Atividade (4) ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Usuário 
 
Curso ESTATÍSTICA APLICADA AO DATA SCIENCE - 
Teste ATIVIDADE 4 (A4) 
Iniciado 21/04/21 11:22 
Enviado 21/04/21 12:37 
Status Completada 
Resultado da tentativa 9 em 10 pontos 
Tempo decorrido 1 hora, 14 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
1 em 1 pontos 
 
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: 
 
 
 
Resposta 
Selecionada: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Resposta 
Correta: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Comentário 
da resposta: 
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 2 
0 em 1 pontos 
 
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. 
 
 
 
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. 
Resposta Selecionada: 
V, V, V, F. 
Resposta Correta: 
V, V, V, V. 
 
 
Comentário 
da resposta: 
Sua resposta está incorreta. A sequência está incorreta. 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 3 
1 em 1 pontos 
 
A escolha de grupos formados por um algoritmo de agrupamento 
hierárquico pode ser feita por meio da leitura do dendrograma resultante. 
Escolhe-se a altura (Height) desejada, se traça uma linha horizontal a partir 
dessa altura, que cruzará com as linhas verticais dos grupos formados nesta 
altura. O cientista de dados decide se esses grupos são adequados para a 
sua análise. 
 
Veja, por exemplo, a figura abaixo. 
 
 
 
 
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
Com respeito da leitura deste dendrograma, analise as afirmativas a seguir 
e assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A altura 4 cruza com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, e o segundo 
deles formado pelos estados {Colorado, Arizona, California, Alaska, 
Alabama, Arkansas}. 
II. ( ) A altura 4 cruza com três linhas verticais, que indicam três grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, o segundo 
deles formado pelos estados {Colorado, Arizona, California}, e o terceiro 
deles formado pelos estados {Alaska, Alabama, Arkansas}. 
III. ( ) A altura 3 cruza com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, e o segundo 
deles formado pelos estados {Colorado, Arizona, California, Alaska, 
Alabama, Arkansas}. 
IV. ( ) A altura 3 cruza com três linhas verticais, que indicam três grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, o segundo 
deles formado pelos estados {Colorado, Arizona, California}, e o terceiro 
deles formado pelos estados {Alaska, Alabama, Arkansas}. 
 
Resposta Selecionada: 
V, F, F, V. 
Resposta Correta: 
V, F, F, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. A altura 4 cruza 
com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, 
Delaware}, e o segundo deles formado pelos estados 
{Colorado, Arizona, California, Alaska, Alabama, Arkansas}. 
A altura 3 cruza com três linhas verticais, que indicam três 
grupos, o primeiro deles formado pelos estados 
{Connecticut, Delaware}, o segundo deles formado pelos 
estados {Colorado, Arizona, California}, e o terceiro deles 
formado pelos estados {Alaska, Alabama, Arkansas}. 
 
 
 Pergunta 4 
1 em 1 pontos 
 
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. 
 
Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
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 agrupamentosfazem mais sentido para a sua 
análise. 
 
 
 Pergunta 5 
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. 
Comentário 
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 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. 
Comentário 
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 
 
Leia o excerto a seguir: 
“A ciência dos dados é uma fusão de múltiplas disciplinas, incluindo 
estatística, ciência da computação, tecnologia da informação e campos de 
domínios específicos. Consequentemente, podem-se utilizar de muitos 
termos diferentes para se referir a um dado conceito.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. xv. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos 
diferentes para se referir a um dado conceito. 
Pois 
II. A estatística usa, de forma profunda, a matemática como pilar do seu 
desenvolvimento. É considerada a ciência mais sutil, e a mais ampla, quanto 
o assunto são dados. É usada por todas áreas científicas. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, mas a II 
não é uma justificativa da I. 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, mas a II 
não é uma justificativa da I. 
Comentário 
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 8 
1 em 1 pontos 
 
 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 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
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 
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. 
Comentário 
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 10 
1 em 1 pontos 
 
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. 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
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. 
 
 
Quarta-feira, 21 de Abril de 2021 12h37min28s BRT