AVA2 UAM ESTATISTICA

Prévia do material em texto

• 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 
 
Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um 
modelo de regressão logística múltipla aos dados da amostra. Os resultados 
que encontrou foram muito ricos, sugerindo uma série de explicações, 
aprendidas pelo algoritmo com base nos dados fornecidos. Veja que 
dizemos “explicações sugeridas”, pois qualquer resultado de um algoritmo 
deve ser confrontado com especialistas da área em estudo. Contudo, vamos 
rever o que o modelo de regressão múltipla treinado pela jovem cientista de 
dados sugere. Para isso, analise as afirmativas a seguir. 
 
0. A probabilidade da inadimplência cresce com o aumento dos gastos 
médios com o cartão de crédito. Isto, que nos parece óbvio, foi o que 
os dados “contaram” para o algoritmo de regressão logística múltipla. 
1. A probabilidade da inadimplência cresce com o aumento da renda 
média mensal das pessoas. Isto não é tão óbvio e provavelmente não 
teríamos coragem de generalizar para outras situações, mas foi o que 
os dados da amostra do gerente do banco “contaram” para o 
algoritmo de regressão logística múltipla. 
2. Para duas pessoas com a mesma renda mensal e o mesmo gasto 
mensal com cartão de crédito, a probabilidade de inadimplência com 
o cartão é maior para aquela sem emprego estável. Novamente, isto 
 
foi o que os dados amostrados “contaram” para o algoritmo de 
regressão logística múltipla. 
3. O modelo de regressão logística múltipla, ajustado aos dados da 
amostra, consegue predizer os efeitos da renda mensal da pessoa, 
do seu gasto médio mensal com cartão de crédito e se ela tem ou 
não um emprego estável, na probabilidade de a pessoa ficar 
inadimplente com o cartão de crédito. Um algoritmo desse tipo pode 
ajudar no processo decisório de um banco quanto à aprovação de 
cartão de crédito, ao lado de outros critérios e ferramentas analíticas 
disponíveis para o banco. 
 
 
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. Todas as asserções desta questão são 
verdadeiras. Para os dados analisados, probabilidade da 
inadimplência cresce com o aumento dos gastos médios 
com o cartão de crédito e com o aumento da renda 
média mensal das pessoas. Para duas pessoas com a 
mesma renda mensal e o mesmo gasto mensal com 
cartão de crédito, a probabilidade de inadimplência com 
o cartão é maior para aquela sem emprego estável. E o 
modelo de regressão logística múltipla é um modelo 
preditivo, um classificador probabilístico. 
 
 
• Pergunta 4 
1 em 1 pontos 
 
A amostra relativa aos dados de inadimplência com cartões tinha 200 
observações de 4 variáveis: a renda mensal da pessoa (R$), seu gasto 
médio com cartão de crédito (R$), se a pessoa tinha um emprego estável 
(Sim ou Não) e se a pessoa havia, ao longo do período pesquisado, ficado 
inadimplente com o pagamento de faturas do cartão ao menos uma vez 
(Sim ou Não). 
Reflita sobre esse caso, analise as afirmativas a seguir e assinale V para 
 
a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
0. ( ) Todos os dados fornecidos pelo gerente do banco à jovem 
cientista de dados são dados relativos a variáveis quantitativas. 
1. ( ) Todos os dados fornecidos pelo gerente do banco à jovem 
cientista de dados são dados relativos a variáveis qualitativas. 
2. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem 
cientista de dados, dois são relativos a uma variável quantitativa e 
dois são relativos a variáveis qualitativas. 
3. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem 
cientista de dados, um é relativo a uma variável quantitativa e os 
outros são relativos a variáveis qualitativas. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
F, F, V, F. 
 
 
 
Resposta Correta: 
F, F, V, F. 
 
 
 
Comentário 
da resposta: 
Resposta correta. Dentre os dados fornecidos pelo 
gerente do banco à jovem cientista de dados, dois são 
quantitativos, a renda mensal da pessoa (R$) e seu gasto 
médio com cartão de crédito (R$), e dois são qualitativos, 
se a pessoa tinha emprego estável (Sim ou Não) e se a 
pessoa havia, ao longo do período pesquisado, ficado 
inadimplente com o pagamento de faturasdo cartão ao 
menos uma vez (Sim ou Não). 
 
 
• Pergunta 5 
1 em 1 pontos 
 
Os dados cedidos pelo gerente do banco estavam bem organizados e livres 
de erros. A nossa jovem cientista de dados não precisou, portanto, fazer 
uma limpeza e pré-tratamento dos dados e pode prosseguir imediatamente 
para uma análise descritiva deles antes do desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) 
 
Verdadeira(s) e F para a(s) Falsa(s). 
 
