ATV 4 - Estatistica Aplicada ao Data science

Prévia do material em texto

Resultado da tentativa 10 em 10 pontos 
Tempo decorrido 6 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
• Pergunta 1 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível 
calcular a correlação entre pares dessas variáveis, duas a duas. No 
software estatístico R, isto pode ser feito com a função cor(). Adiante 
apresentamos um output típico da função cor() quando aplicada ao cálculo 
da correlação entre quatro variáveis quantitativas de um determinado 
conjunto de dados. 
 Murder Assault UrbanPop Rape 
Murder 1.00 0.80 0.07 0.56 
Assault 0.80 1.00 0.26 0.67 
UrbanPop 0.07 0.26 1.00 0.41 
Rape 0.56 0.67 0.41 1.00 
 
 
A respeito deste output típico da função cor() do software estatístico R, para 
o cálculo da correlação entre múltiplas variáveis quantitativas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis 
quantitativas dessa amostra, quando uma aumenta, a outra também 
aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas 
indica uma correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre 
Murder e Assault, cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela 
entre Rape e Assault, cujo valor é de 0,67 e não de 0,56. 
 
Resposta Selecionada: 
V, V, V, F. 
Resposta Correta: 
V, V, V, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. Todas 
correlações são positivas, indicando que, para todas 
variáveis quantitativas dessa amostra, quando uma 
aumenta, a outra também aumenta. Uma correlação igual a 
1 entre uma variável e ela mesma apenas indica uma 
correlação perfeita dela com ela mesma. A maior correlação 
positiva entre essas variáveis é aquela entre Murder e 
Assault, cujo valor é de 0,80. E, finalmente, a segunda 
maior correlação positiva entre essas variáveis é aquela 
entre Rape e Assault, mas o valor é 0,67 e não 0,56, que 
se refere à correlação entre as variáveis Murder e Rape. 
 
 
• Pergunta 2 
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. 
 
 
• Pergunta 3 
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 4 
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 uma correlação 
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 5 
1 em 1 pontos 
 
Em uma análise de agrupamento examinamos os dados observados (as 
linhas da tabela com os dados) e procuramos identificar, através de algum 
critério de similaridade, aquelas que estão mais próximas entre si, e 
formamos grupos com essas observações similares. Quando são apenas 2 
variáveis e poucas observações (tamanho da amostra pequeno), por 
exemplo 10, podemos tentar fazer o agrupamento visualmente. 
 
 
Analise a figura adiante e assinale a alternativa que indica a menor 
quantidade de grupos que você naturalmente formaria para este caso: 
 
Figura - Massa corporal (kg) versus comprimento (m) dos animais 
Fonte: Elaborada pelo autor 
 
Resposta 
Selecionada: 
 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Resposta Correta: 
Dois grupos, um com 6 indivíduos e outro com 4 
indivíduos. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta. A questão 
solicita a alternativa com o menor número de grupos que 
você naturalmente formaria. Há três alternativas com dois 
grupos, porém aquela que parece ser a mais natural é a que 
agrupa 6 indivíduos do lado esquerdo do gráfico e 4 
indivíduos do lado direito, pois as outras alternativas com 
dois grupos não são tão naturais quanto essa opção. 
 
 
• Pergunta 6 
1 em 1 pontos 
 
Os métodos de aprendizagem estatística (statistical learning, em inglês) são 
divididos em métodos de aprendizagem supervisionada e métodos de 
aprendizagem não supervisionada. Para cada uma dessas diferentes 
abordagens, há uma coleção relativamente grande de diferentes métodos, 
cada um com seu próprio jeito de funcionamento. 
 
Assinale a alternativa que indica um problema de aprendizagem não 
supervisionada: 
 
 
 
Resposta 
Selecionada: 
 
Desejamos entender se há similaridade entre 
observações (indivíduos) de uma certa amostra de 
dados. 
Resposta 
Correta: 
 
Desejamos entender se há similaridade entre 
observações (indivíduos) de uma certa amostra de 
dados. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois entender 
se há similaridade entre observações (indivíduos) de uma 
amostra é o mesmo que tentar agrupar os indivíduos 
similares, o que é um problema de aprendizagem não 
supervisionada. Todos os demais problemas propostos são 
problemas de aprendizagem supervisionada, em que há 
 
uma variável resposta supervisora, quantitativa ou 
qualitativa, para o treinamento do algoritmo preditivo. 
 
• Pergunta 7 
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 8 
1 em 1 pontos 
 
O texto em referência explica que o processo de descoberta com a 
mineração de dados possui tanto um sentido romântico (um processo 
emocionante e prazeroso), quanto técnico (um estudo criterioso sobre 
dados). Também defende a ideia que é preciso conhecer o ambiente em 
que os dados são produzidos e que tipo de conhecimento esse ambiente 
necessita e espera receber.. Ou seja, o que as pessoas necessitam e 
esperam receber.Lei 
 
SILVA, L. A. da; PERES, S. M.; BOSCARIOLI, C. Introdução à mineração 
de dados : com aplicações em R. Rio de Janeiro: Elsevier, 2016, p.3. 
 
Considerando as ideias apresentadas acima e o que sabemos sobre ciência 
dos dados, mineração de dados e machine learning, analise as afirmativas a 
seguir: 
 
I. Machine learning são algoritmos desenvolvidos, principalmente, pela 
ciência da computação. São usados na estatística, na ciência de dados e na 
mineração de dados. 
II. O processo de descoberta de padrões e geração de conhecimento por 
meio de dados tem um sentido romântico, por ser emocionante e prazeroso, 
e um sentido técnico, pois demanda estudos técnicos criteriosos. 
III. A estatística, a ciência da computação e a ciência de dados são áreas 
relacionadas, mas a mineração de dados e ciência de dados são áreas 
independentes, sem nenhuma relação. 
IV. Não é importante conhecer o ambiente em que os dados são produzidos 
e que tipo de conhecimento esse ambiente necessita e espera receber. 
 
Assinale a alternativa que apresenta a(s) afirmativa(s) correta(s): 
 
Resposta Selecionada: 
I e II apenas; 
Resposta Correta: 
I e II apenas; 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois machine 
learning são algoritmos desenvolvidos, principalmente, pela 
ciência da computação, e são usados na estatística, na 
ciência de dados e na mineração de dados, e o processo de 
descoberta de padrões e geração de conhecimento por 
meio de dados tem um sentido romântico, por ser 
emocionante e prazeroso, e um sentido técnico, pois 
demanda estudos técnicos criteriosos. Também sabemos 
que a mineração de dados e ciência de dados são áreas 
relacionadas, e que é importante conhecer o ambiente em 
que os dados são produzidos e que tipo de conhecimento 
esse ambiente necessita e espera receber. 
 
 
• Pergunta 9 
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 
 
Relativamenteà 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 10 
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.