ESTATISTICA DATA SCIENCE ATIV 2

Prévia do material em texto

Pergunta 2 
1 em 1 pontos 
 A estatística descritiva usa de métodos numéricos para resumir dados, também chamados 
de sumários estatísticos, e de gráficos para a visualização dos dados. A jovem cientista de 
dados usou algumas técnicas de visualização de dados para analisar sua amostra, mas 
deixou outras de lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise descritiva dos 
dados. 
 
1. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
histogramas para a visualização dos dados quantitativos das amostras, que são a renda 
mensal das pessoas e seus gastos médios com o cartão de crédito. 
2. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou diagramas 
de barras para a visualização dos dados quantitativos das amostras, que são a renda 
mensal das pessoas e seus gastos médios com o cartão de crédito. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de visualização gráfica de 
dados quantitativos e qualitativos, respectivamente, na estatística e na ciência dos dados. 
4. A jovem cientista de dados usou, para este caso, apenas histogramas, e preferiu apenas 
lançar mão da função table() do software estatístico R, para determinar a frequência com 
que os níveis das variáveis qualitativas se manifestaram na amostra estudada, sem fazer 
uso de diagramas de barras, o que poderia ter feito, se quisesse. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, III e IV apenas. 
Resposta Correta: 
I, III e IV apenas. 
 
Feedback 
da 
resposta: 
Resposta correta. Histogramas e diagramas de barras são formas 
tradicionais de visualização gráfica de dados quantitativos e 
qualitativos, respectivamente, na estatística e na ciência dos 
dados, e a jovem cientista de dados não lançou mão de 
diagramas de barras. Neste caso, para visualizar os dados 
qualitativos, poderia ter feito isso, se quisesse. Diagramas de 
barras são usados para a visualização de dados qualitativos, não 
quantitativos. 
 
ergunta 3 
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 4 
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 5 
1 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). 
 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
 
4. ( ) 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: 
F, V, V, V. 
Resposta Correta: 
F, V, V, V. 
Feedback 
da 
resposta: 
Resposta correta. 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 6 
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 7 
1 em 1 pontos 
 Discutimos sobre classificadores determinísticos e probabilísticos. Demos, como exemplo, 
uma variável resposta qualitativa com dois níveis (classes), o indivíduo está infectado 
pelo vírus HIV ( ) ou não está infectado ( ), dado um conjunto de 
sintomas que ele apresenta. 
 
Reveja esse assunto e analise as afirmativas a seguir. 
 
1. Um classificador determinístico vai dizer se o indivíduo está ou não está infectado, dados os 
sintomas que apresenta. 
2. Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo estar ou não 
infectado, dados os sintomas que apresenta. 
3. No jargão da estatística, escrever significa que a variável aleatória resultou no 
valor , em que é um dos possíveis valores que a variável aleatória pode 
assumir (ou seja, uma de suas classes, no caso, das variáveis qualitativas). 
4. Nesse mesmo jargão, escrever significa a probabilidade de ser igual a um dos 
seus possíveis valores , quando a variável de entrada é igual a (dado 
que ). 
 
 
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. Um classificador determinístico vai dizer se o 
indivíduo está ou não está infectado, dados os sintomas que 
apresenta; já um classificador probabilístico vai dizer qual é a 
probabilidade de o indivíduo estar ou não infectado; no jargão da 
estatística, escrever significa que a variável aleatória 
resultou no valor , em que é um dos possíveis valores 
que a variável aleatória pode assumir (ou seja, uma de suas 
classes, no caso das variáveis qualitativas) e, nesse mesmo 
jargão, escrever significa a probabilidade de ser igual a 
um dos seus possíveis valores quando a variável de 
entrada é igual a (dizemos: dado que ). 
 
Pergunta 8 
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 9 
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. 
 
1. 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. 
2. 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. 
3. 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. 
4. 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, probabilidadeda 
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 10 
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). 
 
 
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.