ESTATISTICA APLICADA AO DATA SCIENCE ATIVIDADE 4

Prévia do material em texto

Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE 
PTA - 202010.ead-3899.03 
Teste ATIVIDADE 4 (A4) 
Iniciado 06/04/20 17:50 
Enviado 06/04/20 18:01 
Status Completada 
Resultado da 
tentativa 
9 em 10 pontos 
Tempo decorrido 10 minutos 
Resultados 
exibidos 
Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
1 em 1 pontos 
 
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 afirmativas 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. 
 
 
Resposta Selecionada: 
F, V, V, F. 
Resposta Correta: 
F, V, V, F. 
Feedback 
da resposta: 
Resposta correta. A sequência está correta. É correto afirmar 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 afirmar 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 2 
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: 
 
I. 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. 
II. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável resposta de variável de saída ou variável 
dependente. 
III. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável de entrada de variável regressora, variável 
preditora, variável explanatória ou variável independente. 
IV. 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. 
 
 
 
 
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 3 
1 em 1 pontos 
 
O texto em referência apresenta como exemplo de agrupamento uma 
companhia de vendas online que deseja agrupar seus clientes com base em 
suas características comuns (renda, idade, número de filhos, estado civil, 
grau de educação, etc.). Com o resultado do agrupamento, eles definirão 
campanhas de marketing e de divulgação específicas para cada um dos 
diferentes grupos que vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. 
Upper Saddle River, NJ: Pearson Education, 2003, p.125. 
A respeito das fontes que originaram os contos de fadas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis 
quantitativas. Sendo assim, parte das variáveis disponíveis para esse caso 
são irrelevantes. 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de 
conjuntos de dados exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas 
por um supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e 
depois classificar, já que isso só pode ser realizado por meio de algoritmos. 
 
Resposta Selecionada: 
F, F, F, F. 
Resposta Correta: 
F, F, F, F. 
Feedback 
da 
resposta: 
Resposta correta. A sequência está correta. Há algoritmos de 
agrupamento que lidam variáveis quantitativas, ou qualitativas, ou 
mistas. Portanto, as asserções I e II são falsas. Algoritmos de 
agrupamento não podem ter as suas soluções verificadas por um 
supervisor, pois fazem parte dos métodos de aprendizagem não 
supervisionada. E seres humanos possuem habilidade natural para 
agrupar e depois classificar. Portanto, as asserções III e IV também 
são falsas. 
 
 
 Pergunta 4 
1 em 1 pontos 
 
Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico: 
 
“Começa com todos os registros. Progressivamente, os grupos são unidos 
aos grupos próximos até que todos os registros pertençam a um único 
grupo. O histórico de aglomeração é retido e plotado, e o usuário pode 
visualizar o número e a estrutura dos grupos em diferentes estágios. As 
 
distâncias intergrupos são calculadas de jeitos diferentes, todas baseadas 
no conjunto de distância inter-registros.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 278. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. No agrupamento hierárquico, o usuário deve obrigatoriamente especificar 
o número de grupos que deseja ver o algoritmo formar. 
Pois 
II. O algoritmo começa com grupos formados por registros individuais e, 
progressivamente, os grupos são unidos aos grupos mais próximos, até que 
todos os registros pertençam a um único grupo. 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma proposição 
verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma proposição 
verdadeira. 
Feedback 
da 
resposta: 
Resposta correta. A alternativa está correta, pois no agrupamento 
hierárquico, diferentemente do que se requer para o agrupamento por 
k-médias, o usuário não especifica o número de grupos que o 
algoritmo deve formar. Em estágios progressivos, se parte de tantos 
grupos quanto o número de registros (observações) do conjunto de 
dados, formam-se sequencialmente vários agrupamentos, por fusão 
entre grupos mais similares entre si, até se formar um único grupo, ao 
final, com todos os registro do conjunto de dados analisado. Ao 
usuário cabe examinar essa estrutura, e decidir que agrupamentos 
fazem mais sentido para a sua análise. 
 
 
 Pergunta 5 
1 em 1 pontos 
 
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 suascorrelações 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 afirmativas 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 negativa é 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. 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Feedback 
da resposta: 
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 
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 6 
1 em 1 pontos 
 
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 figura exibida adiante: 
 
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
 
Resposta 
Selecionada: 
 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, 
que representa os vários grupos formados em cada estágio do 
processo de agrupamento hierárquico. 
Resposta 
Correta: 
 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, 
que representa os vários grupos formados em cada estágio do 
processo de agrupamento hierárquico. 
Feedback 
da 
resposta: 
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 verificar de uma 
leitura direta do próprio dendrograma. 
 
 
 Pergunta 7 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível 
exibir múltiplos gráficos de dispersão entre pares dessas variáveis, duas a 
duas. No software estatístico R, isto pode ser feito com a função gráfica 
pairs(). Adiante apresentamos um output típico da função pairs() quando 
aplicada a quatro variáveis quantitativas de um determinado conjunto de 
dados. 
 
