ESTATISTICA APLICADA AO DATA SCIENCE ATV 04

Prévia do material em texto

Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE ENGCI201 - 202010.ead-1953.04
Teste ATIVIDADE 4 (A4)
Iniciado 03/03/20 00:34
Enviado 06/04/20 11:38
Status Completada
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 827 horas, 3 minutos
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
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:
 
 
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.
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. 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 2
1 em 1 pontos
1 em 1 pontos
Resposta
Selecionada:
Resposta Correta:
Feedback
da
resposta:
Leia o excerto a seguir:
“A ciência dos dados é uma fusão de múltiplas disciplinas, incluindo estatística, ciência da
computação, tecnologia da informação e campos de domínios específicos. Consequentemente,
podem-se utilizar de muitos termos diferentes para se referir a um dado conceito.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados : 50 conceitos iniciais.
Rio de Janeiro: Alta Books, 2019, p. xv.
 A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. 
 
I. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos diferentes para se referir a
um dado conceito.
Pois
II. A estatística usa, de forma profunda, a matemática como pilar do seu desenvolvimento. É
considerada a ciência mais sutil, e a mais ampla, quanto o assunto são dados. É usada por todas
áreas científicas.
As asserções I e II são proposições verdadeiras, mas a II não é uma
justificativa da I.
As asserções I e II são proposições verdadeiras, mas a II não é uma
justificativa da I.
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 afirmado na asserção II, depois que formamos e nomeamos os grupos
(classificamos os grupos), podemos usar essas classes como variáveis respostas e, a
partir desse ponto, executar tarefas preditivas com algoritmos de classificação. Ou seja, a
asserção I é falsa.
Pergunta 3
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 Vpara a(s) Verdadeira(s) e
1 em 1 pontos
Resposta Selecionada:
 
Resposta Correta:
 
Feedback
da
resposta:
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.
V, V, V, V.
 
V, V, V, V.
 
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 4
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
O texto em referência explica que o processo de descoberta com a mineração de dados possui tanto
um sentido romântico (um processo emocionante e prazeroso), quanto técnico (um estudo criterioso
sobre dados). Também defende a ideia que é preciso conhecer o ambiente em que os dados são
produzidos e que tipo de conhecimento esse ambiente necessita e espera receber.. Ou seja, o que as
pessoas necessitam e esperam receber.Lei
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de dados : com aplicações
em R. Rio de Janeiro: Elsevier, 2016, p.3.
 
Considerando as ideias apresentadas acima e o que sabemos sobre ciência dos dados, mineração de
dados e machine learning, analise as afirmativas a seguir:
 
I. Machine learning são algoritmos desenvolvidos, principalmente, pela ciência da computação. São
usados na estatística, na ciência de dados e na mineração de dados.
II. O processo de descoberta de padrões e geração de conhecimento por meio de dados tem um
sentido romântico, por ser emocionante e prazeroso, e um sentido técnico, pois demanda estudos
técnicos criteriosos.
III. A estatística, a ciência da computação e a ciência de dados são áreas relacionadas, mas a
mineração de dados e ciência de dados são áreas independentes, sem nenhuma relação.
IV. Não é importante conhecer o ambiente em que os dados são produzidos e que tipo de
conhecimento esse ambiente necessita e espera receber.
 
Assinale a alternativa que apresenta a(s) afirmativa(s) correta(s):
I e II apenas;
I e II apenas;
Resposta correta. A alternativa está correta, pois machine learning são algoritmos
desenvolvidos, principalmente, pela ciência da computação, e são usados na estatística,
na ciência de dados e na mineração de dados, e o processo de descoberta de padrões e
geração de conhecimento por meio de dados tem um sentido romântico, por ser
emocionante e prazeroso, e um sentido técnico, pois demanda estudos técnicos
criteriosos. Também sabemos que a mineração de dados e ciência de dados são áreas
relacionadas, e que é importante conhecer o ambiente em que os dados são produzidos
e que tipo de conhecimento esse ambiente necessita e espera receber.
Pergunta 5
1 em 1 pontos
1 em 1 pontos
Resposta
Selecionada:
 
Resposta Correta: 
Feedback
da
resposta:
Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico:
 
“Começa com todos os registros. Progressivamente, os grupos são unidos aos grupos próximosaté
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.
 
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 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 6
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 7
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:
1 em 1 pontos
1 em 1 pontos
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
 
 
Desejamos entender se há similaridade entre observações (indivíduos) de uma
certa amostra de dados.
Desejamos entender se há similaridade entre observações (indivíduos) de uma
certa amostra de dados.
Resposta correta. A alternativa está correta, 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 8
Resposta
Selecionada:
 
Resposta Correta: 
Feedback
da
resposta:
 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
classificado de acordo com esse nome. O ser humano faz isso com naturalidade, primeiro agrupar e,
depois de formados os grupos, dar nomes aos grupos. 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:
 
I. Ao usarmos de algoritmos de agrupamento, depois que formados e nomeados (classificados) 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 classificação.
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 afirmado na asserção II, depois que formamos e nomeamos os grupos
(classificamos os grupos), podemos usar essas classes como variáveis respostas e, a
partir desse ponto, executar tarefas preditivas com algoritmos de classificação. Ou seja, a
asserção I é falsa.
Pergunta 9
Leia o excerto a seguir:
“Exploração de dados é a arte de olhar os seus dados, rapidamente gerar hipóteses sobre eles, e
rapidamente testar essas hipóteses. E repetir isso outra vez, outra vez, outra vez. O objetivo da
exploração de dados é a geração de pistas sobre o que os dados nos revelam, pistas que você poderá
explorar, mais tarde, em maior profundidade.” 
WICKHAM, Hadley; GROLEMUN, Garret. R for data science : import, tidy, transform, visualize, and
model dada. Sebastopol (CA): O’Reilly Media, 2017, p.1.
 
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. ( ) Análise estatística descritiva é parte da análise exploratória de dados, frequentemente entendida
como a exploração inicial dos dados.
II. ( ) Além dos métodos da estatística descritiva, algoritmos de agrupamento também são parte da
análise exploratória de dados.
III. ( ) A análise exploratória dos dados permite a geração de hipóteses sobre os dados, para posterior
1 em 1 pontos
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
investigação mais detalhada.
IV. ( ) Gerar hipóteses sobre dados significa gerar afirmações sobre possíveis padrões e descobertas
reveladas pelos dados, a serem melhor investigadas e comprovadas.
V, V, V, V.
V, V, V, V.
Resposta correta. A sequência está correta. É correto afirmar que a análise estatística
descritiva é parte da análise exploratória de dados, assim como dizer que algoritmos de
agrupamento também o são. Também é correto dizer que a análise exploratória dos
dados permite a geração de hipóteses sobre os dados, que devem ser melhor
investigadas para comprovação posteriormente, e que gerar hipóteses sobre dados
significa gerar afirmações sobre possíveis padrões e descobertas reveladas pelos dados.
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 estatísticaou 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 justificativa
correta da I.
As asserções I e II são proposições verdadeiras, e a II é uma justificativa
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 final da análise
de agrupamento se a padronização não for feita antes.
1 em 1 pontos