ESTATISTICA APLICADA AO DATA SCIENCE - Atividade 4

Prévia do material em texto

18/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas Iniciado em sábado, 18 mai 2024, 10:33 Estado Finalizada Concluída em sábado, 18 mai 2024, 10:48 Tempo 14 minutos 43 segundos empregado Avaliar 10,00 de um máximo de 10,00(100%) Questão 1 Correto Atingiu 1,00 de 1,00 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 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. a. b. C. F, V, V, F. d. V, V, V, V. e. V, V, F, F. 1/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 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: 250 200 150 100 1.4 1.6 1.8 2.0 2.2 2.4 2.6 Comprimento (m) Figura - Massa corporal (kg) versus comprimento (m) dos animais Fonte: Elaborada pelo autor a. Dois grupos, um com 6 indivíduos e outro com 4 indivíduos. b. Dois grupos, um com 1 indivíduo e um com 9 indivíduos. C. Dois grupos com 5 indivíduos cada. d. Quatro grupos, um com 5 indivíduos, dois com 1 indivíduo cada, e um com 4 indivíduos. e. Três grupos, um com 5 indivíduos, um com 1 indivíduo, e um com 4 indivíduos. https://ambienteacademico.com.br/mod/quiz/review.php?attempt=4278984&cmid=1382475 2/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 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 Murder Assault UrbanPop Rape Murder 1.00 0.80 Assault 0.80 1.00 0.26 0.67 UrbanPop 0.07 0.26 1.00 Rape 0.56 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. a. V, V, V, F. b. F, F, V, V. C. F, V, F, V. d. F, V, V, V. e. Questão 4 Correto Atingiu 1,00 de 1,00 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. a. I, e III apenas. b. I, e IV apenas. C. I, II, III e IV. d. I, III e IV apenas. e. e III apenas. 3/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 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: a. Ajudaremos médicos se conseguirmos avaliar a gravidade de uma doença a partir de dados relativos às condições do paciente. b. Pretendemos ter uma ideia do volume de vendas de um produto de varejo a partir de algumas características do ponto de venda. C. Desejamos entender se há similaridade entre observações (indivíduos) de uma certa amostra de dados. d. Queremos estimar o valor de imóveis a partir das suas características, tais como sua área, seu andar e sua localização. e. Gostaríamos de saber que pessoas ficarão inadimplentes com o pagamento das faturas de seus cartões de crédito. Questão 6 Correto Atingiu 1,00 de 1,00 Leia o excerto a seguir: "A ciência dos dados é uma fusão de múltiplas disciplinas, incluindo estatística, ciência da computação, tecnologia da informação e campos de domínios específicos. Consequentemente, podem-se utilizar de muitos termos diferentes para se referir a um dado conceito." BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados: 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. I. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos diferentes para se referir a um dado conceito. Pois II. A estatística usa, de forma profunda, a matemática como pilar do seu desenvolvimento. É considerada a ciência mais sutil, e a mais ampla, quanto o assunto são dados. É usada por todas áreas científicas. a. As asserções e são proposições verdadeiras, e a é uma justificativa correta da I. b. As asserções e são proposições verdadeiras, mas a não é uma justificativa da I. C. A asserção é uma proposição falsa, e a é uma proposição verdadeira. d. A asserção é uma proposição verdadeira e a asserção é uma proposição falsa. e. As asserções e são proposições falsas. 4/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 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, 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. 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. a. b. V, V, V, F. C. V, F, F, V. d. V, V, V, V. e. F, V, V, F. Questão 8 Correto Atingiu 1,00 de 1,00 Depois que formamos grupos de observações de um conjunto de dados (amostra), por meio de um algoritmo de agrupamento, podemos dar nomes aos mesmos, e cada indivíduo de cada grupo será classificado de acordo com esse nome. ser humano faz isso com naturalidade, primeiro agrupar e, depois de formados os grupos, dar nomes aos grupos. Por exemplo, animais vertebrados ou invertebrados, carros ou aviões, homens ou mulheres. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. e assinale a alternativa correta: I. Ao usarmos de algoritmos de agrupamento, depois que formados e nomeados (classificados) os grupos de observações resultantes do algoritmo, não é possível usar essas classes como variáveis respostas e, a partir desse ponto, executar tarefas preditivas com algoritmos de classificação. Pois II. Algoritmos de agrupamento fazem parte dos métodos da chamada aprendizagem não supervisionada. Não são modelos preditivos. a. As asserções e são proposições verdadeiras, e a é uma justificativa correta da I. b. A asserção é uma proposição verdadeira e a asserção é uma proposição falsa. A asserção é uma proposição falsa, e a é uma proposição verdadeira. d. As asserções e são proposições verdadeiras, mas a não é uma justificativa da I. e. As asserções e são proposições 5/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 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. a. V, V, F, F. b. V, V, V, V. C. F, F, F, F. d. F, V, F, V. e. V, V, F, V. Questão 10 Correto Atingiu 1,00 de 1,00 Leia o excerto a seguir: "Normalização: É comum normalizar (padronizar) variáveis contínuas através da subtração da média e divisão pelo desvio-padrão, ou então as variáveis com grande escala dominarão o processo de agrupamento (veja Padronização (Normalização, Escores Z), no Capítulo 6)." BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados: 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 265. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. I. Sabemos que, na estatística ou na ciência dos dados, é comum normalizar (padronizar) variáveis quantitativas, ou variáveis contínuas, antes da realização de uma análise de agrupamento. Pois II. No conjunto de dados observados (a amostra de dados), podem existir variáveis que estão em uma escala muito maior que as outras, e a medida de distância entre observações dessas variáveis dominarão o resultado da análise de agrupamento, na formação dos grupos de observações similares entre si. a. As asserções e são proposições verdadeiras, e a II é uma justificativa correta da I. b. A asserção é uma proposição falsa, e a é uma proposição verdadeira. C. A asserção é uma proposição verdadeira e a asserção II é uma proposição falsa. d. As asserções e são proposições verdadeiras, mas a II não é uma justificativa correta da I. e. As asserções e II são proposições falsas. Compartilhe Seguir para... 6/718/05/2024, 10:52 Atividade 4 (A4): Revisão da tentativa Guia Digital Carreiras e Internacionalização NAP CPA Responsabilidade Socioambiental FMU DD CENTRO UNIVERSITÁRIO Minhas Disciplinas Minhas Bibliotecas 7/7