N2 - Estatística Aplicada Ao Data Science

Prévia do material em texto

• Pergunta 1 
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 2 
1 em 1 pontos 
 
Na Unidade 2 estudamos os modelos preditivos de classificação com 
regressão logística múltipla, para a predição da probabilidade de 
inadimplência. Aqui, para a predição do volume de vendas de um produto de 
varejo (uma variável qualitativa com dois níveis, vendas altas ou baixas), 
usamos como classificador uma árvore de decisão. 
 
 
Figura: Árvore de decisão ajustada às vendas do produto de varejo 
Fonte: Elaborada pelo autor. 
 
A respeito deste modelo de árvore de decisão aplicado ao problema de 
predição do volume de vendas da boneca falante (replicado aqui, para sua 
conveniência), analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Se o local de exposição da boneca for ruim, porém seu preço menor 
que 241,25 reais, as vendas serão altas, independentemente dos gastos 
com publicidade e da idade média da população local. 
II. ( ) Se o local de exposição da boneca for ruim, seu preço igual ou maior 
que 241,25 reais, mas os gastos com publicidade forem menores que 78 mil 
reais, as vendas serão altas, independentemente da idade média da 
população. 
III. ( ) Se o local de exposição da boneca for bom, porém seu preço for igual 
ou maior que 356,25 reais, as vendas serão baixas, independentemente dos 
gastos com publicidade e da idade média da população. 
IV. ( ) Se o local de exposição da boneca for médio e seu preço for igual ou 
maior que 241,25 reais, mas os gastos com publicidade forem iguais ou 
maiores que 78 mil reais e a idade média da população for menor que 44 
anos, as vendas serão altas. 
 
 
Assinale a alternativa que apresenta a sequência correta: 
Resposta Selecionada: 
V, F, V, V. 
Resposta Correta: 
V, F, V, V. 
Feedback 
da 
resposta: 
Resposta correta. A sequência está correta. Se o local de exposição da 
boneca for ruim, porém seu preço for menor que 241,25 reais, as 
vendas serão altas, independentemente dos gastos com publicidade e 
da idade média da população local. Se o local de exposição da boneca 
for bom, porém seu preço for igual ou maior que 356,25 reais, as 
vendas serão baixas, independentemente dos gastos com publicidade 
e da idade média da população. Se o local de exposição da boneca for 
médio e seu preço for igual ou maior que 241,25 reais, mas os gastos 
com publicidade forem iguais ou maiores que 78 mil reais e a idade 
média da população for menor que 44 anos, as vendas serão altas. 
 
 
• Pergunta 3 
0 em 1 pontos 
 
Apresentamos o desenvolvimento de um algoritmo preditivo, com base em 
modelos de regressão linear, a partir de um caso envolvendo a interação 
entre uma corretora de imóveis e seu amigo estatístico. 
 
Relativamente a esse caso, analise as afirmativas a seguir. 
 
I. No estudo de caso discutido, a corretora não via razão para trabalhar com 
um algoritmo preditivo de valor de venda de imóveis, pois isso não a 
ajudaria no desenvolvimento do seu trabalho. 
II. A corretora de imóveis passou para seu amigo estatístico uma amostra de 
tamanho n = 90, contendo dados relativos a imóveis vendidos pela 
imobiliária onde trabalhava. 
III. As variáveis observadas na amostra são a área do imóvel, seu andar, 
sua localização e o valor pelo qual havia sido vendido. 
IV. Na amostra, a localização do imóvel foi dividida em cinco níveis (também 
denominados classes): centro, zona norte, zona sul, zona leste e zona 
oeste. 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
III e IV, apenas. 
Resposta Correta: 
III, apenas. 
 
Feedback 
da 
resposta: 
Sua resposta está incorreta. A alternativa está incorreta, pois, na 
amostra passada pela corretora de imóveis ao seu amigo estatístico, há 
quatro variáveis: a área do imóvel, o andar do imóvel, sua localização 
e o valor pelo qual havia sido vendido. Por outro lado, no estudo de 
caso discutido, a corretora aspirava trabalhar com um algoritmo 
preditivo de valor de venda de imóveis, pois isso a ajudaria no 
desenvolvimento do seu trabalho. O tamanho da amostra é 100, mas 
não 90, e a localização do imóvel foi dividida em apenas dois níveis: 
bairro e centro. 
 
