Atividade_IV ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Curso ESTATÍSTICA APLICADA AO DATA SCIENCE 
Teste ATIVIDADE 4 (A4) 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
• Pergunta 1 
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 2 
1 em 1 pontos 
 
Em uma análise de agrupamento examinamos os dados observados (as 
linhas da tabela com os dados) e procuramos identificar, através de algum 
critério de similaridade, aquelas que estão mais próximas entre si, e 
formamos grupos com essas observações similares. Quando são apenas 2 
variáveis e poucas observações (tamanho da amostra pequeno), por 
exemplo 10, podemos tentar fazer o agrupamento visualmente. 
 
 
Analise a figura adiante e assinale a alternativa que indica a menor 
quantidade de grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. A questão 
solicita a alternativa com o menor número de grupos que 
você naturalmente formaria. Há três alternativas com 
dois grupos, porém aquela que parece ser a mais natural 
é a que agrupa 6 indivíduos do lado esquerdo do gráfico 
e 4 indivíduos do lado direito, pois as outras alternativas 
com dois grupos não são tão naturais quanto essa opção. 
 
 
• Pergunta 3 
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 4 
1 em 1 pontos 
 
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): 
Resposta Selecionada: 
I e II apenas; 
Resposta Correta: 
I e II apenas; 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois machine 
learning são algoritmos desenvolvidos, principalmente, 
pela ciência da computação, e são usados na estatística, 
na ciência de dados e na mineração de dados, e 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. Também sabemos que a mineração de dados 
e ciência de dados são áreas relacionadas, e que é 
importante conhecer o ambiente em que os dados são 
produzidos e que tipo de conhecimento esse ambiente 
necessita e espera receber. 
 
 
• Pergunta 5 
1 em 1 pontos 
 
 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.Resposta 
Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Resposta Correta: 
A asserção I é uma proposição falsa, e a II é uma 
proposição verdadeira. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, 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 6 
1 em 1 pontos 
 
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 
 
 
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. ( ) Todas correlações são positivas, o que indica que, para todas variáveis 
quantitativas dessa amostra, quando uma aumenta, a outra também 
aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas 
indica uma correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre 
Murder e Assault, cujo valor é de 0,80. 
IV. ( ) 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. 
 
Resposta Selecionada: 
V, V, V, F. 
Resposta Correta: 
V, V, V, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Todas 
correlações são positivas, indicando que, para todas 
variáveis quantitativas dessa amostra, quando uma 
aumenta, a outra também aumenta. Uma correlação 
igual a 1 entre uma variável e ela mesma apenas indica 
uma correlação perfeita dela com ela mesma. A maior 
correlação positiva entre essas variáveis é aquela entre 
Murder e Assault, cujo valor é de 0,80. E, finalmente, a 
segunda maior correlação positiva entre essas variáveis é 
aquela entre Rape e Assault, mas o valor é 0,67 e não 
0,56, que se refere à correlação entre as variáveis Murder 
e Rape. 
 
 
• Pergunta 7 
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 8 
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 9 
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 10 
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 empresasseguradoras; 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.