ATIVIDADE 4 (A4) - Estatística Aplicada Data Science

Prévia do material em texto

07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 1/7
 
Revisar envio do teste: ATIVIDADE 4 (A4)
AIM1291 ESTATISTICA APLICADA AO DATA SCIENCE EAD - 202020.28927.11 Unidade 4
Revisar envio do teste: ATIVIDADE 4 (A4) 
Usuário THIAGO SAMPAIO DUTRA
Curso AIM1291 ESTATISTICA APLICADA AO DATA SCIENCE EAD -
202020.28927.11
Teste ATIVIDADE 4 (A4)
Iniciado 27/11/20 11:47
Enviado 27/11/20 13:31
Status Completada
Resultado da
tentativa
10 em 10 pontos 
Tempo decorrido 1 hora, 43 minutos
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Em uma análise de agrupamento examinamos os dados observados (as linhas da
tabela com os dados) e procuramos identificar, através de algum critério de
similaridade, aquelas que estão mais próximas entre si, e formamos grupos com
essas observações similares. Quando são apenas 2 variáveis e poucas observações
(tamanho da amostra pequeno), por exemplo 10, podemos tentar fazer o
agrupamento visualmente. 
 
Analise a figura adiante e assinale a alternativa que indica a menor quantidade de
grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
Minha Area
1 em 1 pontos
THIAGO SAMPAIO DUTRA
http://fadergs.blackboard.com/
https://fadergs.blackboard.com/webapps/blackboard/execute/courseMain?course_id=_647936_1
https://fadergs.blackboard.com/webapps/blackboard/content/listContent.jsp?course_id=_647936_1&content_id=_14425593_1&mode=reset
https://fadergs.blackboard.com/webapps/portal/execute/tabs/tabAction?tab_tab_group_id=_366_1
https://fadergs.blackboard.com/webapps/login/?action=logout
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 2/7
Resposta
Selecionada:
Resposta Correta:
Feedback
da
resposta:
Dois grupos, um com 6 indivíduos e outro com 4 indivíduos.
Dois grupos, um com 6 indivíduos e outro com 4 indivíduos.
Resposta correta. A alternativa está correta. A questão solicita a
alternativa com o menor número de grupos que você naturalmente
formaria. Há três alternativas com dois grupos, porém aquela que
parece ser a mais natural é a que agrupa 6 indivíduos do lado esquerdo
do gráfico e 4 indivíduos do lado direito, pois as outras alternativas com
dois grupos não são tão naturais quanto essa opção.
Pergunta 2
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 estatística ou 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.
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. 
 
1 em 1 pontos
1 em 1 pontos
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 3/7
Resposta Selecionada:
 
Resposta Correta:
 
Feedback
da
resposta:
 
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.
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
O Margareth H. Duham, em seu livro Data Mining - Introductory and Advanced Topics,
informa que tarefas de agrupamento, ou clustering em inglês, vêm sendo aplicadas
em muitos domínios, incluindo a biologia, a medicina, a antropologia, o marketing e a
economia. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. Upper
Saddle River (NJ): Pearson Education, 2003, p.126. 
 
A respeito desses domínios de aplicação de tarefas de agrupamento, analise as
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1 em 1 pontos
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 4/7
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
I. ( ) Observar diferentes características de doenças em vários pacientes, e depois
formar diferentes grupos de pacientes - por similaridade das características de suas
doenças - é uma tarefa de agrupamento. 
II. ( ) Observar diferentes hábitos de consumo em várias milhares de pessoas, e
depois formar grupos de pessoas - por similaridade de seus hábitos de consumo - é
uma tarefa de agrupamento. 
III.( ) Observar diferentes características das linguagens faladas por membros de
aldeias remotas, e depois formar grupos de linguagens - por similaridades das
características das linguagens - é uma tarefa de agrupamento. 
IV. ( ) Observar diferentes característica de insetos em diversos biomas, e depois
formar grupos de insetos - por similaridade de suas características - é uma tarefa de
agrupamento. 
 
V, V, V, V.
V, V, V, V.
Resposta correta. A sequência está correta. Observar diferentes
características de indivíduos, sejam estes indivíduos doenças que se
manifestam em pacientes, hábitos de consumos que se manifestam em
consumidores, línguas faladas por diferentes povos, ou insetos que
habitam diferentes biomas, e depois, para cada um desses exemplos,
agrupar as observações feitas em grupos menores por similaridade, são
tarefas de agrupamento. Sendo assim, todos os exemplos descritos são
tarefas de agrupamento.
Pergunta 5
Resposta
Selecionada:
Resposta
Correta:
Feedback
da
resposta:
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: 
 
 
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 6
Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico: 
 
“Começa com todos os registros. Progressivamente, os grupos são unidos aos
grupos próximos até 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.” 
 
1 em 1 pontos
1 em 1 pontos
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 5/7
Resposta
Selecionada:
Resposta Correta:
Feedback
da
resposta:
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 7
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.
1 em 1 pontos
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 6/7
Pergunta 8
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
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 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 9
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.
1 em 1 pontos
1 em 1 pontos
07/12/2020 Revisar envio do teste: ATIVIDADE 4 (A4) – AIM1291 ...
https://fadergs.blackboard.com/webapps/assessment/review/review.jsp?attempt_id=_39712692_1&course_id=_647936_1&content_id=_1442561… 7/7
Segunda-feira, 7 de Dezembro de 2020 14h37min11s BRT
Pergunta 10
Resposta Selecionada: 
Resposta Correta: 
Feedback
da
resposta:
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: 
 
I. 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. 
II. Especificamente na aprendizagem supervisionada, também denominamos uma
variável resposta de variável de saída ou variável dependente. 
III. Especificamente na aprendizagem supervisionada, também denominamos uma
variável de entrada de variável regressora, variável preditora, variável explanatória 
ou variável independente. 
IV. 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. 
 
 
I, II, III e IV.
I, II, III e IV.
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.
← OK
1 em 1 pontos
javascript:launch('/webapps/gradebook/do/student/viewAttempts?course_id=_647936_1&method=list&nolaunch_after_review=true');