• Pergunta 4 
0 em 1 pontos 
 
Gráficos de dispersão têm emprego consagrado quando falamos a respeito 
de visualização de dados. Eles são usados, porém, de uma forma bem 
específica, pois não podem ser usados para a visualização de qualquer tipo 
de variável, nem em qualquer situação. 
 
A partir do exposto, 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 denominados 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 denominado, em 
inglês, 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 denominado, 
em inglês, scatter plot. 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, V, F, V. 
Resposta Correta: 
F, V, V, V. 
 
Feedback 
da 
resposta: 
Sua resposta está incorreta. A alternativa está incorreta, pois a única 
afirmativa falsa é a primeira. Gráficos de dispersão sempre são usados 
para a visualização da relação entre duas variáveis, as quais devem, 
obrigatoriamente, ser quantitativas. Isso é justamente o que expõe a 
segunda afirmativa, portanto está correta. Quanto às duas últimas 
afirmativas, um gráfico de dispersão foi usado para exibir, em pares, a 
relação entre o valor do imóvel e a sua área, e o outro gráfico de 
dispersão foi usado para exibir, em pares, a relação entre o valor do 
imóvel e o seu andar; são denominados, em inglês, scatter plots. 
 
• Pergunta 5 
0 em 1 pontos 
 
Na análise descritiva do volume de vendas da boneca falante, foram 
estudadas as variáveis relativas aos dados coletados pela gerente comercial 
do fabricante da boneca. Entre elas, há a variável do preço da boneca 
praticado em cada ponto de venda, cuja relação com vendas altas ou baixas 
é exibida no gráfico adiante. 
 
 
 
Figura: Efeito do preço nas vendas 
Fonte: Elaborada pelo autor. 
 
Quanto a relação entre o preço da boneca e o volume de vendas (vendas 
altas ou baixas), analise as afirmativas a seguir: 
I. Ao estudarmos este caso, percebemos que não há qualquer efeito do 
preço da boneca falante sobre o volume de vendas em cada ponto (de 
venda). 
II. O gráfico de visualização da relação entre o preço de venda da boneca e 
o volume de vendas mostra que vendas altas ocorrem quando o preço da 
boneca é significativamente menor. 
III. O gráfico de visualização da relação entre o preço de venda da boneca e 
o volume de vendas mostra que vendas altas ocorrem mesmo quando o 
preço da boneca não é significativamente menor. 
IV. A asserção III é um indicativo que o efeito de outras variáveis sobre o 
volume de vendas da boneca pode ser tão relevante ou mesmo maior que o 
efeito da diferença de preço. 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
I, III e IV, apenas. 
Resposta Correta: 
III e IV, apenas. 
 
Feedback 
da 
resposta: 
Sua resposta está incorreta. A alternativa está incorreta, pois é errado 
dizer, ao estudarmos este caso, não há qualquer efeito do preço da 
boneca falante sobre o volume de vendas em cada ponto (de venda), 
assim como dizer que gráfico de visualização da relação entre o preço 
de venda da boneca e o volume de vendas mostra que vendas altas 
ocorrem quando o preço da boneca é significativamente menor. 
 
• Pergunta 6 
1 em 1 pontos 
 
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): 
 
Resposta Selecionada: 
I e II apenas; 
Resposta Correta: 
I e II apenas; 
Feedback 
da 
resposta: 
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 7 
1 em 1 pontos 
 
Os dados cedidos pelo gerente do banco estavam bem organizados e livres 
de erros. A nossa jovem cientista de dados não precisou, portanto, fazer 
uma limpeza e pré-tratamento dos dados e pode prosseguir imediatamente 
para uma análise descritiva deles antes do desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Chamamos de análise descritiva dos dados seus sumários (ou 
resumos) estatísticos dos mesmos e a sua visualização. Ambos, os 
sumários e as visualizações, nos ajudam a entender o 
comportamento dos dados e, através deles, do fenômeno ou 
processo estudado. 
II. ( ) São quatro as variáveis estudadas pela cientista de dados: renda 
mensal da pessoa, seus gastos médios com o cartão, se a pessoa 
tinha ou não um emprego estável ao longo do período amostrado e 
se ficou ou não inadimplente ao longo do deste período. 
III. ( ) Para criar sumários estatísticos das variáveis quantitativas, a 
renda mensal da pessoa e seus gastos com o cartão, a cientista de 
dados usou as funções min(), mean() e max() do software estatístico 
R para calcular os valores mínimo, médio e máximo dos dados 
observados para essas variáveis. 
IV. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a 
pessoa tinha ou não um emprego estável e se tinha ou não ficado 
inadimplente com o pagamento das faturas do cartão ao longo do 
período amostrado, a cientista de dados usou a função table() do 
software estatístico R para calcular a frequência com que os níveis de 
cada uma dessas variáveis se manifestaram na amostra estudada. 
 
