cartão de crédito (R$), se 
a pessoa tinha um emprego estável (Sim ou Não) e se a pessoa havia, ao longo do período 
pesquisado, ficado inadimplente com o pagamento de faturas do cartão ao menos uma vez 
(Sim ou Não). 
 
Reflita sobre esse caso, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
 ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados são dados 
relativos a variáveis quantitativas. 
 ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados são 
dados relativos a variáveis qualitativas. 
 ( ) Dentre os dados fornecidos pelo gerente do banco à jovem cientista de dados, dois são 
relativos a uma variável quantitativa e dois são relativos a variáveis qualitativas. 
 ( ) Dentre os dados fornecidos pelo gerente do banco à jovem cientista de dados, um é 
relativo a uma variável quantitativa e os outros são relativos a variáveis qualitativas. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
F, F, V, F. 
 
 
 
Resposta Correta: 
F, F, V, F. 
 
 
 
Feedback 
da 
resposta: 
Resposta correta. Dentre os dados fornecidos pelo gerente 
do banco à jovem cientista de dados, dois são quantitativos, 
a renda mensal da pessoa (R$) e seu gasto médio com cartão 
de crédito (R$), e dois são qualitativos, se a pessoa tinha 
emprego estável (Sim ou Não) e se a pessoa havia, ao longo 
do períodopesquisado, ficado inadimplente com o 
pagamento de faturas do cartão ao menos uma vez (Sim ou 
Não). 
 
 
 
 Pergunta 5 
1 em 1 pontos 
 
 Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um modelo de 
regressão logística múltipla aos dados da amostra. Os resultados que encontrou foram 
muito ricos, sugerindo uma série de explicações, aprendidas pelo algoritmo com base nos 
dados fornecidos. Veja que dizemos “explicações sugeridas”, pois qualquer resultado de 
um algoritmo deve ser confrontado com especialistas da área em estudo. Contudo, vamos 
rever o que o modelo de regressão múltipla treinado pela jovem cientista de dados sugere. 
Para isso, analise as afirmativas a seguir. 
 
 
 A probabilidade da inadimplência cresce com o aumento dos gastos médios com o cartão 
de crédito. Isto, que nos parece óbvio, foi o que os dados “contaram” para o algoritmo de 
regressão logística múltipla. 
 A probabilidade da inadimplência cresce com o aumento da renda média mensal das 
pessoas. Isto não é tão óbvio e provavelmente não teríamos coragem de generalizar para 
outras situações, mas foi o que os dados da amostra do gerente do banco “contaram” para 
o algoritmo de regressão logística múltipla. 
 Para duas pessoas com a mesma renda mensal e o mesmo gasto mensal com cartão de 
crédito, a probabilidade de inadimplência com o cartão é maior para aquela sem emprego 
estável. Novamente, isto foi o que os dados amostrados “contaram” para o algoritmo de 
regressão logística múltipla. 
 O modelo de regressão logística múltipla, ajustado aos dados da amostra, consegue 
predizer os efeitos da renda mensal da pessoa, do seu gasto médio mensal com cartão de 
crédito e se ela tem ou não um emprego estável, na probabilidade de a pessoa ficar 
inadimplente com o cartão de crédito. Um algoritmo desse tipo pode ajudar no processo 
decisório de um banco quanto à aprovação de cartão de crédito, ao lado de outros critérios 
e ferramentas analíticas disponíveis para o banco. 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
Feedback 
da 
resposta: 
Resposta correta. Todas as asserções desta questão são 
verdadeiras. Para os dados analisados, probabilidade da 
inadimplência cresce com o aumento dos gastos médios com 
o cartão de crédito e com o aumento da renda média mensal 
das pessoas. Para duas pessoas com a mesma renda mensal 
e o mesmo gasto mensal com cartão de crédito, a 
probabilidade de inadimplência com o cartão é maior para 
aquela sem emprego estável. E o modelo de regressão 
logística múltipla é um modelo preditivo, um classificador 
probabilístico. 
 
 
 
 Pergunta 6 
0 em 1 pontos 
 
 Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma 
jovem cientista de dados usou gráficos de dispersão. Como cientista de dados, ela sabia 
exatamente em que situações empregar gráficos de dispersão. 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). 
 