 
 
Figura 4: Múltiplos gráficos de dispersão entre as variáveis de USArrest 
 
Fonte: Elaborada pelo autor. 
 
A respeito deste output típico da função gráfica pairs() do software 
estatístico R, para a exibição de múltiplos gráficos de dispersão entre 
variáveis quantitativas, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e 
F para a(s) Falsa(s). 
 
I. ( ) O gráfico de y = Murder versus x = Assault mostra uma tendência de 
aumento de Murder para um aumento de Assault. 
II. ( ) O gráfico de y = Murder versus x = UrbanPop mostra uma grande 
dispersão dos pontos sem uma tendência clara de subida ou descida. 
III. ( ) O gráfico 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 gráficos de dispersão, de cada uma delas 
contra as outras três. 
Resposta Selecionada: 
V, V, V, V. 
 
Resposta Correta: 
V, V, V, V. 
 
 
Feedback 
da 
resposta: 
Resposta correta. A sequência está correta. O gráfico de y = Murder 
versus x = Assault de fato mostra uma tendência de aumento de 
Murder para um aumento de Assault, assim como gráfico de y = 
Murder versus x = UrbanPop mostra uma grande dispersão dos 
pontos sem uma tendência clara de subida ou descida. O gráfico 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 gráficos de dispersão, de cada uma delas contra as outras três. 
 
 
 Pergunta 8 
1 em 1 pontos 
 
Em uma análise de agrupamento examinamos os dados observados (as 
linhas da tabela com os dados) e procuramos identificar, através de algum 
critério de similaridade, aquelas que estão mais próximas entre si, e 
formamos grupos com essas observações similares. Quando são apenas 2 
variáveis e poucas observações (tamanho da amostra pequeno), por 
exemplo 10, podemos tentar fazer o agrupamento visualmente. 
 
 
Analise a figura adiante e assinale a alternativa que indica a menor 
quantidade de grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Feedback 
da 
resposta: 
Resposta correta. A alternativa está correta. A questão solicita a 
alternativa com o menor número de grupos que você naturalmente 
formaria. Há três alternativas com dois grupos, porém aquela que 
parece ser a mais natural é a que agrupa 6 indivíduos do lado 
esquerdo do gráfico e 4 indivíduos do lado direito, pois as outras 
alternativas com dois grupos não são tão naturais quanto essa opção. 
 
 
 Pergunta 9 
0 em 1 pontos 
 
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 asserçõesa 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. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, mas a II não é 
uma justificativa correta da I. 
 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, e a II é uma 
justificativa correta da I. 
Feedback 
da 
resposta: 
Sua resposta está incorreta. 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 final da 
análise de agrupamento se a padronização não for feita antes. 
 
 Pergunta 10 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível 
calcular a correlação entre pares dessas variáveis, duas a duas. No 
software estatístico R, isto pode ser feito com a função cor(). Adiante 
apresentamos um output típico da função cor() quando aplicada ao cálculo 
da correlação entre quatro variáveis quantitativas de um determinado 
conjunto de dados. 
 Murder Assault UrbanPop Rape 
Murder 1.00 0.80 0.07 0.56 
Assault 0.80 1.00 0.26 0.67 
UrbanPop 0.07 0.26 1.00 0.41 
Rape 0.56 0.67 0.41 1.00 
 
 
A respeito deste output típico da função cor() do software estatístico R, para 
o cálculo da correlação entre múltiplas variáveis quantitativas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis 
quantitativas dessa amostra, quando uma aumenta, a outra também 
aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas 
indica uma correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre 
Murder e Assault, cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela 
entre Rape e Assault, cujo valor é de 0,67 e não de 0,56. 
 
Resposta Selecionada: 
V, V, V, F. 
Resposta Correta: 
V, V, V, F. 
 
Feedback 
da 
resposta: 
Resposta correta. A sequência está correta. Todas correlações são 
positivas, indicando que, para todas variáveis quantitativas dessa 
amostra, quando uma aumenta, a outra também aumenta. Uma 
correlação igual a 1 entre uma variável e ela mesma apenas indica 
uma correlação perfeita dela com ela mesma. A maior correlação 
positiva entre essas variáveis é aquela entre Murder e Assault, cujo 
valor é de 0,80. E, finalmente, a segunda maior correlação positiva 
entre essas variáveis é aquela entre Rape e Assault, mas o valor é 
0,67 e não 0,56, que se refere à correlação entre as variáveis Murder e 
Rape. 
 
 
	 Pergunta 1
	 Pergunta 2
	 Pergunta 3
	 Pergunta 4
	 Pergunta 5
	 Pergunta 6
	 Pergunta 7
	 Pergunta 8
	 Pergunta 9
	 Pergunta 10