ESTATISTICA APLICADA AO DATA SCIENCE ATIVIDADE 2 (A2)

Prévia do material em texto

12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 1/9
Usuário JULIANA FERNANDES BERTOLI
Curso ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-
91754.06
Teste ATIVIDADE 2 (A2)
Iniciado 12/04/21 16:56
Enviado 12/04/21 18:48
Status Completada
Resultado da
tentativa
10 em 10 pontos 
Tempo decorrido 1 hora, 51 minutos
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
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:
 
 
I, II, III e IV. 
 
 
 
I, II, III e IV.
 
 
 
Resposta correta. Um classificador determinístico vai dizer se o indivíduo está ou
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 2/9
da resposta: 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 2
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
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.
 
 
F, V, V, V.
F, V, V, V.
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.
1 em 1 pontos
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 3/9
Pergunta 3
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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:
 
 
I, II, III e IV. 
 
 
I, II, III e IV.
 
 
Resposta correta. Todas as asserções desta questão são verdadeiras. Para os
dados analisados, probabilidade da 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 4
Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 4/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
(2) modelos de regressão logística. Esses modelos são aplicados em situações
bem distintas, que dependem, essencialmente, da natureza da variável resposta,
tambémchamada de variável dependente. 
 
Com esses dois modelos em mente, analise as afirmativas a seguir.
 
1. Modelos de regressão logística simples são usados na predição de uma
variável resposta qualitativa quando há mais do que uma variável de
entrada.
2. Modelos de regressão linear simples são usados na predição de uma
variável resposta qualitativa quando se considera apenas uma variável de
entrada.
3. Um possível modelo de regressão logística simples para a predição da
probabilidade de inadimplência é:
 
 
 
em que e são os coeficientes do modelo, , o gasto médio mensal da
pessoa com cartão de crédito e , o valor esperado para a probabilidade de
a pessoa ficar ou não inadimplente com o pagamento das faturas do cartão.
 
4. O método comumente usado para calcular os valores dos coeficientes e 
 é o Método da Máxima Verossimilhança. Para isso, pode-se fazer uso
do software estatístico R.
 
 Está correto o que se afirma em:
 
 
II, III e IV, apenas.
II, III e IV, apenas.
Resposta correta. Modelo de regressão logística é dito simples quanto se
considera apenas uma variável de entrada; o modelo exposto nesta questão é, de
fato, aquele adotado pela cientista de dados, e o método que ela usou para
determinar os coeficientes do modelo foi o Método da Máxima Verossimilhança,
através do software estatístico R.
Pergunta 5
A atividade de venda de produtos financeiros por bancos, tais como cartões de
crédito, requer que se faça uma avaliação do cliente. São focos dessa avaliação
aprovar ou não um cartão de crédito para o cliente e, se aprovado, definir o
limite do cartão, ou seja, o valor do crédito a conceder.
 
Com base nessa introdução, analise as afirmativas a seguir.
 
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 5/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
1. O primeiro foco da avaliação é um problema de regressão: aprovar (sim ou
não) o cartão de crédito, uma variável qualitativa dicotômica, com dois
níveis (classes).
2. O primeiro foco da avaliação é um problema de classificação: aprovar (sim
ou não) o cartão de crédito, uma variável qualitativa dicotômica, com dois
níveis (classes).
3. O segundo foco da avaliação é um problema de classificação, predizer o
valor do limite (do crédito) do cartão.
4. O segundo foco da avaliação é um problema de regressão, predizer o valor
do limite (do crédito) do cartão.
 
Está correto o que se afirma em:
 
 
II e IV, apenas.
II e IV, apenas.
Resposta correta. O primeiro foco da avaliação é um problema de
classificação, aprovar (sim ou não) o cartão de crédito, uma variável
qualitativa dicotômica, com dois níveis (classes); o segundo foco da
avaliação é um problema de regressão, ou seja, predizer o valor do limite
(de crédito) do cartão a ser concedido para o cliente. Esse valor é uma
variável quantitativa, cuja predição é feita por algoritmos de regressão.
Pergunta 6
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.
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 6/9
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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.
 
 
V, V, V, V. 
 
 
V, V, V, V.
 
 
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.
Pergunta 7
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:
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 7/9
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
 
 
I, II, III e IV. 
 
 
I, II, III e IV.
 
 
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 8
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Dados podem aparecer na forma de textos,imagens, vídeos, sons, tabelas,
listas, sequências, séries, etc. São muitos os dados que hoje coletamos de
diferentes fontes, e muitas as formas de organizá-los e armazená-los. Uma
dessas forma, talvez a mais importante delas, são os dados estruturados. 
 
Relativamente a esse assunto, analise as afirmativas a seguir.
 
1. Dados estruturados são dados que não possuem uma estrutura regular e
repetitiva, seguindo um padrão comum adotado pelas ciências da
computação, estatística e ciência dos dados.
2. A forma de organização básica dos dados, preferida na estatística e na
ciência dos dados, é a forma tabular, na qual as variáveis são dispostas
nas linhas e as observações são dispostas nas colunas.
3. Dados estruturados são dados que possuem uma estrutura regular e
repetitiva, seguindo um padrão comum adotado pelas ciência da
computação, estatística e ciência dos dados.
4. A forma de organização básica dos dados, preferida na estatística e na
ciência dos dados, é a forma tabular, na qual as variáveis são dispostas
nas colunas e as observações são dispostas nas linhas.
 
Está correto o que se afirma em:
 
III e IV, apenas.
III e IV, apenas.
Resposta correta. Dados estruturados são dados que possuem uma estrutura
regular e repetitiva, seguindo um padrão comum adotado pelas ciência da
computação, estatística e ciência dos dados. Também está correto dizer que a 
forma de organização básica dos dados, preferida na estatística e na ciência dos
dados, é a forma tabular, na qual as variáveis são dispostas nas colunas e as
observações são dispostas nas linhas.
Pergunta 9
1 em 1 pontos
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 8/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
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.
 
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:
 
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.
Pergunta 10
Ao longo das nossas discussões, demos foco a um classificador chamado de
regressão logística que, apesar do nome regressão (esse nome por razões
históricas e por conta de algumas de suas características), é usado como um
classificador. Mas também vimos que existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as
afirmativas a seguir. 
 
1. Regressão logística é o único método de aprendizagem supervisionada
que é utilizado para classificação, todos outros métodos são métodos de
regressão.
2. Apesar do nome regressão logística, o que acaba sendo um pouco
confuso para iniciantes, na verdade este é um dos vários métodos de
aprendizagem supervisionada utilizado para classificação.
1 em 1 pontos
12/04/2021 ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU-91754.06
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 9/9
Segunda-feira, 12 de Abril de 2021 18h50min24s BRT
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
3. Dentre os métodos utilizados para classificação se encontram regressão
logística, análise discriminante linear (LDA = Linear Discriminant Analysis),
árvores de decisão para classificação, máquinas de vetores de suporte
(SVM = support vector machines) e k-vizinhos mais próximos (KNN = k-
nearest neighbors).
4. Regressão linear não é um método de classificação, mas, sim, um dos
métodos preditivos de aprendizagem supervisionada usados na predição
de valores de variáveis respostas quantitativas.
 
Está correto o que se afirma em:
 
 
II, III e IV, apenas. 
 
 
 
II, III e IV, apenas.
 
 
 
Resposta correta. A única asserção incorreta desta questão é a primeira, que
afirma que regressão logística é o único método de aprendizagem supervisionada
que é utilizado para classificação, todos outros métodos são métodos de
regressão.