A4 - Estatistica Aplicada ao Data Science

Prévia do material em texto

Pergunta 1 
1 em 1 pontos 
 
A escolha de grupos formados por um algoritmo de agrupamento hierárquico pode ser feita 
por meio da leitura do dendrograma resultante. Escolhe-se a altura (Height) desejada, se 
traça uma linha horizontal a partir dessa altura, que cruzará com as linhas verticais dos 
grupos formados nesta altura. O cientista de dados decide se esses grupos são adequados 
para a sua análise. 
 
Veja, por exemplo, a figura abaixo. 
 
 
 
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
Com respeito da leitura deste dendrograma, analise as afirmativas a seguir e assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A altura 4 cruza com duas linhas verticais, que indicam dois grupos, o primeiro deles 
formado pelos estados {Connecticut, Delaware}, e o segundo deles formado pelos estados 
{Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
II. ( ) A altura 4 cruza com três linhas verticais, que indicam três grupos, o primeiro deles 
formado pelos estados {Connecticut, Delaware}, o segundo deles formado pelos estados 
{Colorado, Arizona, California}, e o terceiro deles formado pelos estados {Alaska, Alabama, 
Arkansas}. 
III. ( ) A altura 3 cruza com duas linhas verticais, que indicam dois grupos, o primeiro deles 
formado pelos estados {Connecticut, Delaware}, e o segundo deles formado pelos estados 
{Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
IV. ( ) A altura 3 cruza com três linhas verticais, que indicam três grupos, o primeiro deles 
formado pelos estados {Connecticut, Delaware}, o segundo deles formado pelos estados 
{Colorado, Arizona, California}, e o terceiro deles formado pelos estados {Alaska, Alabama, 
Arkansas}. 
 
Resposta Selecionada: 
Correta V, F, F, V. 
Resposta Correta: 
Correta V, F, F, V. 
Feedback da resposta: Resposta correta. A sequência está correta. A altura 4 cruza 
com duas linhas verticais, que indicam dois grupos, o primeiro deles formado pelos estados 
{Connecticut, Delaware}, e o segundo deles formado pelos estados {Colorado, Arizona, 
California, Alaska, Alabama, Arkansas}. A altura 3 cruza com três linhas verticais, que 
indicam três grupos, o primeiro deles formado pelos estados {Connecticut, Delaware}, o 
segundo deles formado pelos estados {Colorado, Arizona, California}, e o terceiro deles 
formado pelos estados {Alaska, Alabama, Arkansas}. 
Pergunta 2 
1 em 1 pontos 
 
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. 
Resposta Selecionada: 
Correta As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da 
I. 
Resposta Correta: 
Correta As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da 
I. 
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 3 
1 em 1 pontos 
 
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 V para a(s) Verdadeira(s) e 
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. 
Resposta Selecionada: 
Correta V, V, V, V. 
 
Resposta Correta: 
Correta V, V, V, V. 
 
Feedback da resposta: 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 
1 em 1 pontos 
 
Na estatística, quanto duas variáveis quantitativas comportam-se uma em relação à outra 
de forma aproximadamente linear, é comum se calcular a correlação entre elas. Esse 
cálculo, entretanto, ao estudo da relação entre duas variáveis qualitativas, ou entre uma 
variável quantitativa e uma variável qualitativa. 
 
A respeito do cálculo da correlação entre duas variáveis quantitativas, analise as afirmativas 
a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra variável 
diminui. 
II. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta a outra 
variável também aumenta. 
III. ( ) Uma correlação negativa indica que quando uma das variáveis aumenta a outra 
variável diminui. 
IV. ( ) Uma correlação negativa indica que quando uma das variáveis diminui a outra 
também diminui. 
 
Resposta Selecionada: 
Correta F, V, V, F. 
Resposta Correta: 
Correta F, V, V, F. 
Feedback da resposta: Resposta correta. A sequência está correta. É correto afirmar 
que uma correlação positiva indica que quando uma das variáveis aumenta a outra variável 
também aumenta, e que uma correlação negativa indica que quando uma das variáveis 
aumenta a outra variável diminui. É incorreto afirmar que uma correlação positiva indica que 
quando uma das variáveis aumenta a outra variável diminui, ou que uma correlação 
negativa indica que quando uma das variáveis diminui a outra também diminui. 
Pergunta 5 
1 em 1 pontos 
 
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 coleçãorelativamente grande de 
diferentes métodos, cada um com seu próprio jeito de funcionamento. 
 
