atividade 4 estatistica aplicada ao data science

Prévia do material em texto

 Pergunta 1 
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: 
F, V, V, F. 
Resposta 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 2 
1 em 1 pontos 
 
O texto em referência apresenta como exemplo de agrupamento uma companhia de 
vendas online que deseja agrupar seus clientes com base em suas características comuns 
(renda, idade, número de filhos, estado civil, grau de educação, etc.). Com o resultado do 
agrupamento, eles definirão campanhas de marketing e de divulgação específicas para 
cada um dos diferentes grupos que vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. Upper Saddle 
River, NJ: Pearson Education, 2003, p.125. 
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. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis quantitativas. Sendo 
assim, parte das variáveis disponíveis para esse caso são irrelevantes. 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de conjuntos de dados 
exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas por um 
supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e depois classificar, já 
que isso só pode ser realizado por meio de algoritmos. 
 
Resposta Selecionada: 
F, F, F, F. 
Resposta Correta: 
F, F, F, F. 
Feedback 
da 
resposta: 
Resposta correta. A sequência está correta. Há algoritmos de 
agrupamento que lidam variáveis quantitativas, ou qualitativas, 
ou mistas. Portanto, as asserções I e II são falsas. Algoritmos de 
agrupamento não podem ter as suas soluções verificadas por um 
supervisor, pois fazem parte dos métodos de aprendizagem não 
supervisionada. E seres humanos possuem habilidade natural 
para agrupar e depois classificar. Portanto, as asserções III e IV 
também são falsas. 
 
 
 Pergunta 3 
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: 
 
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
 
Resposta 
Selecionada: 
 
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: 
 
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 4 
1 em 1 pontos 
 
Quando acontece de haver várias variáveis quantitativas em uma determinada amostra de 
dados, é comum a realização da análise da (possível) relação entre essas variáveis por 
meio do cálculo de suas correlações. Neste caso, o cálculo de suas correlações sempre é 
feito de duas em duas variáveis. Comumente, também se apresenta a correlação de cada 
variável com ela mesma, o que sempre resulta em uma correlação perfeita, igual a 1. 
 
A tabela adiante mostra o resultado do cálculo das correlações entre 5 variáveis 
quantitativas de uma determinada amostra. 
 
 x1 x2 x3 x4 x5 
x1 1,00 - 0,85 - 0,78 - 0,87 0,42 
x2 - 0,85 1,00 0,79 0,89 - 0,43 
x3 - 0,78 0,79 1,00 0,66 - 0,71 
x4 - 0,87 0,89 0,66 1,00 - 0,17 
x5 0,42 - 0,43 - 0,71 - 0,17 1,00 
 
 
Quadro: Correlações cruzadas entre as variáveis quantitativas x1, x2, x3, x4 e x5 
Fonte: Elaborado pelo autor. 
 
Com respeito a essa tabela de correlações, analise as afirmativas a seguir e 
assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Os valores 1,00 apenas indicam a correlação perfeita que existe entre uma variável e 
ela mesma, uma informação de pouco valor prático. 
II. ( ) A maior correlação positiva é aquela entre as variáveis x2 e x4, no valor de 0,89, que 
indica uma forte associação entre essas duas variáveis, e que uma aumenta com um 
aumento da outra. 
III. ( ) A maior (em valor absoluto) correlação negativa é aquela entre as variáveis x1 e x4, 
no valor de - 0,87, que indica uma forte associação entre essas duas variáveis, e que uma 
diminui quanto a outra aumenta. 
IV. ( ) A menor (em valor absoluto) correlação negativa é aquela entre as variáveis x4 e x5, 
no valor de - 0,17, que indica uma fraca associação entre essas duas variáveis, e que uma 
diminui quando a outra aumenta. 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Feedback 
da resposta: 
Resposta correta. A sequência está correta. Os valores 1,00 
apenas indicam a correlação perfeita que existe entre uma 
variável e ela mesma. A maior correlação positiva é aquela entre 
as variáveis x2 e x4, indicando uma forte associação entre essas 
duas variáveis, e que uma aumenta com um aumento da outra. A 
maior (em valor absoluto) correlação negativa é aquela entre as 
variáveis x1 e x4, indicando uma forte associação entre essas 
duas variáveis, e que uma diminui quanto a outra aumenta. A 
menor (em valor absoluto) correlação negativa é aquela entre as 
variáveis x4 e x5, indicando uma fraca associação entre essas 
duas variáveis, e que uma diminui quando a outra aumenta. 
 
 
 Pergunta 5 
1 em 1 pontos 
 
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. 
 
Analisea 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 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Feedback 
da resposta: 
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 6 
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: 
I, II, III e IV. 
Resposta 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. 
 
 Pergunta 7 
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 8 
1 em 1 pontos 
 
O texto em referência fornece os seguintes exemplos de agrupamento: análise de perfil de 
usuários e perfil de itens para sistemas de recomendação; análise de padrões de 
 
comportamento de multidões; identificação de grupos de risco para empresas seguradoras; 
análise de emoções em redes sociais; reconhecimento de padrões em imagens de satélites 
ou imagens médicas; análise de padrões em cliques em páginas da internet, etc. 
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de dados : 
com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.146. 
A respeito dos campos de aplicação da análise de agrupamento, analise as afirmativas a 
seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A análise de emoções por meio de agrupamento pode servir ao propósito de averiguar 
o índice de aceitação de um candidato a um cargo eletivo público por região. 
II. ( ) O reconhecimento de padrões em imagens de satélites pode servir ao propósito de 
averiguar regiões com processos acelerados de desertificação. 
III. ( ) A identificação de grupos de risco para empresas seguradoras pode servir ao 
propósito de precificação correta do valor do seguro para cada grupo de risco. 
IV. ( ) A análise de padrões em cliques em páginas da internet pode servir ao propósito de 
identificar a procura de páginas da web por cada bairro de um município. 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Feedback 
da resposta: 
Resposta correta. A sequência está correta. Todos exemplos 
citados são propósitos válidos para a realização da análise de 
agrupamento. Como explicado no texto em referência, a 
quantidade de domínios de aplicação da análise de agrupamento 
é muito vasta. 
 
 
 Pergunta 9 
1 em 1 pontos 
 
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). 
 
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 característicade insetos em diversos biomas, e depois formar 
grupos de insetos - por similaridade de suas características - é uma tarefa de agrupamento. 
 
 
Resposta Selecionada: 
V, V, V, V. 
 
Resposta Correta: 
V, V, V, V. 
Feedback 
da 
resposta: 
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 10 
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 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: 
 
 
 
Resposta 
Selecionada: 
 
Desejamos entender se há similaridade entre observações 
(indivíduos) de uma certa amostra de dados. 
Resposta 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.