ATIVIDADE 2 (A2) ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

 Pergunta 1 
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. 
 
1. 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. 
2. 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. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de visualização 
gráfica de dados quantitativos e qualitativos, respectivamente, na estatística 
e na ciência dos dados. 
4. 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: 
I, III e IV apenas. 
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. 
 
 Pergunta 2 
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. 
 
3. 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). 
4. 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). 
5. O segundo foco da avaliação é um problema de classificação, predizer o 
valor do limite (do crédito) do cartão. 
6. 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. 
 
 
 Pergunta 3 
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 4 
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. 
 
0. Um classificador determinístico vai dizer se o indivíduo está ou não está 
infectado, dados os sintomas que apresenta. 
1. Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo 
estar ou não infectado, dados os sintomas que apresenta. 
2. 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). 
3. 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 5 
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 energiada 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 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. 
 
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. 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. 
 
 Pergunta 7 
1 em 1 pontos 
 
 Naturalmente, dados ocupam uma posição central, tanto na estatística 
quanto na ciência dos dados. Entendê-los, saber da sua natureza, o que 
representam, é de suma importância, antes da realização de qualquer 
análise ou projeto. Os dados são divididos entre quantitativos e qualitativos, 
na estatística e na ciência dos dados. Relativamente aos qualitativos, analise 
as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
0. ( ) Dados qualitativos dicotômicos são dados observados de variáveis 
qualitativas que podem assumir apenas dois níveis (também chamados de 
classes) como seus valores, tais como sexo (feminino ou masculino), 
ocupação (empregado ou desempregado), localização (bairro ou centro), 
emprego estável (sim ou não), inadimplente (sim ou não). 
1. ( ) Dados qualitativos politômicos são aqueles oriundos de variáveis 
qualitativas que podem assumir três ou mais níveis como seus valores, tais 
como classe social (A, B, C, D e E), escolaridade (fundamental, médio, 
superior), gravidade da doença (baixa, média, alta). 
2. ( ) A função table() do R permite a contagem da frequência de cada nível 
assumido por uma variável qualitativa em uma dada amostra, e foi usada 
pela jovem cientista de dados para contar a frequência de pessoas com ou 
sem emprego estável e se ficaram ou não inadimplentes com o pagamento 
das faturas do cartão no período amostrado. 
3. ( ) Um mosaicplot permite a visualização gráfica da relação entre duas 
variáveis qualitativas. Foi usado por uma jovem cientista de dados para 
examinar a possível relação entre duas variáveis qualitativas dicotômicas: 
pessoas com ou sem emprego estável e se ficaram ou não inadimplentes 
com o pagamento das faturas do cartão de crédito ao longo do período 
amostrado. Ela percebeu, ao ver o gráfico resultante (ver figura adiante), que 
parece haver um maior nível de inadimplência com o cartão entre aquelas 
que não têm emprego estável. 
 
 
 
 
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. Todas asserções desta questão são 
verdadeiras. Dados qualitativos dicotômicos são dados 
observados de variáveis qualitativas que podem assumir 
apenas dois níveis. Dados qualitativos politômicos são 
aqueles oriundos de variáveis qualitativas que podem 
assumir três ou mais níveis como seus valores. A função 
table() do R permite a contagem da frequência de cada nível 
assumido por uma variável qualitativa em uma dada 
amostra. O mosaicplot permite a visualização gráfica da 
relação entre duas variáveis qualitativas. 
 
 
 Pergunta 8 
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 9 
1 em 1 pontos 
 
 Continuando com o mesmo caso da questão anterior, relativa à aprovação, 
pelos bancos, de crédito na formade cartão de crédito, como se fazia, no 
passado, a aprovação da concessão de cartões de crédito pelos bancos? E, 
hoje em dia, como os bancos fazem essa aprovação? 
 
Reflita sobre essas perguntas e suas respostas, analise as afirmativas a 
seguir e assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
 
0. ( ) No passado, os bancos faziam, e ainda fazem, ao menos em parte, a 
aprovação da concessão de cartões de crédito através da definição de regras 
que devem ser atendidas por cada cliente, tais como idade, emprego estável, 
renda fixa, dívidas pequenas, nome limpo e casa própria. 
 
1. ( ) Hoje em dia, dentre outras alternativas, uma que é frequentemente usada 
pelos bancos são algoritmos de aprendizagem supervisionada que 
classificam se o cliente é um potencial bom ou mau pagador. 
2. ( ) Para usarmos algoritmos de classificação com esse propósito de aprovar 
ou não cartões de crédito, precisamos de dados. Ensinamos ao algoritmo, 
com base nos dados que lhe são passados, a predizer clientes que são maus 
pagadores potenciais das faturas do cartão. Dessa forma, se o algoritmo, ao 
ser alimentado com os dados referentes a um novo cliente, classificar esse 
cliente como um mau pagador potencial, o banco não aprovará o cartão. 
3. ( ) Para equipes de análise de crédito, poder contar com a ajuda de um 
software com a capacidade de recomendar a aprovação ou não da 
concessão do cartão é de grande valor. 
4. ( ) A recomendação feita pelo software poderá ser tratada ao lado de outras 
regras de crédito para uma decisão final sobre a concessão de cartão para o 
cliente. 
 
 
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. No passado, os bancos faziam a 
aprovação da concessão de cartões de crédito através da 
definição de regras que deviam ser atendidas por cada 
cliente; hoje em dia, algoritmos de aprendizado de máquina 
classificam se o cliente é um potencial bom ou mau 
pagador. Para isso, dados são necessários. Poder contar 
com a ajuda de um software com a capacidade de 
recomendar a aprovação ou não da concessão do cartão é 
de grande valor para a equipe de análise de crédito. A 
recomendação feita pelo software poderá ser tratada ao 
lado de outras regras de crédito para uma decisão final 
sobre a concessão de cartão para o cliente. 
 
 
 Pergunta 10 
1 em 1 pontos 
 
 Vimos que há dois principais tipos de aprendizagem supervisionada: 
problema de regressão e problema de classificação. São os tipos de 
variáveis resposta dos dados em análise que distinguem esses dois tipos 
entre si. 
 
Relativamente a esses dois tipos, analise as afirmativas a seguir. 
 
0. Na aprendizagem supervisionada, um problema de regressão é um no qual a 
variável resposta é qualitativa. 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual a 
variável resposta é quantitativa. 
2. Na aprendizagem supervisionada, um problema de classificação é um no 
qual a variável resposta é qualitativa. 
3. Na aprendizagem supervisionada, um problema de classificação é um no 
qual a variável resposta é quantitativa. 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
II e III, apenas. 
Resposta Correta: 
II e III, apenas. 
Comentário 
da resposta: 
Resposta correta. Na aprendizagem supervisionada, um 
problema de regressão é um no qual a variável resposta é 
quantitativa e um problema de classificação é um no qual a 
variável resposta é qualitativa.