20211 - ATIVIDADE 2 (A2) - Estatística Aplicada Ao Data Science

Prévia do material em texto

Pergunta 1 
• 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). 
 
I. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados 
são dados relativos a variáveis quantitativas. 
II. ( ) Todos os dados fornecidos pelo gerente do banco à jovem cientista de dados 
são dados relativos a variáveis qualitativas. 
III.( ) 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. 
IV.( ) 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: 
 
 
 
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 faturas do cartão ao menos
uma vez (Sim ou Não). 
1. Pergunta 2 
• 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: 
 
 
 
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. 
1. Pergunta 3 
• 1 em 1 pontos
A atividade de venda de produtos financeiros por bancos, tais como cartões de crédito, 
requer que se faça uma avaliação do cliente. São focos dessa avaliação aprovar ou não
um cartão de crédito para o cliente e, se aprovado, definir o limite do cartão, ou seja, o 
valor do crédito a conceder.
 
Com base nessa introdução, analise as afirmativas a seguir.
 
I. O primeiro foco da avaliação é um problema de regressão: aprovar (sim ou não) 
o cartão de crédito, uma variável qualitativa dicotômica, com dois níveis 
(classes). 
II. O primeiro foco da avaliação é um problema de classificação: aprovar (sim ou 
não) o cartão de crédito, uma variável qualitativa dicotômica, com dois níveis 
(classes). 
III.O segundo foco da avaliação é um problema de classificação, predizer o valor do
limite (do crédito) do cartão. 
IV.O segundo foco da avaliação é um problema de regressão, predizer o valor do 
limite (do crédito) do cartão. 
 
Está correto o que se afirma em:
 
 
Resposta Selecionada: 
II e IV, apenas.
Resposta Correta: 
II e IV, apenas.
Comentário 
da resposta: 
Resposta correta. O primeiro foco da avaliação é um problema de classificação, 
aprovar (sim ou não) o cartão de crédito, uma variável qualitativa dicotômica, 
com dois níveis (classes); o segundo foco da avaliação é um problema de 
regressão, ou seja, predizer o valor do limite (de crédito) do cartão a ser 
concedido para o cliente. Esse valor é uma variável quantitativa, cuja predição é 
feita por algoritmos de regressão.
1. Pergunta 4 
• 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:
 
I. 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; 
II. 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; 
III.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; 
IV.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: 
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. 
1. Pergunta 5 
• 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.
 
I. 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. 
II. 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. 
III.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. 
IV.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 ferramentasanalíticas disponíveis para o banco. 
 
Está correto o que se afirma em:
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
 
 
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. 
1. Pergunta 6 
• 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.
 
I. 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. 
II. 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. 
III.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. 
IV.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: 
 
 
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. 
1. Pergunta 7 
• 1 em 1 pontos
A estatística descritiva usa de métodos numéricos para resumir dados, também 
chamados de sumários estatísticos, e de gráficos para a visualização dos dados. A 
jovem cientista de dados usou algumas técnicas de visualização de dados para analisar
sua amostra, mas deixou outras de lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise descritiva 
dos dados.
 
I. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou
histogramas para a visualização dos dados quantitativos das amostras, que são a
renda mensal das pessoas e seus gastos médios com o cartão de crédito. 
II. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou
diagramas de barras para a visualização dos dados quantitativos das amostras, 
que são a renda mensal das pessoas e seus gastos médios com o cartão de 
crédito. 
 
 
III.Histogramas e diagramas de barras são formas tradicionais de visualização 
gráfica de dados quantitativos e qualitativos, respectivamente, na estatística e na 
ciência dos dados. 
IV.A jovem cientista de dados usou, para este caso, apenas histogramas, e preferiu 
apenas lançar mão da função table() do software estatístico R, para determinar a 
frequência com que os níveis das variáveis qualitativas se manifestaram na 
amostra estudada, sem fazer uso de diagramas de barras, o que poderia ter feito,
se quisesse. 
 
Está correto o que se afirma em:
 
 
Resposta Selecionada: 
I, III e IV apenas. 
Resposta Correta: 
Comentário 
da resposta: 
Resposta correta. Histogramas e diagramas de barras são formas tradicionais de 
visualização gráfica de dados quantitativos e qualitativos, respectivamente, na 
estatística e na ciência dos dados, e a jovem cientista de dados não lançou mão 
de diagramas de barras. Neste caso, para visualizar os dados qualitativos, poderia
ter feito isso, se quisesse. Diagramas de barras são usados para a visualização de 
dados qualitativos, não quantitativos. 
1. Pergunta 8 
• 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.
 
I. Modelos de regressão logística simples são usados na predição de uma variável 
resposta qualitativa quando há mais do que uma variável de entrada. 
II. Modelos de regressão linear simples são usados na predição de uma variável 
resposta qualitativa quando se considera apenas uma variável de entrada. 
III.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.
 
IV.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: 
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. 
1. Pergunta 9 
• 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). 
 
I. ( ) 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. 
II. ( ) 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. 
III.( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um 
dos gráficos preferidos é o diagrama de caixas, também conhecido como boxplot.
IV.( ) 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: 
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 diagramade 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. 
1. Pergunta 10 
• 1 em 1 pontos
Ao longo das nossas discussões, demos foco a um classificador chamado de regressão
logística que, apesar do nome regressão (esse nome por razões históricas e por conta 
de algumas de suas características), é usado como um classificador. Mas também 
vimos que existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as afirmativas a 
seguir. 
 
I. Regressão logística é o único método de aprendizagem supervisionada que é 
utilizado para classificação, todos outros métodos são métodos de regressão. 
II. Apesar do nome regressão logística, o que acaba sendo um pouco confuso para 
iniciantes, na verdade este é um dos vários métodos de aprendizagem 
supervisionada utilizado para classificação. 
III.Dentre os métodos utilizados para classificação se encontram regressão 
logística, análise discriminante linear (LDA = Linear Discriminant Analysis), 
árvores de decisão para classificação, máquinas de vetores de suporte (SVM = 
support vector machines) e k-vizinhos mais próximos (KNN = k-nearest 
neighbors). 
IV.Regressão linear não é um método de classificação, mas, sim, um dos métodos 
preditivos de aprendizagem supervisionada usados na predição de valores de 
variáveis respostas quantitativas. 
 
Está correto o que se afirma em:
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
 
 
 
Resposta Correta: 
 
 
 
Comentário da 
resposta: 
Resposta correta. A única asserção incorreta desta questão é a primeira, que 
afirma que regressão logística é o único método de aprendizagem 
supervisionada que é utilizado para classificação, todos outros métodos são 
métodos de regressão. 
	Pergunta 1
	1. Pergunta 2
	1. Pergunta 3
	1. Pergunta 4
	1. Pergunta 5
	1. Pergunta 6
	1. Pergunta 7
	1. Pergunta 8
	1. Pergunta 9
	1. Pergunta 10