ATIVIDADE 2 ESTATISITICA APLICADA AO DATA SCIENCE

Prévia do material em texto

19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 1/9
Curso 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1
- 202120.1015903.04
Teste ATIVIDADE 2 (A2)
Iniciado 19/08/21 20:16
Enviado 19/08/21 20:45
Status Completada
Resultado da
tentativa
10 em 10 pontos 
Tempo decorrido 29 minutos
Resultados
exibidos
Respostas enviadas, Respostas corretas, Comentários
Pergunta 1
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
Ao longo das nossas discussões, demos foco a um classificador chamado de
regressão logística que, apesar do nome regressão (esse nome por razões
históricas e por conta de algumas de suas características), é usado como um
classificador. Mas também vimos que existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as
afirmativas a seguir. 
 
1. Regressão logística é o único método de aprendizagem supervisionada
que é utilizado para classificação, todos outros métodos são métodos de
regressão.
2. Apesar do nome regressão logística, o que acaba sendo um pouco
confuso para iniciantes, na verdade este é um dos vários métodos de
aprendizagem supervisionada utilizado para classificação.
3. Dentre os métodos utilizados para classificação se encontram regressão
logística, análise discriminante linear (LDA = Linear Discriminant Analysis),
árvores de decisão para classificação, máquinas de vetores de suporte
(SVM = support vector machines) e k-vizinhos mais próximos (KNN = k-
nearest neighbors).
4. Regressão linear não é um método de classificação, mas, sim, um dos
métodos preditivos de aprendizagem supervisionada usados na predição
de valores de variáveis respostas quantitativas.
 
Está correto o que se afirma em:
 
 
II, III e IV, apenas. 
 
 
 
II, III e IV, apenas.
 
 
 
Resposta correta. A única asserção incorreta desta questão é a primeira, que
afirma que regressão logística é o único método de aprendizagem supervisionada
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 2/9
que é utilizado para classificação, todos outros métodos são métodos de
regressão.
Pergunta 2
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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? 
 
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
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 3/9
de outras regras de crédito para uma decisão final sobre a concessão de cartão
para o cliente.
Pergunta 3
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 Vpara a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
1. ( ) 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).
2. ( ) 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).
3. ( ) 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.
4. ( ) 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.
 
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 4/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
 
 
V, V, V, V.
V, V, V, V.
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 entreduas variáveis qualitativas.
Pergunta 4
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 5
Tarefas de classificação são muitos comuns na estatística e na ciência dos
dados, por serem muito comuns em todas atividades humanas, na ciência, na
vida social ou nos negócios. 
Especificamente, discutimos aplicações de modelos preditivos de classificação
baseados em modelos de regressão logística simples ou múltipla. 
Com isso em mente, analise as afirmativas a seguir e assinale V para a(s)
1 em 1 pontos
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 5/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
Verdadeira(s) e F para a(s) Falsa(s). 
 
1. Regressão logística pode ser empregada na predição do peso médio
(massa corporal média) de uma pessoa em função de sua altura, idade e
sexo.
2. Regressão logística pode ser empregada na predição do consumo médio
de combustível de um carro em função da potência do seu motor e do seu
peso.
3. Regressão logística pode ser empregada na predição da probabilidade de
uma pessoa votar em um determinado candidato e não nos outros em
função de sua escolaridade, idade, sexo e classe social.
4. Regressão logística pode ser empregada na predição da probabilidade de
a pessoa ser diabética em função de um conjunto de sintomas clínicos que
apresenta.
 
Assinale a alternativa que apresenta a sequência correta.
 
 
F, F, V, V.
F, F, V, V.
Resposta correta. As duas primeiras situações se referem à predição de variáveis
resposta quantitativas, o que não é possível com modelos de regressão logística;
já as duas últimas situações são adequadas ao emprego de modelos de regressão
logística.
Pergunta 6
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:
 
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 6/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
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
Resposta Selecionada:
 
Resposta Correta:
 
Comentário
da resposta:
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 ).
 
 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
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 7/9
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 8
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 9
A jovem cientista de dados, tendo em mãos os dados que lhe foram passados
pelo gerente do banco, precisou denominá-los corretamente para a fase de
treino (ajuste) do algoritmo preditivo. Ela escolheu a regressãologística como
seu algoritmo preditivo, para classificar o potencial (a probabilidade) de uma
pessoa ficar ou não inadimplente com o pagamento das faturas do cartão de
crédito. 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s)
Falsa(s). 
 
1. ( ) A jovem cientista de dados escolheu como variável resposta a renda
mensal da pessoa, e tratou as demais variáveis como variáveis de entrada.
2. ( ) A jovem cientista de dados escolheu o gasto médio mensal da pessoa
com cartão de crédito como a variável resposta, e tratou as demais como
variáveis de entrada.
3. ( ) A jovem cientista de dados não definiu qualquer das quatro variáveis
como a variável resposta, e decidiu realizar uma análise baseada em
aprendizagem não supervisionada.
1 em 1 pontos
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 8/9
Resposta Selecionada: 
Resposta Correta: 
Comentário
da resposta:
4. ( ) A jovem cientista de dados escolheu como variável resposta se a
pessoa havia, ao longo do período pesquisado, ficado inadimplente com o
pagamento das faturas do cartão ao menos uma vez (Sim ou Não), e
tratou as demais variáveis como variáveis de entrada.
 
Assinale a alternativa que apresenta a sequência correta.
 
 
F, F, F, V.
F, F, F, V.
Resposta correta. A jovem cientista de dados escolheu como variável resposta se
a pessoa havia, ao longo do período pesquisado, ficado inadimplente com o
pagamento das faturas do cartão ao menos uma vez (Sim ou Não), e tratou as
demais variáveis como variáveis de entrada.
Pergunta 10
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
1 em 1 pontos
19/08/2021 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-28191BAS42A1 - 202120.1015903.04
https://unp.blackboard.com/webapps/late-course_engine_soap-BBLEARN/Controller?ACTION=ACCESS_CRT&COURSE_ID=_751298_1 9/9
supervisionada, tratamos todas as variáveis estudadas da mesma forma, sem
procurar explicar o comportamento de uma delas em função dos valores
assumidos pelas outras.