Prova N2 (A5)ESTATISTICA APLICADA AO DATA SCIENCE

Prévia do material em texto

Prova N2 (A5)ESTATISTICA APLICADA AO DATA SCIENCE 
 
Questão 1: Árvores de decisão são muito populares na estatística e na ciência dos dados.... 
Questão objetiva 
1/1 
Árvores de decisão são muito populares na estatística e na ciência dos dados. Parte dessa popularidade 
advém do fato de que as árvores de decisão são de muito fácil interpretação, o que contribui com a 
interpretação do caso (fenômeno, processo) estudado. Porém sabe-se que florestas randômicas têm 
melhor performance preditiva que árvores de decisão. A partir do apresentado, analise as asserções a 
seguir e a relação proposta entre elas. 
 
I. Mesmo sabendo-se que florestas randômicas têm melhor performance preditiva que árvores de 
decisão, muitas vezes o cientista de dados dá preferência a modelos de árvores de decisão frente a 
florestas randômicas. 
Pois: 
II. Florestas randômicas, que são constituídas de centenas ou mais árvores, não têm a fácil 
interpretabilidade que árvores de decisão têm. Essa facilidade de interpretação não só é útil para a 
análise do fenômeno estudado, mas ajuda sobremaneira na comunicação dos resultados aos clientes. 
 
A seguir, assinale a alternativa correta: 
 
A A asserção I é uma proposição falsa e a II é uma proposição verdadeira. 
B A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 
C As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. 
D As asserções I e II são proposições verdadeiras, e a II é uma 
justificativa correta da I.Resposta correta 
E As asserções I e II são proposições falsas. 
 
 Questão 2: Entre as técnicas das quais lançou mão para a visualização dos dados da ... 
Questão objetiva 
1/1 
Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma jovem cientista 
de dados usou boxplots (diagramas de caixas). Como cientista de dados, ela sabia exatamente em que 
situações empregar boxplots. E você, será que você também já sabe? 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Para examinar visualmente a relação entre duas variáveis, em que uma é quantitativa e a outra é 
qualitativa, não é possível a utilização de gráficos de dispersão. 
II. ( ) Boxplots são uma solução inteligente para a visualização da relação entre uma variável quantitativa e 
uma variável qualitativa, em que no eixo horizontal indicamos os níveis da variável qualitativa e no eixo 
vertical, a variação dos valores observados para a variável quantitativa. 
III. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos preferidos é 
o diagrama de caixas, também conhecido como boxplot. 
IV. ( ) Na construção de um boxplot, podemos representar no eixo vertical os níveis da variável qualitativa e 
no eixo horizontal, os valores da variável quantitativa. Nesse caso, a visualização da variação dos dados 
da variável quantitativa é exibida horizontalmente, e os níveis (classes) da variável qualitativa são 
exibidos verticalmente. 
 
Assinale a alternativa que apresenta a sequência correta. 
 A V, F, F, V. 
B V, V, F, V.Resposta correta 
C V, V, F, F. 
D F, V, V, F. 
E F, F, V, V. 
 
 Questão 3: Os dados cedidos pelo gerente do banco estavam bem organizados e livres de .. . 
Questão objetiva 
1/1 
Os dados cedidos pelo gerente do banco estavam bem organizados e livres de erros. A nossa jovem 
cientista de dados não precisou, portanto, fazer uma limpeza e pré-tratamento dos dados e pode 
prosseguir imediatamente para uma análise descritiva deles antes do desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Chamamos de análise descritiva dos dados seus sumários (ou resumos) estatísticos dos mesmos e a 
sua visualização. Ambos, os sumários e as visualizações, nos ajudam a entender o comportamento dos 
dados e, através deles, do fenômeno ou processo estudado. 
II. ( ) São quatro as variáveis estudadas pela cientista de dados: renda mensal da pessoa, seus gastos 
médios com o cartão, se a pessoa tinha ou não um emprego estável ao longo do período amostrado e se 
ficou ou não inadimplente ao longo do deste período. 
III. ( ) Para criar sumários estatísticos das variáveis quantitativas, a renda mensal da pessoa e seus gastos 
com o cartão, a cientista de dados usou as funções min(), mean() e max() do software estatístico R para 
calcular os valores mínimo, médio e máximo dos dados observados para essas variáveis. 
IV. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a pessoa tinha ou não um emprego 
estável e se tinha ou não ficado inadimplente com o pagamento das faturas do cartão ao longo do 
período amostrado, a cientista de dados usou a função table() do software estatístico R para calcular a 
frequência com que os níveis de cada uma dessas variáveis se manifestaram na amostra estudada. 
 
Assinale a alternativa que apresenta a sequência correta. 
 
A V, F, F, V. 
B V, V, V, V. Resposta correta 
C V, V, F, F. 
D F, V, V, F. 
E F, F, V, V. 
 
 Questão 4: Um jovem cientista de dados realizou uma análise de agrupamento de apenas ... 
Questão objetiva 
1/1 
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: 
 
 
A É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados Texas 
e Arkansas os mais próximos em termos de violência urbana. 
B É um dendrograma, ou seja, um gráfico na forma de uma árvore, que sugere serem os estados New 
Mexico e Oklahoma os mais próximos em termos de violência urbana. 
C É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de cima para baixo, na 
altura (height) 1,5 sugere a formação de 10 grupos. 
D É um dendrograma, ou seja, um gráfico na forma de uma árvore, que lido de baixo para cima, na 
altura (height) 1,5 sugere a formação de 6 grupos. 
E 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 
 
Questão 5: Leia o excerto a seguir:“O quadro típico para uma análise em ciência de dados... 
Questão objetiva 
1/1 
Leia o excerto a seguir: 
“O quadro típico para uma análise em ciência de dados é um objeto de dados retangulares, como uma 
planilha ou tabela de banco de dados. Dado retangularé basicamente uma matriz bidimensional com 
linhas indicando registros (caso) e colunas indicando características (variáveis). Os dados nem sempre 
começam dessa forma: dados não estruturados (por exemplo, texto) devem ser processados e tratados 
de modo a serem representados como um conjunto de características nos dados retangulares.” 
BRUCE, P.; BRUCE, A. Estatística prática para cientistas de dados: 50 conceitos iniciais. Rio de Janeiro: 
Alta Books, 2019. p. 5–6. 
Tomando como base esse texto e o que já discutimos sobre dados estruturados, tabulares e 
retangulares, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
I. ( ) É impossível converter dados não estruturados em representações estruturadas, para que possam 
ser analisados pela ciência dos dados. 
II. ( ) Dados retangulares não são uma forma típica de organização de dados para análise em ciência 
dos dados. 
III. ( ) