Atividade_II ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Curso ESTATÍSTICA APLICADA AO DATA SCIENCE 
Teste ATIVIDADE 2 (A2) 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 9 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
• Pergunta 1 
1 em 1 pontos 
 
Estudamos algoritmos preditivos com base em (1) modelos de regressão 
linear e (2) modelos de regressão logística. Esses modelos são aplicados 
em situações bem distintas, que dependem, essencialmente, da natureza da 
variável resposta, também chamada 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: 
 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
 
Resposta Correta: 
II, III e IV, apenas. 
Comentário 
da resposta: 
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 2 
1 em 1 pontos 
 
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. 
 
4. Um classificador determinístico vai dizer se o indivíduo está ou não 
está infectado, dados os sintomas que apresenta. 
5. Um classificador probabilístico vai dizer qual é a probabilidade de o 
indivíduo estar ou não infectado, dados os sintomas que apresenta. 
6. 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). 
7. 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: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
 
Comentário 
da resposta: 
Resposta correta. Um classificador determinístico vai 
dizer se o indivíduo está ou 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 3 
1 em 1 pontos 
 
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). 
 
 
0. ( ) 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. 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
4. ( ) 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. 
 
 
Resposta Selecionada: 
V, V, V, V. 
 
 
Resposta Correta: 
V, V, V, V. 
 
 
Comentário 
da resposta: 
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 4 
1 em 1 pontos 
 
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). 
 
0. ( ) 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. 
1. ( ) 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. 
2. ( ) 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. 
3. ( ) 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. 
 
 
 
Resposta Selecionada: 
F, V, V, V. 
Resposta Correta: 
F, V,V, V. 
Comentário 
da resposta: 
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. 
 
• Pergunta 5 
1 em 1 pontos 
 
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. 
 
0. 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. 
1. 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. 
2. 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. 
3. 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: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
Comentário 
da resposta: 
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 6 
1 em 1 pontos 
 
Tarefas de classificação são muitos comuns na estatística e na ciência dos 
dados, por serem muito comuns em todas atividades humanas, na ciência, 
na vida social ou nos negócios. 
Especificamente, discutimos aplicações de modelos preditivos de 
classificação baseados em modelos de regressão logística simples ou 
múltipla. 
Com isso em mente, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e F para a(s) Falsa(s). 
 
0. Regressão logística pode ser empregada na predição do peso médio 
(massa corporal média) de uma pessoa em função de sua altura, 
idade e sexo. 
1. Regressão logística pode ser empregada na predição do consumo 
médio de combustível de um carro em função da potência do seu 
motor e do seu peso. 
2. Regressão logística pode ser empregada na predição da 
probabilidade de uma pessoa votar em um determinado candidato e 
não nos outros em função de sua escolaridade, idade, sexo e classe 
social. 
3. Regressão logística pode ser empregada na predição da 
probabilidade de a pessoa ser diabética em função de um conjunto 
de sintomas clínicos que apresenta. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, F, V, V. 
Resposta Correta: 
F, F, V, V. 
Comentário 
da resposta: 
Resposta correta. As duas primeiras situações se referem 
à predição de variáveis resposta quantitativas, o que não 
é possível com modelos de regressão logística; já as duas 
últimas situações são adequadas ao emprego de 
modelos de regressão logística. 
 
 
• Pergunta 7 
1 em 1 pontos 
 
A jovem cientista de dados, tendo em mãos os dados que lhe foram 
passados pelo gerente do banco, precisou denominá-los corretamente para 
a fase de treino (ajuste) do algoritmo preditivo. Ela escolheu a regressão 
logística como seu algoritmo preditivo, para classificar o potencial (a 
probabilidade) de uma pessoa ficar ou não inadimplente com o pagamento 
das faturas do cartão de crédito. 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para 
a(s) Falsa(s). 
 
0. ( ) A jovem cientista de dados escolheu como variável resposta a 
renda mensal da pessoa, e tratou as demais variáveis como variáveis 
de entrada. 
1. ( ) A jovem cientista de dados escolheu o gasto médio mensal da 
pessoa com cartão de crédito como a variável resposta, e tratou as 
demais como variáveis de entrada. 
2. ( ) A jovem cientista de dados não definiu qualquer das quatro 
variáveis como a variável resposta, e decidiu realizar uma análise 
baseada em aprendizagem não supervisionada. 
3. ( ) A jovem cientista de dados escolheu como variável resposta se a 
pessoa havia, ao longo do período pesquisado, ficado inadimplente 
com o pagamento das faturas do cartão ao menos uma vez (Sim ou 
Não), e tratou as demais variáveis como variáveis de entrada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, F, F, V. 
Resposta Correta: 
F, F, F, V. 
Comentário 
da resposta: 
Resposta correta. A jovem cientista de dados escolheu 
como variável resposta se a pessoa havia, ao longo do 
período pesquisado, ficado inadimplente com o 
pagamento das faturas do cartão ao menos uma vez (Sim 
ou Não), e tratou as demais variáveis como variáveis de 
entrada. 
 
 
• Pergunta 8 
1 em 1 pontos 
 
O modelo de regressão logística simples desenvolvido por uma jovem 
cientista de dados para a predição da probabilidade de inadimplência com o 
 
cartão de crédito foi: 
 
 
 
Tomando como base esse modelo, que foi ajustado aos dados da amostra 
cedida pelo gerente, podemos estimar o valor esperado para a 
probabilidade de inadimplência com cartão de crédito das pessoas. Por 
exemplo, vamos considerar duas pessoas, uma com um gasto de médio 
mensal com o cartão de R$ 500,00, e a outra com um gasto médio mensal 
de R$ 1.000,00. Usando o modelo ajustado anterior, obtemos, 
respectivamente (assinale a alternativa correta): 
 
 
Resposta Selecionada: 
7% e 27%. 
 
 
 
 
Resposta Correta: 
7% e 27%. 
 
 
 
 
Comentário 
da resposta: 
Resposta correta. Esses valores são aqueles calculados 
pela simples substituição da variável de 
entrada pelos valores R$ 500,00 e R$ 1.000,00, 
respectivamente, na equação do modelo. 
 
 
• Pergunta 9 
1 em 1 pontos 
 
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. 
 
0. 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. 
 
1. 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. 
2. 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. 
3. 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: 
 
Resposta Selecionada: 
III e IV, apenas. 
Resposta Correta: 
III e IV, apenas. 
Comentário 
da resposta: 
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 10 
1 em 1 pontos 
 
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. 
 
0. 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. 
1. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável resposta de variável de saída ou variável 
dependente. 
 
2. Especificamente na aprendizagem supervisionada, também 
denominamos uma variável de entrada de variável regressora, 
variável preditora ou variável independente. 
3. 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: 
 
Resposta Selecionada: 
I, II, III e IV. 
Resposta Correta: 
I, II, III e IV. 
Comentário 
da resposta: 
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.