ESTATÍSTICA APLICADA AO DATA SCIENCE - PROVA N2

Prévia do material em texto

Usuário XXXXXXXXXXXXXXXXXXXXXXX 
Curso ESTATÍSTICA APLICADA AO DATA SCIENCE 
Teste 20211 - PROVA N2 (A5) 
Iniciado 24/06/21 22:04 
Enviado 24/06/21 22:19 
Status Completada 
Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 14 minutos 
Instruções 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
1 em 1 pontos 
 
 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. 
 
Resposta 
Selecionada: 
 
As asserções I e II são proposições verdadeiras, mas a II 
não é uma justificativa da I. 
Resposta Correta: 
As asserções I e II são proposições verdadeiras, mas a II 
não é uma justificativa da I. 
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 2 
1 em 1 pontos 
 
 Os dados cedidos pelo gerente do banco estavam bem organizados e livres 
de erros. A nossa jovem cientista de dados não precisou, portanto, fazer 
uma limpeza e pré-tratamento dos dados e pode prosseguir imediatamente 
para uma análise descritiva deles antes do desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) 
Verdadeira(s) e F para a(s) Falsa(s). 
 
1. ( ) Chamamos de análise descritiva dos dados seus sumários (ou resumos) 
estatísticos dos mesmos e a sua visualização. Ambos, os sumários e as 
visualizações, nos ajudam a entender o comportamento dos dados e, 
através deles, do fenômeno ou processo estudado. 
2. ( ) São quatro as variáveis estudadas pela cientista de dados: renda mensal 
da pessoa, seus gastos médios com o cartão, se a pessoa tinha ou não um 
emprego estável ao longo do período amostrado e se ficou ou não 
inadimplente ao longo do deste período. 
3. ( ) Para criar sumários estatísticos das variáveis quantitativas, a renda 
mensal da pessoa e seus gastos com o cartão, a cientista de dados usou as 
funções min(), mean() e max() do software estatístico R para calcular os 
valores mínimo, médio e máximo dos dados observados para essas 
variáveis. 
4. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a pessoa 
tinha ou não um emprego estável e se tinha ou não ficado inadimplente com 
o pagamento das faturas do cartão ao longo do período amostrado, a 
cientista de dados usou a função table() do software estatístico R para 
calcular a frequência com que os níveis de cada uma dessas variáveis se 
manifestaram na amostra estudada. 
 
 
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. Chamamos de análise descritiva dos 
dados seus sumários (ou resumos) e a sua visualização por 
meio de gráficos. São quatro as variáveis estudadas pela 
cientista de dados. Para criar sumários estatísticos das 
variáveis quantitativas, a cientista de dados usou as funções 
min(), mean() e max() do software estatístico R, e para os 
sumários estatísticos das variáveis qualitativas, usou a 
função table() do mesmo software, e assim calculou a 
frequência com que os níveis de cada uma dessas variáveis 
se manifestaram na amostra analisada. 
 
 
 Pergunta 3 
1 em 1 pontos 
 
 Apresentamos o desenvolvimento de um algoritmo preditivo, com base em 
modelos de regressão linear, a partir de um caso envolvendo a interação 
entre uma corretora de imóveis e seu amigo estatístico. 
 
Relativamente a esse caso, analise as afirmativas a seguir. 
 
I. No estudo de caso discutido, a corretora não via razão para trabalhar com 
um algoritmo preditivo de valor de venda de imóveis, pois isso não a 
ajudaria no desenvolvimento do seu trabalho. 
II. A corretora de imóveis passou para seu amigo estatístico uma amostra de 
tamanho n = 90, contendo dados relativos a imóveis vendidos pela 
imobiliária onde trabalhava. 
III. As variáveis observadas na amostra são a área do imóvel, seu andar, 
sua localização e o valor pelo qual havia sido vendido. 
IV. Na amostra, a localização do imóvel foi dividida em cinco níveis (também 
denominados classes): centro, zona norte, zona sul, zona leste e zona 
oeste. 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
III, apenas. 
Resposta Correta: 
III, apenas. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois, 
considerando a amostra passada pela corretora de imóveis 
ao seu amigo estatístico, há quatro variáveis: a área do 
imóvel, o andar do imóvel, sua localização e o valor pelo qual 
havia sido vendido. Por outro lado, no estudo de caso 
discutido, a corretora aspirava trabalhar com um algoritmo 
preditivo de valor de venda de imóveis, pois isso a ajudaria 
no desenvolvimento do seu trabalho. O tamanho da amostra 
é 100, mas não 90, e a localização do imóvel foi dividida em 
apenas dois níveis: bairro e centro. 
 
