Baixe o app para aproveitar ainda mais
Prévia do material em texto
13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 1/8 Usuário JULIANA FERNANDES BERTOLI Curso ESTATISTICA APLICADA AO DATA SCIENC - (EAD_20) - 202110.FMU- 91754.06 Teste ATIVIDADE 4 (A4) Iniciado 13/04/21 13:48 Enviado 13/04/21 15:32 Status Completada Resultado da tentativa 10 em 10 pontos Tempo decorrido 1 hora, 44 minutos Resultados exibidos Respostas enviadas, Respostas corretas, Comentários Pergunta 1 Resposta Selecionada: Resposta Correta: Comentário da resposta: 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.” 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. 1 em 1 pontos 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 2/8 Pergunta 2 Resposta Selecionada: Resposta Correta: Comentário 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 3 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 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 3/8 Resposta Selecionada: Resposta Correta: Comentário da resposta: 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 4 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: 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 chamadasde 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. 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 4/8 Pergunta 5 Resposta Selecionada: Resposta Correta: Comentário da resposta: 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. F, F, F, F. F, F, F, F. 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 6 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 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 5/8 Resposta Selecionada: Resposta Correta: Comentário 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 7 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, 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 6/8 Resposta Selecionada: Resposta Correta: Comentário da resposta: 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. I, II, III e IV. I, II, III e IV. 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 8 Resposta Selecionada: Resposta Correta: Comentário 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. Pergunta 9 1 em 1 pontos 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 7/8 Resposta Selecionada: Resposta Correta: Comentário 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 10 Resposta Selecionada: Resposta Correta: 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. F, V, V, F. 1 em 1 pontos 13/04/2021 Blackboard Learn https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_679947_1&PA… 8/8 Terça-feira, 13 de Abril de 2021 15h32min44s BRT Comentário da resposta: F, V, V, F. 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.
Compartilhar