Atividade 4 estatística aplicada ao data science

Prévia do material em texto

23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 1/10
Usuário LUCIANO PALERMI
Curso GRA1561 ESTATÍSTICA APLICADA AO DATA SCIENCE GR0890211 -
202110.ead-29778852.06
Teste ATIVIDADE 4 (A4)
Iniciado 23/04/21 12:09
Enviado 23/04/21 13:04
Status Completada
Resultado da
tentativa
10 em 10 pontos  
Tempo decorrido 55 minutos
Resultados
exibidos
Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
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). 
  
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 2/10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
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.
V, V, V, V.
V, V, V, V.
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 2
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. 
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 3/10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
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, de�nimos 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 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
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 4/10
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 grá�co de y = Murder versus x =
Assault de fato mostra uma tendência de aumento de Murder para um aumento de
Assault, assim como grá�co de y = Murder versus x = UrbanPop mostra uma grande
dispersão dos pontos sem uma tendência clara de subida ou descida. O grá�co 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 grá�cos de dispersão, de cada uma delas contra
as outras três.
Pergunta 4
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 colunase as observações na linhas
de uma tabela. Em algumas situações é vantajoso se fazer a padronização das
variáveis quantitativas. 
  
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 5/10
Resposta
Selecionada:
Resposta
Correta:
Comentário
da
resposta:
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 5
Quando os dados se referem a múltiplas variáveis quantitativas, é possível calcular a
correlação entre pares dessas variáveis, duas a duas. No software estatístico R, isto
pode ser feito com a função cor(). Adiante apresentamos um output típico da função
cor() quando aplicada ao cálculo da correlação entre quatro variáveis quantitativas de
um determinado conjunto de dados. 
  Murder Assault UrbanPop Rape
Murder  1.00 0.80 0.07 0.56
Assault 0.80 1.00 0.26 0.67
UrbanPop   0.07 0.26 1.00 0.41
Rape      0.56 0.67 0.41 1.00
                                   
A respeito deste output típico da função cor() do software estatístico R, para o cálculo
da correlação entre múltiplas variáveis quantitativas, analise as afirmativas a seguir e
assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
  
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis
quantitativas dessa amostra, quando uma aumenta, a outra também aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma
correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre Murder e
Assault, cujo valor é de 0,80. 
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 6/10
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela entre Rape e
Assault, cujo valor é de 0,67 e não de 0,56.
V, V, V, F.
V, V, V, F.
Resposta correta.  A sequência está correta. Todas correlações são positivas,
indicando que, para todas variáveis quantitativas dessa amostra, quando uma
aumenta, a outra também aumenta. Uma correlação igual a 1 entre uma variável e
ela mesma apenas indica uma correlação perfeita dela com ela mesma. A maior
correlação positiva entre essas variáveis é aquela entre Murder e Assault, cujo valor
é de 0,80. E, �nalmente, a segunda maior correlação positiva entre essas variáveis é
aquela entre Rape e Assault, mas o valor  é 0,67 e não 0,56, que se refere à
correlação entre as variáveis Murder e Rape.
Pergunta 6
Resposta
Selecionada:
Resposta
Correta:
Comentário
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.
As asserções I e II são proposições verdadeiras, mas a II não é uma
justi�cativa  da I.
As asserções I e II são proposições verdadeiras, mas a II não é
uma justificativa  da I.
Resposta correta. A alternativa está correta, pois mesmo que algoritmos de
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 7/10
da
resposta:
agrupamento sejam parte dos métodos da aprendizagem não supervisionada, e
não serem modelos preditivos, como a�rmado na asserção II, depois que formamos
e nomeamos os grupos (classi�camos os grupos), podemos usar essas classes como
variáveis respostas e, a partir desse ponto, executar tarefas preditivas com
algoritmos de classi�cação. Ou seja, a asserção I é falsa.
Pergunta 7
Resposta Selecionada: 
Resposta Correta: 
Comentário
da
resposta:
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. 
  
  
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
1 em 1 pontos
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 8/10
Resposta
Selecionada:
 
Resposta Correta:
Comentário
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 a�rmado na asserção II, depois que formamos
e nomeamos os grupos (classi�camos os grupos), podemos usar essas classes como
variáveis respostas e, a partir desse ponto, executar tarefas preditivas com
algoritmos de classi�cação. Ou seja, a asserção I é falsa.
Pergunta 9
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
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PAREN… 9/10
Resposta
Selecionada:
 
Resposta Correta:
Comentário
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
especi�ca 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 �nal, 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 10
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: 
  
1 em 1 pontos
23/04/2021 Revisar envio do teste: ATIVIDADE 4 (A4) – GRA1561 ...
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667677_1&PARE… 10/10
Sexta-feira, 23 de Abril de 2021 13h05min17s BRT
Resposta
Selecionada:
Resposta
Correta:
Comentário
da
resposta:
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
  
Relativamente à interpretação desta figura, assinale a alternativa correta: 
  
  
É um dendrograma, ou seja, um grá�co na forma de uma árvore, que representa
os vários grupos formados em cada estágio do processo de agrupamento
hierárquico.
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. 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 veri�car de uma leitura direta do próprio
dendrograma.