 ( ) Gráficos de dispersão, em inglês chamados de scatter plots, só podem ser usados para 
a visualização de uma única variável, a qual deve ser obrigatoriamente uma variável 
qualitativa. 
 ( ) Gráficos de dispersão são usados para a visualização da relação entre duas variáveis 
quantitativas, em que os dados das duas variáveis são plotados aos pares. Permite, dessa 
forma, a verificação visual, pelo estatístico ou pelo cientista de dados, se há uma tendência 
de uma variável aumentar quando a outra aumenta, diminuir quando a outra diminui, ou se 
não há uma relação aparente entre as duas. 
 ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação entre o valor do 
imóvel e a sua área. Esse tipo de gráfico é chamado, em inglês, de scatter plot. 
 ( ) Um gráfico de dispersão foi usado para exibir, em pares, a relação entre o valor do 
imóvel e o seu andar. Esse tipo de gráfico é chamado, em inglês, de scatter plot. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
F, V, F, V. 
Resposta Correta: 
F, V, V, V. 
Feedback 
da 
resposta: 
Sua resposta está incorreta. A única asserção falsa é a que 
afirma que gráficos de dispersão só podem ser usados para a 
visualização de uma única variável, a qual deve ser 
obrigatoriamente uma variável qualitativa. É correto dizer 
que são usados para a visualização da relação entre duas 
variáveis quantitativas, permitindo a verificação visual de 
tendência de uma variável aumentar quando a outra 
aumenta, diminuir quando a outra aumenta, ou se não há 
uma relação aparente entre as duas. Sendo assim, 
puderam ser usados para exibir, em pares, a relação entre o 
valor do imóvel e a sua área e o valor do imóvel e o seu 
andar. 
 
 
 
 Pergunta 7 
1 em 1 pontos 
 
 Dados podem aparecer na forma de textos, imagens, vídeos, sons, tabelas, listas, 
sequências, séries, etc. São muitos os dados que hoje coletamos de diferentes fontes, e 
muitas as formas de organizá-los e armazená-los. Uma dessas forma, talvez a mais 
importante delas, são os dados estruturados. 
 
Relativamente a esse assunto, analise as afirmativas a seguir. 
 
 Dados estruturados são dados que não possuem uma estrutura regular e repetitiva, 
seguindo um padrão comum adotado pelas ciências da computação, estatística e ciência 
dos dados. 
 
 A forma de organização básica dos dados, preferida na estatística e na ciência dos dados, 
é a forma tabular, na qual as variáveis são dispostas nas linhas e as observações são 
dispostas nas colunas. 
 Dados estruturados são dados que possuem uma estrutura regular e repetitiva, seguindo 
um padrão comum adotado pelas ciência da computação, estatística e ciência dos dados. 
 A forma de organização básica dos dados, preferida na estatística e na ciência dos dados, 
é a forma tabular, na qual as variáveis são dispostas nas colunas e as observações são 
dispostas nas linhas. 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
III e IV, apenas. 
Resposta Correta: 
III e IV, apenas. 
Feedback 
da 
resposta: 
Resposta correta. Dados estruturados são dados que 
possuem uma estrutura regular e repetitiva, seguindo um 
padrão comum adotado pelas ciência da computação, 
estatística e ciência dos dados. Também está correto dizer 
que a forma de organização básica dos dados, preferida na 
estatística e na ciência dos dados, é a forma tabular, na qual 
as variáveis são dispostas nas colunas e as observações são 
dispostas nas linhas. 
 
 
 Pergunta 8 
1 em 1 pontos 
 
 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. 
 
 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. 
 Especificamente na aprendizagem supervisionada, também denominamos uma variável 
resposta de variável de saída ou variável dependente. 
 Especificamente na aprendizagem supervisionada, também denominamos uma variável de 
entrada de variável regressora, variável preditora ou variável independente. 
 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. 
 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
I, II, III e IV. 
Resposta Correta: 
I, II, III e IV. 
Feedback 
da 
resposta: 
Resposta correta. 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; na aprendizagem supervisionada, 
também chamamos a variável resposta de variável de saída 
ou variável dependente e as variáveis de entrada, de 
variáveis regressoras, preditoras ou independentes. 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. 
 
 
 Pergunta 9 
1 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. 
 
 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). 
 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 problema de classificação, predizer o valor do limite (do 
crédito) do cartão. 
 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: 
II e IV, apenas. 
Resposta Correta: 
II e IV, apenas. 
Feedback 
da 
resposta: 
Resposta correta. 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 problema de 
regressão, ou seja, predizer o valor do limite (de crédito) do 
cartão a ser concedido para o cliente. Esse valor é uma 
variável quantitativa, cuja predição é feita por algoritmos de 
regressão. 
 
 Pergunta 10 
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). 
 
 ( ) 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). 
 ( ) 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). 
 ( ) 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. 
 ( ) 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 entre aquelas que não têm 
emprego estável. 
 
 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta 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.