0. ( ) Chamamos de análise descritiva dos dados seus sumários (ou 
resumos) estatísticos dos mesmos e a sua visualização. Ambos, os 
sumários e as visualizações, nos ajudam a entender o 
comportamento dos dados e, através deles, do fenômeno ou 
processo estudado. 
1. ( ) São quatro as variáveis estudadas pela cientista de dados: renda 
mensal da pessoa, seus gastos médios com o cartão, se a pessoa 
tinha ou não um emprego estável ao longo do período amostrado e 
se ficou ou não inadimplente ao longo do deste período. 
2. ( ) Para criar sumários estatísticos das variáveis quantitativas, a 
renda mensal da pessoa e seus gastos com o cartão, a cientista de 
dados usou as funções min(), mean() e max() do software estatístico 
R para calcular os valores mínimo, médio e máximo dos dados 
observados para essas variáveis. 
3. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a 
pessoa tinha ou não um emprego estável e se tinha ou não ficado 
inadimplente com o pagamento das faturas do cartão ao longo do 
período amostrado, a cientista de dados usou a função table() do 
software estatístico R para calcular a frequência com que os níveis de 
cada uma dessas variáveis se manifestaram na amostra estudada. 
 
 
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. Chamamos de análise descritiva dos 
dados seus sumários (ou resumos) e a sua visualização 
por meio de gráficos. São quatro as variáveis estudadas 
pela cientista de dados. Para criar sumários estatísticos 
das variáveis quantitativas, a cientista de dados usou as 
funções min(), mean() e max() do software estatístico R, e 
para os sumários estatísticos das variáveis qualitativas, 
usou a função table() do mesmo software, e assim 
calculou a frequência com que os níveis de cada uma 
dessas variáveis se manifestaram na amostra analisada. 
 
 
• Pergunta 6 
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. 
 
 
• Pergunta 7 
1 em 1 pontos 
 
O ser humano tem enorme facilidade em agrupar, por similaridade, e 
classificar coisas, todos os tipos de coisas. Por conta disso, problemas de 
classificação são muito frequentes no mundo, mais frequentes que 
problemas de regressão. Fornecemos alguns exemplos de aplicação de 
métodos de classificação no mundo dos negócios. Dentre esses exemplos, 
encontramos: 
 
0. a Netflix usa classificadores para recomendar filmes. Para a Netflix, o 
valor desse tipo de aplicação é que, quanto mais filmes assistirmos, 
maior será a sua receita; 
1. o Facebook usa classificadores para recomendar novas amizades 
para a nossa rede de relacionamento. Para o Facebook, o valor 
desse tipo de aplicação é que, quanto maior nossa rede de 
relacionamento, maior será a sua receita; 
2. um banco de varejo usa classificadores para detectar se uma 
operação com cartão de débito ou crédito é ou não uma operação 
fraudulenta. Para o banco, o valor dessa aplicação é que, quanto 
antes operações fraudulentas forem detectadas, mais rapidamente o 
banco pode agir para impedir perdas para seus clientes e para ele 
próprio; 
3. uma concessionária de distribuição de energia elétrica usa 
classificadores para identificar casos potenciais de roubo de energia 
da rede, os famosos “gatos”. Para as concessionárias de distribuição 
de energia elétrica, o valor dessa aplicação é evitar prejuízo com o 
furto de energia da rede, além do relevante aspecto de prevenção de 
acidentes decorrentes de instalações clandestinas. 
 
 
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. Todos os exemplos listados nesta 
questão são problemas de classificação, os quais, como 
dissemos no enunciado, são muito frequentes no 
mundo. Em todos eles, a variável resposta é uma variável 
qualitativa, ou dicotômica, ou politômica. 
 
 
• Pergunta 8 
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. Modelosde 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 9 
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 10 
1 em 1 pontos 
 
Entre as técnicas das quais lançou mão para a visualização dos dados da 
amostra, uma jovem cientista de dados usou boxplots (diagramas de 
caixas). Como cientista de dados, ela sabia exatamente em que situações 
empregar boxplots. 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. ( ) Para examinar visualmente a relação entre duas variáveis, em que 
uma é quantitativa e a outra é qualitativa, não é possível a utilização 
de gráficos de dispersão. 
 
1. ( ) Boxplots são uma solução inteligente para a visualização da 
relação entre uma variável quantitativa e uma variável qualitativa, em 
que no eixo horizontal indicamos os níveis da variável qualitativa e no 
eixo vertical, a variação dos valores observados para a variável 
quantitativa. 
2. ( ) Para examinar visualmente a relação entre duas variáveis 
quantitativas, um dos gráficos preferidos é o diagrama de caixas, 
também conhecido como boxplot. 
3. ( ) Na construção de um boxplot, podemos representar no eixo 
vertical os níveis da variável qualitativa e no eixo horizontal, os 
valores da variável quantitativa. Nesse caso, a visualização da 
variação dos dados da variável quantitativa é exibida 
horizontalmente, e os níveis (classes) da variável qualitativa são 
exibidos verticalmente. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
V, V, F, V. 
Resposta Correta: 
V, V, F, V. 
Comentário 
da resposta: 
Resposta correta. A única asserção falsa é a que afirma 
que para examinar visualmente a relação entre duas 
variáveis quantitativas, um dos gráficos preferidos é o 
diagrama de caixas, também conhecido como boxplot. 
Para examinar visualmente a relação entre duas 
variáveis, em que uma é quantitativa e a outra é 
qualitativa, não é possível a utilização de gráficos de 
dispersão. Para isso, usamos boxplots, em que, no eixo 
horizontal, indicamos os níveis da variável qualitativa e, 
no eixo vertical, a variação dos valores observados para a 
variável quantitativa. Podemos inverter a posição desses 
eixos.