 
 Pergunta 4 
1 em 1 pontos 
 
 Os modelos de regressão são de enorme importância na estatística e na 
ciência dos dados. Dentre os diversos modelos de regressão que existem, 
são justamente os modelos de regressão linear aqueles considerados os 
mais importantes e, sem dúvida, os mais difundidos, com aplicações nas 
mais diversas áreas. 
 
Considerando as técnicas discutidas de desenvolvimento de modelos 
preditivos pautados em modelos de regressão linear simples ou 
 
múltipla, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
I. ( ) Modelos de regressão linear podem ser empregados na predição do 
peso médio (massa corporal média) de uma pessoa em função da sua 
altura, idade e sexo. 
II. ( ) Modelos de regressão linear podem ser empregados na predição do 
consumo médio de combustível de um carro em função da potência do seu 
motor e do seu peso. 
III. ( ) Modelos de regressão linear podem ser empregados na predição da 
renda média mensal de uma pessoa em função da sua escolaridade, idade, 
sexo e classe social. 
IV. ( ) Modelos de regressão linear podem ser empregados na predição da 
classe social de uma pessoa em função da sua renda média mensal, 
escolaridade, idade e sexo. 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
V, V, V, F. 
Resposta Correta: 
V, V, V, F. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois as três 
primeiras afirmativas se referem a situações nas quais a 
variável resposta é quantitativa, assim os modelos de 
regressão linear podem ser aplicados. Já a última afirmativa 
é falsa, pois se refere a uma situação em que a variável 
resposta é qualitativa, situação em que não podemos aplicar 
modelos de regressão. 
 
 
 Pergunta 5 
1 em 1 pontos 
 
 Considere dois pontos de venda da boneca falante com as seguintes 
características: primeiro pontocom local de exposição ruim da boneca, 
preço da boneca de 289,99 reais, gastos mensais com publicidade de 90 mil 
reais e idade média da população local de 39 anos. Segundo ponto com 
bom local de exposição da boneca e preço da boneca de 399,99 reais. 
 
 
Figura - Árvore de decisão ajustada às vendas do produto de varejo 
Fonte: Elaborada pelo autor. 
 
 
Use a árvore que construímos para o caso da boneca falante (novamente 
exibida aqui) e assinale a alternativa que indica corretamente a estimativa 
de vendas para esse ponto de venda: 
 
Resposta Selecionada: 
Vendas altas e baixas, respectivamente. 
Resposta Correta: 
Vendas altas e baixas, respectivamente. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois ao 
percorremos a árvore construída para a predição das vendas 
da boneca falante, se altas ou baixas, do nó inicial aos nós 
terminais, e usarmos passo a passo as características dos 
dois pontos de venda, comparando-as com os valores 
informados em cada nó, chegaremos às estimativas de 
vendas altas para o primeiro ponto e de vendas baixas para 
o segundo ponto. 
 
 
 Pergunta 6 
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 7 
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 8 
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 9 
1 em 1 pontos 
 
 Já sabemos o que são resumos ou sumários estatísticos, que fazem parte 
da análise descritiva dos dados, ao lado das técnicas gráficas para a 
visualização dos dados. Nesta unidade, usamos pela primeira vez a função 
summary() do software estatístico R. 
 
Em relação ao output dessa função, aplicada a dados quantitativos, analise 
as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
 
I. ( ) A ordem do output é valor máximo, terceiro quartil, mediana, média, 
segundo quartil e valor mínimo observado. 
II. ( ) A ordem do output é valor mínimo, segundo quartil, mediana, média, 
terceiro quartil e valor máximo observado. 
III. ( ) O segundo quartil informa o valor da variável, acima do qual se 
encontram 25% dos dados observados. 
IV. ( ) A mediana informa o valor da variável, abaixo do qual se encontram 
50% dos dados observados. 
 
Assinale a alternativa que apresenta a sequência correta: 
Resposta Selecionada: 
F, V, F, V. 
Resposta Correta: 
F, V, F, V. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. A ordem correta 
do output da função summary() do R, quando aplicada aos 
dados de uma variável quantitativa, como o preço da boneca 
falante, é valor mínimo, segundo quartil, mediana, média, 
terceiro quartil e valor máximo observado. O segundo quartil 
informa o valor da variável, abaixo do qual se encontram 
25% dos dados observados, e a mediana fornece o valor da 
variável, abaixo doqual se encontram 50% dos valores 
observados. 
 
 
 Pergunta 10 
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.