 
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. Chamamos de análise descritiva dos dados seus 
sumários (ou resumos) e a sua visualização por meio de gráficos. São 
quatro as variáveis estudadas pela cientista de dados. Para criar 
sumários estatísticos das variáveis quantitativas, a cientista de dados 
usou as funções min(), mean() e max() do software estatístico R, e 
para os sumários estatísticos das variáveis qualitativas, usou a função 
table() do mesmo software, e assim calculou a frequência com que os 
níveis de cada uma dessas variáveis se manifestaram na amostra 
analisada. 
 
• Pergunta 8 
1 em 1 pontos 
 
 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, 
animaisvertebrados 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. 
 
 
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 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 
0 em 1 pontos 
 
Leia o excerto a seguir: 
“O vice-presidente de Talentos da DataSciencester entrevistou um número de 
candidatos para emprego do site, com níveis de sucesso variados. Ele coletou um 
conjunto de dados com vários atributos (qualitativos) de cada candidato, bem como 
se o candidato se saiu bem ou mal na entrevista. Você poderia usar esses dados para 
construir um modelo identificando quais candidatos farão boas entrevistas, para que 
ele não precise perder tempo fazendo entrevistas? [...] Isso parece perfeito para uma 
árvore de decisão, outra ferramenta de modelagem de previsão no kit de um 
cientista de dados.” 
 
GRUS, J. Data science do zero: primeiras regras com o Python. Rio de Janeiro: Alta 
Books, 2016. p. 201. 
 
Tomando como base esse texto e o conteúdo apresentado sobre árvores de decisão, 
analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) A resposta à pergunta “Você poderia usar dados para construir um modelo 
identificando quais candidatos farão boas entrevistas, para que o vice-presidente não 
precise perder tempo entrevistando-os?” é “não”. 
II. ( ) Uma árvore de decisão pode ser desenvolvida para o processo de seleção de 
candidatos, em que as variáveis de entrada seriam um conjunto de dados com vários 
atributos (qualitativos) de cada candidato. 
III. ( ) O autor do texto imagina poder usar uma árvore de decisão para o processo de 
seleção de candidatos, em que a variável de saída é qualitativa dicotômica — se o 
candidato se sairá bem ou mal na entrevista. 
IV. ( ) Neste caso, em particular, pode-se aplicar uma árvore de decisão de 
classificação para o processo de seleção, pois a variável resposta é qualitativa, porém 
árvores de decisão também podem ser usadas para problemas de regressão. 
 
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 sequência está incorreta. A única 
afirmativa errada desta questão é a que diz que a resposta à pergunta 
é “não”, pois o procedimento é possível e, de fato, é comum que seja 
 
feito — podemos usar uma árvore para modelar o processo de 
seleção de candidatos. 
 
• Pergunta 10 
1 em 1 pontos 
 
Considere dois pontos de venda da boneca falante com as seguintes 
características: primeiro ponto com local de exposição ruim da boneca, 
preço da boneca de 289,99 reais, gastos mensais com publicidade de 90 mil 
reais e idade média da população local de 39 anos. Segundo ponto com 
bom local de exposição da boneca e preço da boneca de 399,99 reais. 
 
 
Figura - Árvore de decisão ajustada às vendas do produto de varejo 
Fonte: Elaborada pelo autor. 
 
 
Use a árvore que construímos para o caso da boneca falante (novamente 
exibida aqui) e assinale a alternativa que indica corretamente a estimativa 
de vendas para esse ponto de venda: 
 
Resposta Selecionada: 
Vendas altas e baixas, respectivamente. 
Resposta Correta: 
Vendas altas e baixas, respectivamente. 
Feedback 
da 
resposta: 
Resposta correta. A alternativa está correta, pois ao percorremos a 
árvore construída para a predição das vendas da boneca falante, se 
altas ou baixas, do nó inicial aos nós terminais, e usarmos passo a 
passo as características dos dois pontos de venda, comparando-as com 
os valores informados em cada nó, chegaremos às estimativas de 
vendas altas para o primeiro ponto e de vendas baixas para o segundo 
ponto.