ATIVIDADE 4

Prévia do material em texto

06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 1/7
Revisar envio do teste: ATIVIDADE 4 (A4) 
Usuário RENATO DE OLIVEIRA VIEIRA
Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE GAGRO201 - 202010.ead-29770713.06
Teste ATIVIDADE 4 (A4)
Iniciado 26/03/20 21:19
Enviado 06/04/20 12:09
Status Completada
Resultado da tentativa 8 em 10 pontos  
Tempo decorrido 254 horas, 50 minutos
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
Na estatística ou, genericamente, na análise de dados, muito frequentemente analisamos dados ditos
retangulares ou estruturados, onde as variáveis - quantitativas ou qualitativas - são dispostas nas colunas e as
observações na linhas de uma tabela. Em algumas situações é vantajoso se fazer a padronização das variáveis
quantitativas. 
  
Assinale a alternativa correta relativamente ao assunto de padronização de variáveis quantitativas na
estatística: 
  
 
Na padronização, se subtrai de cada variável sua média, e depois se divide o resultado
pelo seu desvio padrão.
Na padronização, se subtrai de cada variável sua média, e depois se divide o resultado
pelo seu desvio padrão.
Resposta correta. A alternativa está correta. Na estatística, assim como nas suas ciências
correlatas, como a ciência dos dados e a mineração de dados, a padronização de uma variável
quantitativa é feita subtraindo-se dessa variável a sua média e depois dividindo-se o resultado
pelo seu desvio padrão.
Pergunta 2
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 �gura abaixo. 
  
1 em 1 pontos
1 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 2/7
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
 
  
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
Com respeito da leitura deste dendrograma, analise as a�rmativas 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}. 
 
V, F, F, V.
V, F, F, V.
Resposta correta.  A sequência está correta. 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}.
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}.
Pergunta 3
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 a�rmativas a seguir e assinale
V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
1 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 3/7
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
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. 
 
V, V, V, V.
V, V, V, V.
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 4
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
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 a�rmativas 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 negativaé 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.
V, V, V, V.
V, V, V, V.
Resposta correta.  A sequência está correta. Os valores 1,00 apenas indicam a correlação
perfeita que existe entre uma variável e ela mesma. A maior correlação positiva é aquela entre as
variáveis x2 e x4, indicando uma forte associação entre essas duas variáveis, e que uma aumenta
com um aumento da outra. A maior (em valor absoluto) correlação negativa é aquela entre as
variáveis x1 e x4, indicando uma forte associação entre essas duas variáveis, e que uma diminui
1 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 4/7
quanto a outra aumenta. A menor (em valor absoluto) correlação negativa é aquela entre as
variáveis x4 e x5, indicando uma fraca associação entre essas duas variáveis, e que uma diminui
quando a outra aumenta.
Pergunta 5
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
Os métodos de aprendizagem estatística (statistical learning, em inglês) são divididos em métodos de
aprendizagem supervisionada e métodos de aprendizagem não supervisionada. Para cada uma dessas
diferentes abordagens, há uma coleção relativamente grande de diferentes métodos, cada um com seu
próprio jeito de funcionamento. 
  
Assinale a alternativa que indica um problema de aprendizagem não supervisionada: 
  
 
Pretendemos ter uma ideia do volume de vendas de um produto de varejo a partir de
algumas características do ponto de venda.
Desejamos entender se há similaridade entre observações (indivíduos) de uma certa
amostra de dados.
Sua resposta está incorreta. A alternativa está incorreta, pois entender se há similaridade entre
observações (indivíduos) de uma amostra é o mesmo que tentar agrupar os indivíduos similares,
o que é um problema de aprendizagem não supervisionada. Todos os demais problemas
propostos são problemas de aprendizagem supervisionada, em que há uma variável resposta
supervisora, quantitativa ou qualitativa, para o treinamento do algoritmo preditivo.
Pergunta 6
Um jovem cientista de 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 �gura exibida adiante: 
  
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
  
Relativamente à interpretação desta �gura, assinale a alternativa correta: 
0 em 1 pontos
1 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 5/7
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
  
 
É um dendrograma, ou seja, um grá�co na forma de uma árvore, que representa os vários
grupos formados em cada estágio do processo de agrupamento hierárquico.
É um dendrograma, ou seja, um grá�co na forma de uma árvore, que representa os vários
grupos formados em cada estágio do processo de agrupamento hierárquico.
Resposta correta. A alternativa está correta. O dendrograma resultante de uma análise de
agrupamento hierárquico representa todos os agrupamentos possíveis, desde os grupos
formados por observações individuais (no exemplo, cada um dos cinco estados) até o topo com
um único grupo formado por todas as observações (no exemplo, um único grupo com os cinco
estados). Cabe ao cientista de dados escolher o agrupamento que faz mais sentido para a sua
análise. As demais alternativas estão erradas, como se pode veri�car de uma leitura direta do
próprio dendrograma.
Pergunta 7
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
Na estatística, quanto duas variáveis quantitativas comportam-se uma em relação à outra de forma
aproximadamente linear, é comum se calcular a correlação entre elas. Esse cálculo, entretanto, ao estudo da
relação entre duas variáveis qualitativas, ou entre uma variável quantitativa e uma variável qualitativa. 
  
