Estatísticas Aplicadas ao Data Science - A2

Prévia do material em texto

Pergunta 1
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
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.
 
1. 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.
2. Especificamente na aprendizagem supervisionada, também denominamos uma
variável resposta de variável de saída ou variável dependente.
3. Especificamente na aprendizagem supervisionada, também denominamos uma
variável de entrada de variável regressora, variável preditora ou variável
independente.
4. 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.
 
 
Está correto o que se afirma em:
 
I, II, III e IV.
I, II, III e IV.
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 2
1. 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).
2. 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).
3. O segundo foco da avaliação é um problema de classificação, predizer o valor do
limite (do crédito) do cartão.
4. O segundo foco da avaliação é um problema de regressão, predizer o valor do limite
(do crédito) do cartão.
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.
 
1 em 1 pontos
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
 
Está correto o que se afirma em:
 
 
II e IV, apenas.
II e IV, apenas.
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
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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): 
 
 
7% e 27%. 
 
 
 
 
7% e 27%.
 
 
 
 
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
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 em 1 pontos
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
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:
 
 
I, III e IV apenas.
I, III e IV apenas.
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 5
Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma
jovem cientista de dados usou boxplots (diagramas de caixas). Como cientista de dados,
ela sabia exatamente em que situações empregar boxplots. E você, será que você também
já sabe? 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1. ( ) Para examinar visualmente a relação entre duas variáveis, em que uma é
quantitativa e a outra é qualitativa, não é possível a utilização de gráficos de
dispersão.
2. ( ) Boxplots são uma solução inteligente para a visualização da relação entre uma
variável quantitativa e uma variável qualitativa, em que no eixo horizontal indicamos
os níveis da variável qualitativa e no eixo vertical, a variação dos valores observados
para a variável quantitativa.
3. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos
gráficos preferidos é o diagrama de caixas, também conhecido como boxplot.
4. ( ) Na construção de um boxplot, podemos representar no eixo vertical os níveis da
variável qualitativa e no eixo horizontal, os valores da variável quantitativa. Nesse
caso, a visualização da variação dos dados da variável quantitativa é exibida
horizontalmente, e os níveis (classes) da variável qualitativa são exibidos
verticalmente.
1 em 1 pontos
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
 
Assinale a alternativa que apresenta a sequência correta.
 
 
V, V, F, V.
V, V, F, V.
Resposta correta. A única asserção falsa é a que afirma que para examinar visualmente a
relação entre duas variáveis quantitativas, um dosgráficos preferidos é o diagrama de caixas,
também conhecido como boxplot. Para examinar visualmente a relação entre duas variáveis,
em que uma é quantitativa e a outra é qualitativa, não é possível a utilização de gráficos de
dispersão. Para isso, usamos boxplots, em que, no eixo horizontal, indicamos os níveis da
variável qualitativa e, no eixo vertical, a variação dos valores observados para a variável
quantitativa. Podemos inverter a posição desses eixos.
Pergunta 6
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Dados podem aparecer na forma de textos, imagens, vídeos, sons, tabelas, listas,
sequências, séries, etc. São muitos os dados que hoje coletamos de diferentes fontes, e
muitas as formas de organizá-los e armazená-los. Uma dessas forma, talvez a mais
importante delas, são os dados estruturados. 
 
Relativamente a esse assunto, analise as afirmativas a seguir.
 
1. Dados estruturados são dados que não possuem uma estrutura regular e repetitiva,
seguindo um padrão comum adotado pelas ciências da computação, estatística e
ciência dos dados.
2. A forma de organização básica dos dados, preferida na estatística e na ciência dos
dados, é a forma tabular, na qual as variáveis são dispostas nas linhas e as
observações são dispostas nas colunas.
3. Dados estruturados são dados que possuem uma estrutura regular e repetitiva,
seguindo um padrão comum adotado pelas ciência da computação, estatística e
ciência dos dados.
4. A forma de organização básica dos dados, preferida na estatística e na ciência dos
dados, é a forma tabular, na qual as variáveis são dispostas nas colunas e as
observações são dispostas nas linhas.
 
Está correto o que se afirma em:
 
III e IV, apenas.
III e IV, apenas.
Resposta correta. Dados estruturados são dados que possuem uma estrutura regular e
repetitiva, seguindo um padrão comum adotado pelas ciência da computação, estatística e
ciência dos dados. Também está correto dizer que a forma de organização básica dos dados,
preferida na estatística e na ciência dos dados, é a forma tabular, na qual as variáveis são
dispostas nas colunas e as observações são dispostas nas linhas.
Pergunta 7
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,
1 em 1 pontos
1 em 1 pontos
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
analise as afirmativas a seguir.
 
1. 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.
2. 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.
3. 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.
4. 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:
 
 
I, II, III e IV. 
 
 
I, II, III e IV.
 
 
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 8
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.
 
1. Um classificador determinístico vai dizer se o indivíduo está ou não está infectado,
dados os sintomas que apresenta.
2. Um classificador probabilístico vai dizer qual é a probabilidade de o indivíduo estar ou
não infectado, dados os sintomas que apresenta.
3. 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).
4. 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 ).
 
 
1 em 1 pontos
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
Está correto o que se afirma em:
 
 
I, II, III e IV. 
 
 
 
I, II, III e IV.
 
 
 
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 9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
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.
 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável
resposta é qualitativa.
2. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável
resposta é quantitativa.
3. Na aprendizagem supervisionada, um problema de classificação é um no qual a
variável resposta é qualitativa.
4. Na aprendizagem supervisionada, um problema de classificação é um no qual a
variável resposta é quantitativa.
 
Está correto o que se afirma em:
II e III, apenas.
II e III, apenas.
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.
Pergunta 10
Continuando com o mesmo caso da questão anterior, relativa à aprovação, pelos bancos,
de crédito na forma de 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? 
 
1 em 1 pontos
1 em 1 pontos
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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). 
 
 
1. ( ) 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.
2. ( ) 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.3. ( ) 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.
4. ( ) 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.
5. ( ) 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.
 
 
V, V, V, V. 
 
 
V, V, V, V.
 
 
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.