Atividade 4 - ESTATÍSTICA APLICADA AO DATA SCIENCE-

Prévia do material em texto

Atividade 4 - ESTATÍSTICA APLICADA AO DATA SCIENCE 
 
 
Usuário BEATRIZ BEZERRA 
Curso 33769 ESTATÍSTICA APLICADA AO DATA SCIENCE UnP1-
28191BAS42A1 - 202120.1015903.04 
Teste ATIVIDADE 4 (A4) 
Iniciado 30/08/21 10:50 
Enviado 01/09/21 10:44 
Status Completada 
Resultado da 
tentativa 
10 em 10 pontos 
Tempo decorrido 47 horas, 54 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 
 
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 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 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 5 
1 em 1 pontos 
 
Na estatística, quanto duas variáveis quantitativas comportam-se uma em 
relação à outra de forma aproximadamente linear, é comum se calcular a 
correlação entre elas. Esse cálculo, entretanto, ao estudo da relação entre 
duas variáveis qualitativas, ou entre uma variável quantitativa e uma variável 
qualitativa. 
 
A respeito do cálculo da correlação entre duas variáveis quantitativas, 
analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para 
a(s) Falsa(s). 
 
I. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta 
a outra variável diminui. 
II. ( ) Uma correlação positiva indica que quando uma das variáveis aumenta 
a outra variável também aumenta. 
III. ( ) Uma correlação negativa indica que quando uma das variáveis 
aumenta a outra variável diminui. 
IV. ( ) Uma correlação negativa indica que quando uma das variáveis diminui 
a outra também diminui. 
 
 
Resposta Selecionada: 
F, V, V, F. 
Resposta Correta: 
F, V, V, F. 
Comentário 
da resposta: 
Resposta correta. A sequência está correta. É correto afirmar 
que uma correlação positiva indica que quando uma das 
variáveis aumenta a outra variável também aumenta, e que 
uma correlação negativa indica que quando uma das 
variáveis aumenta a outra variável diminui. É incorreto 
afirmar que uma correlação positiva indica que quando uma 
 
das variáveis aumenta a outra variável diminui, ou que uma 
correlação negativa indica que quando uma das variáveis 
diminui a outra também diminui. 
 
• Pergunta 6 
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 7 
1 em 1 pontos 
 
A estatística, a ciência da computação, a mineração de dados e a ciência 
dos dados são áreas correlacionadas. Dentre essas, a mais antiga é a 
estatística, seguida da ciência da computação, depois da mineração de 
dados, e finalmente da ciência dos dados, a mais nova dessas quatro áreas 
de conhecimento. 
 
Com referência ao relacionamento entre essas quatro áreas de 
conhecimento humano, analise as afirmativas a seguir: 
 
I. Algoritmos de machine learning nasceram na ciência da computação. Hoje 
são usados na estatística, na mineração de dados e na ciência dos dados. 
II. Dentre as diversas áreas citadas, é a estatística que possui os melhores 
fundamentos para a interpretação de fenômenos aleatórios. 
III. A estatística é considerada a mais sutil, e a mais ampla, quando nos 
referimos a análise de dados. É aplicada a todas áreas de atividade 
 
humana. 
IV. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos 
diferentes, herdados das outras áreas, para se referir a um mesmo conceito. 
 
 
Resposta Selecionada: 
I, II, III e IV. 
Resposta Correta: 
I, II, III e IV. 
Comentário 
da resposta: 
Resposta correta. A alternativa está correta, pois algoritmos 
de machine learning nasceram na ciência da computação e 
hoje são usados na estatística, na mineração de dados e na 
ciência dos dados. De fato, é a estatística que possui os 
melhores fundamentos para a interpretação de fenômenos 
aleatórios, e é considerada a mais sutil, e a mais ampla, 
quando nos referimos a análise de dados. Já há muitos anos 
é aplicada a todas áreas de atividade humana. Por outro 
lado, também sabemos que, na ciência dos dados, podem-
se utilizar de muitos termos diferentes, herdados das outras 
áreas, para se referir a um mesmo conceito. 
 
 
• Pergunta 8 
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 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 
 
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 10 
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. 
 
Quinta-feira, 9 de Setembro de 2021 08h07min54s BRT