Atividade 4 - ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Pergunta 1
•0 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, e a II é uma 
justificativa correta da I.
Resposta Correta:  
As asserções I e II são proposições verdadeiras, mas a II não é 
uma justificativa  da I.
Comentário da
resposta:
Sua resposta está incorreta, 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 2
•1 em 1 pontos
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.
Resposta 
Selecionada:
 
As asserções I e II são proposições verdadeiras, e a II é uma 
justificativa correta da I.
Resposta Correta:  
As asserções I e II são proposições verdadeiras, e a II é uma 
justificativa correta da I.
Comentário da
resposta:
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 3
•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 4
•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 5
•1 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 delascontra as outras três.
Resposta Selecionada:  
V, V, V, V.
 
Resposta Correta:  
V, V, V, V.
 
Comentário 
da resposta:
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 6
•1 em 1 pontos
Os métodos de aprendizagem estatística (statistical learning, em inglês) são divididos 
em métodos de aprendizagem supervisionada e métodos de aprendizagem não 
supervisionada. Para cada uma dessas diferentes abordagens, há uma coleção 
relativamente grande de diferentes métodos, cada um com seu próprio jeito de 
funcionamento.
 
Assinale a alternativa que indica um problema de aprendizagem não supervisionada:
 
 
Resposta 
Selecionada:
 
Desejamos entender se há similaridade entre observações 
(indivíduos) de uma certa amostra de dados.
Resposta Correta:  
Desejamos entender se há similaridade entre observações 
(indivíduos) de uma certa amostra de dados.
Comentário da
resposta:
Resposta correta. A alternativa está correta, pois entender se há 
similaridade entre observações (indivíduos) de uma amostra é o mesmo 
que tentar agrupar os indivíduos similares, o que é um problema de 
aprendizagem não supervisionada. Todos os demais problemas 
propostos são problemas de aprendizagem supervisionada, em que há 
uma variável resposta supervisora, quantitativa ou qualitativa, para o 
treinamento do algoritmo preditivo.
• Pergunta 7
•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:
 
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.
 
 
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.
• Pergunta 8
•1 em 1 pontos
O texto em referência fornece os seguintes exemplos de agrupamento: análise de perfil 
de usuários e perfil de itens para sistemas de recomendação; análise de padrões de 
comportamento de multidões; identificação de grupos de risco para empresas 
seguradoras; análise de emoções em redes sociais; reconhecimento de padrões em 
imagens de satélites ou imagens médicas; análise de padrões em cliques em páginas 
da internet, etc.
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de dados : 
com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.146.
A respeito dos campos de aplicação da análise de agrupamento, analise as afirmativas a
seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s).
 
I. ( ) A análise de emoções por meio de agrupamento pode servir ao propósito de 
averiguar o índice de aceitação de um candidato a um cargo eletivo público por região.
II. ( ) O reconhecimento de padrões em imagens de satélites pode servir ao propósito de
averiguar regiões com processos acelerados de desertificação.
III. ( ) A identificação de grupos de risco para empresas seguradoras pode servir ao 
propósito de precificação correta do valor do seguro para cada grupo de risco.
IV. ( ) A análise de padrões em cliques em páginas da internet pode servir ao propósito 
de identificar a procura de páginas da web por cada bairro de um município.
Resposta Selecionada:  
V, V, V, V.
Resposta Correta:  
V, V, V, V.
Comentário da 
resposta:
Resposta correta.  A sequência está correta. Todos exemplos citados 
são propósitos válidos para a realização da análise de agrupamento. 
Como explicado no texto em referência, a quantidade de domínios de 
aplicação da análise de agrupamento é muito vasta.
• Pergunta 9
•1 em 1 pontos
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.
 
Resposta Selecionada:  
F, V, V, F.
Resposta Correta:  
F, V, V, F.
Comentário da
resposta:
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.
• Pergunta 10
•1 em 1 pontos
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 similaridadede seus hábitos de consumo - é uma tarefa 
de agrupamento.
III. ( ) Observar diferentes características das linguagens faladas por membros 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.
 
Resposta Selecionada:  
V, V, V, V.
Resposta Correta:  
V, V, V, V.
Comentário 
da resposta:
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 1
	Pergunta 2
	Pergunta 3
	Pergunta 4
	Pergunta 5
	Pergunta 6
	Pergunta 7
	Pergunta 8
	Pergunta 9
	Pergunta 10