Estudamos algoritmos preditivos com base em modelos de regressão linear e de regressão logística. Esses modelos são aplicados em situações distintas, que dependem, essencialmente, da natureza da variável resposta, também chamada de variável dependente. Com esses dois modelos em mente, analise as afirmativas a seguir. Análise das Afirmativas: I. Modelos de regressão logística simples são usados na predição de uma variável resposta qualitativa quando há mais do que uma variável de entrada. Falso. A regressão logística múltipla é usada quando há mais de uma variável de entrada. A regressão logística simples utiliza apenas uma variável de entrada. Portanto, a afirmação está incorreta. II. Modelos de regressão linear simples são usados na predição de uma variável resposta qualitativa quando se considera apenas uma variável de entrada. Falso. A regressão linear é usada para prever variáveis de resposta quantitativas (valores numéricos contínuos), e não qualitativas. Portanto, a afirmação está incorreta. III. Um possível modelo de regressão logística simples para a predição da probabilidade de inadimplência é: p(x 1 ​ )=(exp(b 0 ​ +b 1 ​ x 1 ​ ))/(1+exp(b 0 ​ +b 1 ​ x 1 ​ )) em que b 0 ​ e b 1 ​ são os coeficientes do modelo, x 1 ​ o gasto médio mensal da pessoa com cartão de crédito e p(x 1 ​ ), o valor esperado para a probabilidade de a pessoa ficar ou não inadimplente com o pagamento das faturas do cartão. Correto. Essa é a fórmula da regressão logística simples, que utiliza uma única variável de entrada (x 1 ​ ) para calcular a probabilidade de um evento. Os termos b 0 ​ e b 1 ​ são os coeficientes que o modelo aprende durante o treinamento. IV. O método comumente usado para calcular os valores dos coeficientes b 0 ​ e b 1 ​ é o Método da Máxima Verossimilhança. Para isso, pode-se fazer uso do software estatístico R. Correto. O Método da Máxima Verossimilhança (Maximum Likelihood Estimation - MLE) é, de fato, o principal método para estimar os parâmetros de um modelo de regressão logística. Softwares como o R possuem funções para realizar esse cálculo.