Assinale a alternativa que indica um problema de aprendizagem não supervisionada: 
 
 
Resposta Selecionada: 
Correta Desejamos entender se há similaridade entre observações (indivíduos) de uma 
certa amostra de dados. 
Resposta Correta: 
Correta Desejamos entender se há similaridade entre observações (indivíduos) de uma 
certa amostra de dados. 
Feedback da resposta: 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 6 
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, 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. 
 
Resposta Selecionada: 
Correta A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
Resposta Correta: 
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 7 
1 em 1 pontos 
 
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: 
 
Uma imagem contendo captura de telaDescrição gerada automaticamente 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
Resposta Selecionada: 
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. 
Resposta Correta: 
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. 
Feedback da resposta: 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 8 
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: 
Correta I e II apenas; 
Resposta Correta: 
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 9 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível calcular a 
correlação entre pares dessas variáveis, duas a duas. No software estatístico R, isto pode 
ser feito com a função cor(). Adiante apresentamos um output típico da função cor() quando 
aplicada ao cálculo da correlação entre quatro variáveis quantitativas de um determinado 
conjunto de dados. 
 
Murder 
Assault 
UrbanPop 
Rape 
Murder 
1.00 
0.80 
0.07 
0.56 
Assault 
0.80 
1.00 
0.26 
0.67 
UrbanPop 
0.07 
0.26 
1.00 
0.41 
Rape 
0.56 
0.67 
0.41 
1.00 
 
 
A respeito deste output típico da função cor() do software estatístico R, para o cálculo da 
correlação entre múltiplas variáveis quantitativas, analise as afirmativas a seguir e assinale 
V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis quantitativas 
dessa amostra, quando uma aumenta, a outra também aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma 
correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre Murder e Assault, 
cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela entre Rape e 
Assault, cujo valor é de 0,67 e não de 0,56. 
Resposta Selecionada: 
Correta V, V, V, F. 
Resposta Correta: 
Correta V, V, V, F. 
Feedback da resposta: Resposta correta. A sequência está correta. Todas 
correlações são positivas, indicando que, para todasvariáveis quantitativas dessa amostra, 
quando uma aumenta, a outra também aumenta. Uma correlação igual a 1 entre uma 
variável e ela mesma apenas indica uma correlação perfeita dela com ela mesma. A maior 
correlação positiva entre essas variáveis é aquela entre Murder e Assault, cujo valor é de 
0,80. E, finalmente, a segunda maior correlação positiva entre essas variáveis é aquela 
entre Rape e Assault, mas o valor é 0,67 e não 0,56, que se refere à correlação entre as 
variáveis Murder e Rape. 
Pergunta 10 
1 em 1 pontos 
 
A estatística, a ciência da computação, a mineração de dados e a ciência dos dados são 
áreas correlacionadas. Dentre essas, a mais antiga é a estatística, seguida da ciência da 
computação, depois da mineração de dados, e finalmente da ciência dos dados, a mais 
nova dessas quatro áreas de conhecimento. 
 
Com referência ao relacionamento entre essas quatro áreas de conhecimento humano, 
analise as afirmativas a seguir: 
 
I. Algoritmos de machine learning nasceram na ciência da computação. Hoje são usados na 
estatística, na mineração de dados e na ciência dos dados. 
II. Dentre as diversas áreas citadas, é a estatística que possui os melhores fundamentos 
para a interpretação de fenômenos aleatórios. 
III. A estatística é considerada a mais sutil, e a mais ampla, quando nos referimos a análise 
de dados. É aplicada a todas áreas de atividade humana. 
IV. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos diferentes, 
herdados das outras áreas, para se referir a um mesmo conceito. 
 
 
Resposta Selecionada: 
Correta I, II, III e IV. 
Resposta Correta: 
Correta I, II, III e IV. 
Feedback da resposta: Resposta correta. A alternativa está correta, pois algoritmos 
de machine learning nasceram na ciência da computação e hoje são usados na estatística, 
na mineração de dados e na ciência dos dados. De fato, é a estatística que possui os 
melhores fundamentos para a interpretação de fenômenos aleatórios, e é considerada a 
mais sutil, e a mais ampla, quando nos referimos a análise de dados. Já há muitos anos é 
aplicada a todas áreas de atividade humana. Por outro lado, também sabemos que, na 
ciência dos dados, podem-se utilizar de muitos termos diferentes, herdados das outras 
áreas, para se referir a um mesmo conceito.