Análise de Dados e Classificação

Prévia do material em texto

• 
A jovem cientista de dados, tendo em mãos os dados que lhe foram passados pelo gerente do 
banco, precisou denominá-los corretamente para a fase de treino (ajuste) do algoritmo 
preditivo. Ela escolheu a regressão logística como seu algoritmo preditivo, para classificar o 
potencial (a probabilidade) de uma pessoa ficar ou não inadimplente com o pagamento das 
faturas do cartão de crédito. 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1. ( ) A jovem cientista de dados escolheu como variável resposta a renda mensal da pessoa, e 
tratou as demais variáveis como variáveis de entrada. 
2. ( ) A jovem cientista de dados escolheu o gasto médio mensal da pessoa com cartão de 
crédito como a variável resposta, e tratou as demais como variáveis de entrada. 
3. ( ) A jovem cientista de dados não definiu qualquer das quatro variáveis como a variável 
resposta, e decidiu realizar uma análise baseada em aprendizagem não supervisionada. 
4. ( ) A jovem cientista de dados escolheu como variável resposta se a pessoa havia, ao longo do 
período pesquisado, ficado inadimplente com o pagamento das faturas do cartão ao menos 
uma vez (Sim ou Não), e tratou as demais variáveis como variáveis de entrada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
F, F, F, V. 
Resposta Correta: 
F, F, F, V. 
Feedback 
da 
resposta: 
Resposta correta. A jovem cientista de dados escolheu como 
variável resposta se a pessoa havia, ao longo do período 
pesquisado, ficado inadimplente com o pagamento das faturas do 
cartão ao menos uma vez (Sim ou Não), e tratou as demais 
variáveis como variáveis de entrada. 
 
• Pergunta 2 
1 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). 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
4. ( ) 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, V, V. 
Resposta Correta: 
F, V, V, V. 
Feedback 
da 
resposta: 
Resposta correta. 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 3 
1 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: 
 
1. 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; 
2. 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; 
3. 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; 
4. 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: 
I, II, III e IV. 
Resposta Correta: 
I, II, III e IV. 
Feedback 
da 
resposta: 
Resposta correta. 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). 
 
1. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados são dados 
relativos a variáveis quantitativas. 
2. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados são 
dados relativos a variáveis qualitativas. 
3. ( ) 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. 
4. ( ) 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 período 
pesquisado, ficado inadimplente com o pagamento de faturas do 
cartão ao menos uma vez (Sim ou Não). 
 
 
• Pergunta 5 
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 descritivados 
 
dados. 
 
1. 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. 
2. 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. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de visualização gráfica de 
dados quantitativos e qualitativos, respectivamente, na estatística e na ciência dos dados. 
4. 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 6 
1 em 1 pontos 
 
Ao longo das nossas discussões, demos foco a um classificador chamado de regressão 
logística que, apesar do nome regressão (esse nome por razões históricas e por conta de 
algumas de suas características), é usado como um classificador. Mas também vimos que 
existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as afirmativas a 
seguir. 
 
3. Regressão logística é o único método de aprendizagem supervisionada que é utilizado para 
classificação, todos outros métodos são métodos de regressão. 
4. Apesar do nome regressão logística, o que acaba sendo um pouco confuso para iniciantes, 
na verdade este é um dos vários métodos de aprendizagem supervisionada utilizado para 
classificação. 
5. Dentre os métodos utilizados para classificação se encontram regressão logística, análise 
discriminante linear (LDA = Linear Discriminant Analysis), árvores de decisão para 
classificação, máquinas de vetores de suporte (SVM = support vector machines) e k-
vizinhos mais próximos (KNN = k-nearest neighbors). 
6. Regressão linear não é um método de classificação, mas, sim, um dos métodos preditivos 
de aprendizagem supervisionada usados na predição de valores de variáveis respostas 
quantitativas. 
 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
 
 
 
Resposta Correta: 
II, III e IV, apenas. 
 
 
 
Feedback 
da resposta: 
Resposta correta. A única asserção incorreta desta questão é a 
primeira, que afirma que regressão logística é o único método 
de aprendizagem supervisionada que é utilizado para 
classificação, todos outros métodos são métodos de regressão. 
 
 
• Pergunta 7 
1 em 1 pontos 
 
Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e (2) 
modelos de regressão logística. Esses modelos são aplicados em situações bem distintas, 
que dependem, essencialmente, da natureza da variável resposta, também chamada de 
variável dependente. 
 
Com esses dois modelos em mente, analise as afirmativas a seguir. 
 
