ATIVIDADE 4 (A4) ESTATÍSTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

 Pergunta 1 
1 em 1 pontos 
 
 Leia o excerto a seguir: 
“Normalização: É comum normalizar (padronizar) variáveis contínuas através 
da subtração da média e divisão pelo desvio-padrão, ou então as variáveis 
com grande escala dominarão o processo de agrupamento (veja 
Padronização (Normalização, Escores Z), no Capítulo 6).” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 265. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. Sabemos que, na estatística ou na ciência dos dados, é comum normalizar 
(padronizar) variáveis quantitativas, ou variáveis contínuas, antes da 
realização de uma análise de agrupamento. 
Pois 
II. No conjunto de dados observados (a amostra de dados), podem existir 
variáveis que estão em uma escala muito maior que as outras, e a medida de 
distância entre observações dessas variáveis dominarão o resultado da 
análise de agrupamento, na formação dos grupos de observações similares 
entre si. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, e a II é 
uma justificativa correta da I. 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, e a II é 
uma justificativa correta da I. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. Na estatística 
ou na ciência dos dados, é comum normalizar (padronizar) 
variáveis quantitativas, ou variáveis contínuas, antes da 
realização de uma análise de agrupamento, pois no 
conjunto de dados observados podem existir variáveis que 
estão em uma escala muito maior que as outras, e a 
medida de distância entre observações dessas variáveis 
dominarão o resultado final da análise de agrupamento se 
a padronização não for feita antes. 
 
 
 Pergunta 2 
1 em 1 pontos 
 
 Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico: 
 
“Começa com todos os registros. Progressivamente, os grupos são unidos 
 
aos grupos próximos até que todos os registros pertençam a um único grupo. 
O histórico de aglomeração é retido e plotado, e o usuário pode visualizar o 
número e a estrutura dos grupos em diferentes estágios. As distâncias 
intergrupos são calculadas de jeitos diferentes, todas baseadas no conjunto 
de distância inter-registros.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de 
dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 278. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta 
entre elas. 
 
I. No agrupamento hierárquico, o usuário deve obrigatoriamente especificar 
o número de grupos que deseja ver o algoritmo formar. 
Pois 
II. O algoritmo começa com grupos formados por registros individuais e, 
progressivamente, os grupos são unidos aos grupos mais próximos, até que 
todos os registros pertençam a um único grupo. 
 
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 no 
agrupamento hierárquico, diferentemente do que se requer 
para o agrupamento por k-médias, o usuário não especifica 
o número de grupos que o algoritmo deve formar. Em 
estágios progressivos, se parte de tantos grupos quanto o 
número de registros (observações) do conjunto de dados, 
formam-se sequencialmente vários agrupamentos, por 
fusão entre grupos mais similares entre si, até se formar um 
único grupo, ao final, com todos os registro do conjunto de 
dados analisado. Ao usuário cabe examinar essa estrutura, 
e decidir que agrupamentos fazem mais sentido para a sua 
análise. 
 
 
 Pergunta 3 
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 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. ( ) 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. 
 
 
 Pergunta 4 
1 em 1 pontos 
 
 Leia o excerto a seguir: 
“Exploração de dados é a arte de olhar os seus dados, rapidamente gerar 
hipóteses sobre eles, e rapidamente testar essas hipóteses. E repetir isso 
outra vez, outra vez, outra vez. O objetivo da exploração de dados é a 
geração de pistas sobre o que os dados nos revelam, pistas que você poderá 
explorar, mais tarde, em maior profundidade.” 
WICKHAM, Hadley; GROLEMUN, Garret. R for data science : import, tidy, 
transform, visualize, and model dada. Sebastopol (CA): O’Reilly Media, 2017, 
p.1. 
 
A respeito das fontes que originaram os contos de fadas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
 
I. ( ) Análise estatística descritiva é parte da análise exploratória de dados, 
frequentemente entendida como a exploração inicial dos dados. 
II. ( ) Além dos métodos da estatística descritiva, algoritmos de agrupamento 
também são parte da análise exploratória de dados. 
III. ( ) A análise exploratória dos dados permite a geração de hipóteses sobre 
os dados, para posterior investigação mais detalhada. 
IV. ( ) Gerar hipóteses sobre dados significa gerar afirmações sobre 
possíveis padrões e descobertas reveladas pelos dados, a serem melhor 
investigadas e comprovadas. 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. É correto 
afirmar que a análise estatística descritiva é parte da análise 
exploratória de dados, assim como dizer que algoritmos de 
agrupamento também o são. Também é correto dizer que a 
análise exploratória dos dados permite a geração de 
hipóteses sobre os dados, que devem ser melhor 
investigadas para comprovação posteriormente, e que 
gerar hipóteses sobre dados significa gerar afirmações 
sobre possíveis padrões e descobertas reveladas pelos 
dados. 
 
