Atividade 4

Prévia do material em texto

PERGUNTA 1
1.  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 verdadeira e a asserção II é uma proposição falsa.
	
	
	A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
	
	
	As asserções I e II são proposições falsas.
	
	
	As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.
	
	
	As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I.
1 pontos  
PERGUNTA 2
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
2. 
 
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).
 
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.
	
	
	F, F, F, F.
	
	
	V, V, V, V.
	
	
	F, V, V, F.
	
	
	F, F, V, V.
	
	
	V, F, F, V.
1 pontos  
PERGUNTA 3
1. 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, e a II é uma justificativa correta da I.
	
	
	As asserções I e II são proposições falsas.
	
	
	A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
	
	
	A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa.
	
	
	As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa  da I.
1 pontos  
PERGUNTA 4
1. 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:
 
 
	
	
	Queremos estimar o valor de imóveis a partir das suas características, tais como sua área, seu andar e sua localização.
	
	
	Desejamos entender se há similaridade entre observações (indivíduos) de uma certa amostra de dados.
	
	
	Pretendemos ter uma ideia do volume de vendas de um produto de varejo a partir de algumas características do ponto de venda.
	
	
	Gostaríamos de saber que pessoas ficarão inadimplentes com o pagamento das faturas de seus cartões de crédito.
	
	
	Ajudaremos médicos se conseguirmos avaliar a gravidade de uma doença a partir de dados relativos às condições do paciente.
 
 
1 pontos  
PERGUNTA 5
1. O texto em referência explica que o processo de descoberta com a mineração de dados possui tanto um sentido romântico (um processo emocionante e prazeroso), quanto técnico (um estudo criterioso sobre dados). Também defende a ideia que é preciso conhecer o ambiente em que os dados são produzidos e que tipo de conhecimento esse ambiente necessita e espera receber.. Ou seja, o que as pessoas necessitam e esperam receber.Lei
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração de dados : com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.3.
 
Considerando as ideias apresentadas acima e o que sabemos sobre ciência dos dados, mineração de dados e machine learning, analise as afirmativas a seguir:
 
I. Machine learning são algoritmos desenvolvidos, principalmente, pela ciência da computação. São usados na estatística, na ciência de dados e na mineração de dados.
II. O processo de descoberta de padrões e geração de conhecimento por meio de dados tem um sentido romântico, por ser emocionante e prazeroso, e um sentido técnico, pois demanda estudos técnicos criteriosos.
III. A estatística, a ciência da computação e a ciência de dados são áreas relacionadas, mas a mineração de dados e ciência de dados são áreas independentes, sem nenhuma relação.
IV. Não é importante conhecer o ambiente em que os dados são produzidos e que tipo de conhecimento esse ambiente necessita e espera receber.
 
Assinale a alternativa que apresenta a(s) afirmativa(s) correta(s):
	
	
	II, III e IV apenas;
	
	
	II e III apenas;
	
	
	I, II e III apenas;
	
	
	I, II e IV apenas.
 
 
	
	
	I e II apenas;
1 pontos  
PERGUNTA 6
1. 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 consideradaa 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, III e IV apenas.
	
	
	II e III apenas.
	
	
	I, II e IV apenas.
	
	
	I, II e III apenas.
1 pontos  
PERGUNTA 7
1. 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. (v ) 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. (f ) O reconhecimento de padrões em imagens de satélites pode servir ao propósito de averiguar regiões com processos acelerados de desertificação.
III. (v ) 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. (f ) 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.
	
	
	V, V, V, F.
	
	
	V, V, V, V.
	
	
	V, F, F, V.
	
	
	F, V, V, F.
	
	
	V, V, F, F.
1 pontos  
PERGUNTA 8
1. 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
2. 
                                  
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. (v) Todas correlações são positivas, o que indica que, para todas variáveis quantitativas dessa amostra, quando uma aumenta, a outra também aumenta.
II. (v) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma correlação perfeita dela com ela mesma.
III. (v ) A maior correlação positiva entre essas variáveis é aquela entre Murder e Assault, cujo valor é de 0,80.
IV. (f ) 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.
	
	
	F, V, V, F.
	
	
	F, V, V, V.
	
	
	F, F, V, V.
 
	
	
	V, V, V, F.
	
	
	F, V, F, V.
1 pontos  
PERGUNTA 9
1. 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:
 
 
	
	
	É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de cima para baixo, na altura (height) 1,5 sugere a formação de 10 grupos.
	
	
	É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de baixo para cima, na altura (height) 1,5 sugere a formação de 6 grupos.
	
	
	É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados Texas e Arkansas os mais próximos em termos de violência urbana.
	
	
	É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados New Mexico e Oklahoma os mais próximos em termos de violência urbana.
	
	
	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.
1 pontos  
PERGUNTA 10
1. 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 colunas e as observações na linhas de uma tabela. Em algumas situações é vantajoso se fazer a padronização das variáveis quantitativas.
 
Assinale a alternativa correta relativamente ao assunto de padronização de variáveis quantitativas na estatística:
 
 
	
	
	Na padronização, se subtrai de cada variável sua média, e não se faz nada com respeito ao seu desvio padrão.
	
	
	Na padronização, se calcula a média geral entre todas variáveis e depois se subtrai este valor de cada uma das variáveis.
  
	
	
	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 seu desvio padrão, e depois se divide o resultado pela média da variável.
	
	
	Na padronização, se subtrai de cada variável seu desvio padrão, e não se faz nada com respeito à sua média.