N2 -EST APL AO DATA SCIENCE

Prévia do material em texto

N2 -ESTATÍSTICA APLICADA AODATA SCIENCE 
 
Pergunta 1: 
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 pa ra 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 supervisionad a que classificam se o cliente é um 
potencial bom ou mau pagador. 
III. ( ) Para u sarmos 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 Correta: 
V,V,V,V 
 
Pergunta 2: 
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 igua is 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 Correta: 
V,F,V,V 
 
Pergunta 3: 
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 Correta: 
III, apenas. 
 
Pergunta 4: 
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 Correta: 
F, V, V, V. 
 
Pergunta 5: 
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 Correta: 
III e IV, apenas. 
 
Pergunta 6: 
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 Correta: 
I e II apenas 
 
Feedback da resposta: 
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 
 
Pergunta 7: 
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 visualizaçã o. 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 n íveis de cada uma dessas 
variáveis se manifestaram na amostra estudada. 
 
Assinale a alternativa que apresenta a sequência correta. 
 
Resposta Correta: 
V, V, V, V. 
 
Feedback da Resposta Correta: 
Chamamos de Análise Descritiva dos dados seus sumários (ou resumos) e sua 
visualização por meio de gráficos. São quatro as variáveis estudadas pelo cientista de 
dados. Para criar sumários estatísticos das variáveis quantitativas, a cientista de dados 
usou as funções min(), mean() e max() dos software estatístico 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 manisfestaram na amostra 
analisada. 
 
 
Pergunta 8: 
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 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: 
Leia o excerto a seguir: 
“O vice-presidente de Talentos da DataSciencester entrevistou um número de candidatos 
ara emprego do site, com níveis de sucesso variados. Ele coletou um conjunto de dados 
om vários atributos (qualitativos) de cada candidato, bem como se o candidato se saiu em 
ou mal na entrevista. Você poderia usar esses dados para construir um modelo 
dentificando quais candidatos farão boas entrevistas, para que ele não precise perder 
empo fazendo entrevistas? [...] Isso parece perfeito para uma árvore de decisão, outra 
erramenta 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 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: 
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 produtode 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 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.