estatistica aplicada ao data science

Prévia do material em texto

suário PABLO FABRICIO 
Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE ENGCI201 - 
202010.ead-1953.04 
Teste ATIVIDADE 2 (A2) 
Iniciado 02/03/20 23:54 
Enviado 30/03/20 23:35 
Status Completada 
Resultado da 
tentativa 
10 em 10 pontos 
Tempo decorrido 67 horas, 40 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. 
 
1. 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. 
2. 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. 
3. 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. 
4. 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 
 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). 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos 
preferidos é o diagrama de caixas, também conhecido como boxplot. 
4. ( ) 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. 
 
 
 Pergunta 3 
1 em 1 pontos 
 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 4 
1 em 1 pontos 
 Vimos que há dois principais tipos de aprendizagem supervisionada: problema de regressão 
e problema de classificação. São os tipos de variáveis resposta dos dados em análise que 
distinguem esses dois tipos entre si. 
 
Relativamente a esses dois tipos, analise as afirmativas a seguir. 
 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável 
resposta é qualitativa. 
2. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável 
resposta é quantitativa. 
3. Na aprendizagem supervisionada, um problema de classificação é um no qual a variável 
resposta é qualitativa. 
4. Na aprendizagem supervisionada, um problema de classificação é um no qual a variável 
resposta é quantitativa. 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
II e III, apenas. 
Resposta Correta: 
II e III, apenas. 
Feedback da 
resposta: 
Resposta correta. Na aprendizagem supervisionada, um 
problema de regressão é um no qual a variável resposta é 
quantitativa e um problema de classificação é um no qual a 
variável resposta é qualitativa. 
 
 
 Pergunta 5 
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. 
 
1. Regressão logística é o único método de aprendizagem supervisionada que é utilizado para 
classificação, todos outros métodos são métodos de regressão. 
2. Apesar do nome regressão logística, o que acabasendo um pouco confuso para iniciantes, 
na verdade este é um dos vários métodos de aprendizagem supervisionada utilizado para 
classificação. 
3. 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). 
4. 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 6 
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. 
 
1. 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. 
2. Especificamente na aprendizagem supervisionada, também denominamos uma variável 
resposta de variável de saída ou variável dependente. 
3. Especificamente na aprendizagem supervisionada, também denominamos uma variável de 
entrada de variável regressora, variável preditora ou variável independente. 
4. 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 7 
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 8 
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). 
 
1. ( ) 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). 
2. ( ) 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). 
3. ( ) 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. 
4. ( ) 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. 
 
 
 Pergunta 9 
1 em 1 pontos 
 Continuando com o mesmo caso da questão anterior, relativa à aprovação, pelos bancos, de 
crédito na forma de cartão de crédito, como se fazia, no passado, a aprovação da 
concessão de cartões de crédito pelos bancos? E, hoje em dia, como os bancos fazem essa 
aprovação? 
 
Reflitasobre essas perguntas e suas respostas, analise as afirmativas a seguir e assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
 
1. ( ) No passado, os bancos faziam, e ainda fazem, ao menos em parte, a aprovação da 
concessão de cartões de crédito através da definição de regras que devem ser atendidas 
por cada cliente, tais como idade, emprego estável, renda fixa, dívidas pequenas, nome 
limpo e casa própria. 
2. ( ) Hoje em dia, dentre outras alternativas, uma que é frequentemente usada pelos bancos 
são algoritmos de aprendizagem supervisionada que classificam se o cliente é um potencial 
bom ou mau pagador. 
3. ( ) Para usarmos algoritmos de classificação com esse propósito de aprovar ou não cartões 
de crédito, precisamos de dados. Ensinamos ao algoritmo, com base nos dados que lhe são 
passados, a predizer clientes que são maus pagadores potenciais das faturas do cartão. 
Dessa forma, se o algoritmo, ao ser alimentado com os dados referentes a um novo cliente, 
classificar esse cliente como um mau pagador potencial, o banco não aprovará o cartão. 
4. ( ) Para equipes de análise de crédito, poder contar com a ajuda de um software com a 
capacidade de recomendar a aprovação ou não da concessão do cartão é de grande valor. 
5. ( ) A recomendação feita pelo software poderá ser tratada ao lado de outras regras de 
crédito para uma decisão final sobre a concessão de cartão para o cliente. 
 
 
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. No passado, os bancos faziam a aprovação da 
concessão de cartões de crédito através da definição de regras 
que deviam ser atendidas por cada cliente; hoje em dia, 
algoritmos de aprendizado de máquina classificam se o cliente é 
um potencial bom ou mau pagador. Para isso, dados são 
necessários. Poder contar com a ajuda de um software com a 
capacidade de recomendar a aprovação ou não da concessão do 
cartão é de grande valor para a equipe de análise de crédito. A 
recomendação feita pelo software poderá ser tratada ao lado de 
outras regras de crédito para uma decisão final sobre a 
concessão de cartão para o cliente. 
 
 
 Pergunta 10 
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. 
 
1. 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). 
2. 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). 
3. O segundo foco da avaliação é um problema de classificação, predizer o valor do limite (do 
crédito) do cartão. 
4. 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.