Estatistica Aplicada ao Data Science - A2

Prévia do material em texto

Usuário STEFANNY LACERDA LEITE VINHAS 
Curso 20201 - Estatística Aplicada Ao Data Science 
Teste ATIVIDADE 2 (A2) 
Iniciado 11/05/20 23:09 
Enviado 11/05/20 23:42 
Status Completada 
Resultado da tentativa 9 em 10 pontos 
Tempo decorrido 33 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
• Pergunta 1 
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). 
 
I. ( ) 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. 
II. ( ) 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. 
III. ( ) 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. 
IV. ( ) 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: 
V, 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 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 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. 
 
 
 
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 3 
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. 
 
I. 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. 
II. 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. 
III. 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. 
IV. 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 4 
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: 
 
I. 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; 
II. 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; 
III. 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; 
IV. 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 5 
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. 
 
I. 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. 
II. 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. 
III. 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. 
IV. 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 6 
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? 
 
Reflita sobre 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). 
 
 
I. ( ) 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. 
II. ( ) 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. 
III. ( ) 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. 
IV. ( ) 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. 
V. ( ) 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 7 
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 equação do modelo. 
 
 
• Pergunta 8 
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). 
 
I. ( ) 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. 
II. ( ) 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. 
III. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos 
preferidos é o diagrama de caixas, também conhecido como boxplot. 
 
IV. ( ) 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.