 
 Pergunta 5 
1 em 1 pontos 
 
 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 umacorrelação 
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 
 
 
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. 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Os valores 1,00 
apenas indicam a correlação perfeita que existe entre uma 
variável e ela mesma. A maior correlação positiva é aquela 
entre as variáveis x2 e x4, indicando uma forte associação 
entre essas duas variáveis, e que uma aumenta com um 
aumento da outra. A maior (em valor absoluto) correlação 
negativa é aquela entre as variáveis x1 e x4, indicando uma 
forte associação entre essas duas variáveis, e que uma 
diminui quanto a outra aumenta. A menor (em valor 
absoluto) correlação negativa é aquela entre as variáveis x4 
e x5, indicando uma fraca associação entre essas duas 
variáveis, e que uma diminui quando a outra aumenta. 
 
 
 Pergunta 6 
1 em 1 pontos 
 
 O Margareth H. Duham, em seu livro Data Mining - Introductory and 
Advanced Topics, informa que tarefas de agrupamento, ou clustering em 
inglês, vêm sendo aplicadas em muitos domínios, incluindo a biologia, a 
medicina, a antropologia, o marketing e a economia. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. 
Upper Saddle River (NJ): Pearson Education, 2003, p.126. 
 
A respeito desses domínios de aplicação de tarefas de agrupamento, analise 
 
as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Observar diferentes características de doenças em vários pacientes, e 
depois formar diferentes grupos de pacientes - por similaridade das 
características de suas doenças - é uma tarefa de agrupamento. 
II. ( ) Observar diferentes hábitos de consumo em várias milhares de 
pessoas, e depois formar grupos de pessoas - por similaridade de seus 
hábitos de consumo - é uma tarefa de agrupamento. 
III. ( ) Observar diferentes características das linguagens faladas por 
membros de aldeias remotas, e depois formar grupos de linguagens - por 
similaridades das características das linguagens - é uma tarefa de 
agrupamento. 
IV. ( ) Observar diferentes característica de insetos em diversos biomas, e 
depois formar grupos de insetos - por similaridade de suas características - é 
uma tarefa de agrupamento. 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Observar 
diferentes características de indivíduos, sejam estes 
indivíduos doenças que se manifestam em pacientes, 
hábitos de consumos que se manifestam em consumidores, 
línguas faladas por diferentes povos, ou insetos que 
habitam diferentes biomas, e depois, para cada um desses 
exemplos, agrupar as observações feitas em grupos 
menores por similaridade, são tarefas de agrupamento. 
Sendo assim, todos os exemplos descritos são tarefas de 
agrupamento. 
 
 
 Pergunta 7 
1 em 1 pontos 
 
 Quando os dados se referem a múltiplas variáveis quantitativas, é possível 
exibir múltiplos gráficos de dispersão entre pares dessas variáveis, duas a 
duas. No software estatístico R, isto pode ser feito com a função gráfica 
pairs(). Adiante apresentamos um output típico da função pairs() quando 
aplicada a quatro variáveis quantitativas de um determinado conjunto de 
dados. 
 
 
 
Figura 4: Múltiplos gráficos de dispersão entre as variáveis de USArrest 
 
Fonte: Elaborada pelo autor. 
 
A respeito deste output típico da função gráfica pairs() do software estatístico 
R, para a exibição de múltiplos gráficos de dispersão entre variáveis 
quantitativas, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e 
F para a(s) Falsa(s). 
 
I. ( ) O gráfico de y = Murder versus x = Assault mostra uma tendência de 
aumento de Murder para um aumento de Assault. 
II. ( ) O gráfico de y = Murder versus x = UrbanPop mostra uma grande 
dispersão dos pontos sem uma tendência clara de subida ou descida. 
III. ( ) O gráfico de y = Murder versus x = Rape mostra uma tendência de 
aumento de Murder para um aumento de Assault, porém com uma dispersão 
dos pontos um pouco maior que para o caso de y = Murder versus x = 
Assault. 
IV. ( ) Como são quatro variáveis quantitativas (Murder, Assault, UrbanPop e 
Rape), então ao total são 12 gráficos de dispersão, de cada uma delas contra 
as outras três. 
Resposta Selecionada: 
V, V, V, V. 
 
 
Resposta Correta: 
V, V, V, V. 
 