A respeito do cálculo da correlação entre duas variáveis quantitativas, analise as a�rmativas a seguir e
assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra variável diminui. 
II. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra variável também aumenta. 
III. ( ) Uma correlação negativa indica que quando uma das variáveis aumenta a outra variável diminui. 
IV. ( ) Uma correlação negativa indica que quando uma das variáveis diminui a outra também diminui. 
 
F, V, V, F.
F, V, V, F.
Resposta correta.  A sequência está correta. É correto a�rmar que uma correlação positiva indica
que quando uma das variáveis aumenta a outra variável também aumenta, e que uma correlação
negativa indica que quando uma das variáveis aumenta a outra variável diminui. É incorreto
a�rmar que uma correlação positiva indica que quando uma das variáveis aumenta a outra
variável diminui, ou que uma correlação negativa indica que quando uma das variáveis diminui a
outra também diminui.
Pergunta 8
Quando os dados se referem a múltiplas variáveis quantitativas, é possível exibir múltiplos grá�cos de
dispersão entre pares dessas variáveis, duas a duas. No software estatístico R, isto pode ser feito com a função
grá�ca pairs(). Adiante apresentamos um output típico da função pairs() quando aplicada a quatro variáveis
quantitativas de um determinado conjunto de dados. 
  
1 em 1 pontos
0 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 6/7
Resposta Selecionada: 
Resposta Correta:
 
Feedback
da
resposta:
 
  
Figura 4: Múltiplos grá�cos de dispersão entre as variáveis de USArrest 
Fonte: Elaborada pelo autor. 
  
A respeito deste output típico da função grá�ca pairs() do software estatístico R, para a exibição de múltiplos
grá�cos de dispersão entre variáveis quantitativas, analise as a�rmativas a seguir e assinale V para a(s)
Verdadeira(s) e 
F para a(s) Falsa(s). 
  
I. ( ) O grá�co de y = Murder versus x = Assault mostra uma tendência de aumento de Murder para um
aumento de Assault. 
II. ( ) O grá�co de y = Murder versus x = UrbanPop mostra uma grande dispersão dos pontos sem uma
tendência clara de subida ou descida. 
III. ( ) O grá�co 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
grá�cos de dispersão, de cada uma delas contra as outras três.
F, V, V, V.
V, V, V, V. 
  
Sua resposta está incorreta. A sequência está incorreta. O grá�co de y = Murder versus x =
Assault de fato mostra uma tendência de aumento de Murder para um aumento de Assault,
assim como grá�co de y = Murder versus x = UrbanPop mostra uma grande dispersão dos pontos
sem uma tendência clara de subida ou descida. O grá�co 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 e, como são quatro
variáveis quantitativas, então ao total são 12 grá�cos de dispersão, de cada uma delas contra as
outras três.
Pergunta 9
 Depois que formamos grupos de observações de um conjunto de dados (amostra), por meio de um algoritmo
de agrupamento, podemos dar nomes aos mesmos, e cada indivíduo de cada grupo será classi�cado de acordo
com esse nome. O ser humano faz isso com naturalidade, primeiro agrupar e, depois de formados os grupos,
dar nomes aosgrupos. Por exemplo, animais vertebrados ou invertebrados, carros ou aviões, homens ou
mulheres. 
  
A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. e assinale a alternativa
correta: 
1 em 1 pontos
06/04/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller# 7/7
Segunda-feira, 6 de Abril de 2020 12h10min09s BRT
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
  
I.  Ao usarmos de algoritmos de agrupamento, depois que formados e nomeados (classi�cados) os grupos de
observações resultantes do algoritmo, não é possível usar essas classes como variáveis respostas e, a partir
desse ponto, executar tarefas preditivas com algoritmos de classi�cação. 
Pois 
II. Algoritmos de agrupamento fazem parte dos métodos da chamada aprendizagem não supervisionada. Não
são modelos preditivos. 
 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
Resposta correta. A alternativa está correta, pois mesmo que algoritmos de agrupamento sejam
parte dos métodos da aprendizagem não supervisionada, e não serem modelos preditivos, como
a�rmado na asserção II, depois que formamos e nomeamos os grupos (classi�camos os grupos),
podemos usar essas classes como variáveis respostas e, a partir desse ponto, executar tarefas
preditivas com algoritmos de classi�cação. Ou seja, a asserção I é falsa.
Pergunta 10
Resposta
Selecionada:
Resposta Correta:
Feedback
da
resposta:
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.
As asserções I e II são proposições verdadeiras, e a II é uma justi�cativa correta da I.
As asserções I e II são proposições verdadeiras, e a II é uma justi�cativa correta da I.
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 �nal da análise de agrupamento se a padronização não
for feita antes.
← OK
1 em 1 pontos
javascript:launch('/webapps/blackboard/content/listContent.jsp?content_id=_12642012_1&course_id=_560925_1&nolaunch_after_review=true');