0. Modelos de regressão logística simples são usados na predição de uma variável resposta 
qualitativa quando há mais do que uma variável de entrada. 
1. Modelos de regressão linear simples são usados na predição de uma variável resposta 
qualitativa quando se considera apenas uma variável de entrada. 
2. Um possível modelo de regressão logística simples para a predição da probabilidade de 
inadimplência é: 
 
 
 
 
em que e são os coeficientes do modelo, , o gasto médio mensal da 
pessoa com cartão de crédito e , o valor esperado para a probabilidade de a pessoa 
ficar ou não inadimplente com o pagamento das faturas do cartão. 
 
4. O método comumente usado para calcular os valores dos coeficientes e é o 
Método da Máxima Verossimilhança. Para isso, pode-se fazer uso do software estatístico 
R. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
Resposta Correta: 
II, III e IV, apenas. 
Feedback 
da 
resposta: 
Resposta correta. Modelo de regressão logística é dito simples 
quanto se considera apenas uma variável de entrada; o modelo 
exposto nesta questão é, de fato, aquele adotado pela cientista 
de dados, e o método que ela usou para determinar os 
coeficientes do modelo foi o Método da Máxima 
Verossimilhança, através do software estatístico R. 
 
 
• 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. 
 
4. 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. 
5. Especificamente na aprendizagem supervisionada, também denominamos uma variável 
resposta de variável de saída ou variável dependente. 
6. Especificamente na aprendizagem supervisionada, também denominamos uma variável de 
entrada de variável regressora, variável preditora ou variável independente. 
7. 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 
 
O modelo de regressão logística simples desenvolvido por uma jovem cientista de dados 
para a predição da probabilidade de inadimplência com o cartão de crédito foi: 
 
 
 
Tomando como base esse modelo, que foi ajustado aos dados da amostra cedida pelo 
gerente, podemos estimar o valor esperado para a probabilidade de inadimplência com 
cartão de crédito das pessoas. Por exemplo, vamos considerar duas pessoas, uma com 
um gasto de médio mensal com o cartão de R$ 500,00, e a outra com um gasto médio 
mensal de R$ 1.000,00. Usando o modelo ajustado anterior, obtemos, respectivamente 
(assinale a alternativa correta): 
 
 
 
Resposta Selecionada: 
7% e 27%. 
 
 
 
 
Resposta Correta: 
7% e 27%. 
 
 
 
 
Feedback 
da resposta: 
Resposta correta. Esses valores são aqueles calculados pela 
simples substituição da variável de entrada pelos valores 
R$ 500,00 e R$ 1.000,00, respectivamente, na equaçãodo 
modelo. 
 
 
• Pergunta 10 
1 em 1 pontos 
 
Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma 
jovem cientista de dados usou boxplots (diagramas de caixas). Como cientista de dados, 
ela sabia exatamente em que situações empregar boxplots. 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). 
 
0. ( ) Para examinar visualmente a relação entre duas variáveis, em que uma é quantitativa e 
a outra é qualitativa, não é possível a utilização de gráficos de dispersão. 
1. ( ) Boxplots são uma solução inteligente para a visualização da relação entre uma variável 
quantitativa e uma variável qualitativa, em que no eixo horizontal indicamos os níveis da 
variável qualitativa e no eixo vertical, a variação dos valores observados para a variável 
quantitativa. 
2. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos 
preferidos é o diagrama de caixas, também conhecido como boxplot. 
3. ( ) Na construção de um boxplot, podemos representar no eixo vertical os níveis da variável 
qualitativa e no eixo horizontal, os valores da variável quantitativa. Nesse caso, a 
visualização da variação dos dados da variável quantitativa é exibida horizontalmente, e os 
níveis (classes) da variável qualitativa são exibidos verticalmente. 
 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
V, V, F, V. 
Resposta Correta: 
V, V, F, V. 
Feedback 
da 
resposta: 
Resposta correta. A única asserção falsa é a que afirma que 
para examinar visualmente a relação entre duas variáveis 
quantitativas, um dos gráficos preferidos é o diagrama de 
caixas, também conhecido como boxplot. Para examinar 
visualmente a relação entre duas variáveis, em que uma é 
quantitativa e a outra é qualitativa, não é possível a utilização de 
gráficos de dispersão. Para isso, usamos boxplots, em que, no 
eixo horizontal, indicamos os níveis da variável qualitativa e, no 
eixo vertical, a variação dos valores observados para a variável 
quantitativa. Podemos inverter a posição desses eixos. 
 
 
Segunda-feira, 6 de Abril de 2020 15h15min03s BRT