 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. O gráfico de y = 
Murder versus x = Assault de fato mostra uma tendência de 
aumento de Murder para um aumento de Assault, assim 
como gráfico de y = Murder versus x = UrbanPop mostra 
uma grande dispersão dos pontos sem uma tendência clara 
de subida ou descida. O gráfico de y = Murder versus x = 
Rape mostra uma tendência de aumento de Murder para 
um aumento de Assault, porém com uma dispersão dos 
pontos um pouco maior que para o caso de y = Murder 
versus x = Assault e, como são quatro variáveis 
quantitativas, então ao total são 12 gráficos de dispersão, 
de cada uma delas contra as outras três. 
 
 
 Pergunta 8 
1 em 1 pontos 
 
 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: 
 
 
Resposta 
Selecionada: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Resposta 
Correta: 
 
Na padronização, se subtrai de cada variável sua média, 
e depois se divide o resultado pelo seu desvio padrão. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. Na estatística, 
assim como nas suas ciências correlatas, como a ciência dos 
dados e a mineração de dados, a padronização de uma 
variável quantitativa é feita subtraindo-se dessa variável a 
sua média e depois dividindo-se o resultado pelo seu desvio 
padrão. 
 
 
 Pergunta 9 
1 em 1 pontos 
 
 A escolha de grupos formados por um algoritmo de agrupamento hierárquico 
pode ser feita por meio da leitura do dendrograma resultante. Escolhe-se a 
altura (Height) desejada, se traça uma linha horizontal a partir dessa altura, 
que cruzará com as linhas verticais dos grupos formados nesta altura. O 
cientista de dados decide se essesgrupos são adequados para a sua 
análise. 
 
Veja, por exemplo, a figura abaixo. 
 
 
 
Figura - Dendrograma do agrupamento de oito estados 
Fonte: Elaborada pelo autor 
Com respeito da leitura deste dendrograma, analise as afirmativas a seguir e 
assinale V 
para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) A altura 4 cruza com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, e o segundo 
deles formado pelos estados {Colorado, Arizona, California, Alaska, 
Alabama, Arkansas}. 
II. ( ) A altura 4 cruza com três linhas verticais, que indicam três grupos, o 
 
primeiro deles formado pelos estados {Connecticut, Delaware}, o segundo 
deles formado pelos estados {Colorado, Arizona, California}, e o terceiro 
deles formado pelos estados {Alaska, Alabama, Arkansas}. 
III. ( ) A altura 3 cruza com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, e o segundo 
deles formado pelos estados {Colorado, Arizona, California, Alaska, 
Alabama, Arkansas}. 
IV. ( ) A altura 3 cruza com três linhas verticais, que indicam três grupos, o 
primeiro deles formado pelos estados {Connecticut, Delaware}, o segundo 
deles formado pelos estados {Colorado, Arizona, California}, e o terceiro 
deles formado pelos estados {Alaska, Alabama, Arkansas}. 
 
Resposta Selecionada: 
V, F, F, V. 
Resposta Correta: 
V, F, F, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. A altura 4 cruza 
com duas linhas verticais, que indicam dois grupos, o 
primeiro deles formado pelos estados {Connecticut, 
Delaware}, e o segundo deles formado pelos estados 
{Colorado, Arizona, California, Alaska, Alabama, Arkansas}. A 
altura 3 cruza com três linhas verticais, que indicam três 
grupos, o primeiro deles formado pelos estados 
{Connecticut, Delaware}, o segundo deles formado pelos 
estados {Colorado, Arizona, California}, e o terceiro deles 
formado pelos estados {Alaska, Alabama, Arkansas}. 
 
 
 Pergunta 10 
1 em 1 pontos 
 
 O texto em referência apresenta como exemplo de agrupamento uma 
companhia de vendas online que deseja agrupar seus clientes com base em 
suas características comuns (renda, idade, número de filhos, estado civil, 
grau de educação, etc.). Com o resultado do agrupamento, eles definirão 
campanhas de marketing e de divulgação específicas para cada um dos 
diferentes grupos que vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. 
Upper Saddle River, NJ: Pearson Education, 2003, p.125. 
A respeito das fontes que originaram os contos de fadas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis 
quantitativas. Sendo assim, parte das variáveis disponíveis para esse caso 
são irrelevantes. 
 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de 
conjuntos de dados exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas por 
um supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e depois 
classificar, já que isso só pode ser realizado por meio de algoritmos. 
Resposta Selecionada: 
F, F, F, F. 
Resposta Correta: 
F, F, F, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Há algoritmos 
de agrupamento que lidam variáveis quantitativas, ou 
qualitativas, ou mistas. Portanto, as asserções I e II são 
falsas. Algoritmos de agrupamento não podem ter as suas 
soluções verificadas por um supervisor, pois fazem parte 
dos métodos de aprendizagem não supervisionada. E seres 
humanos possuem habilidade natural para agrupar e 
depois classificar. Portanto, as asserções III e IV também são 
falsas.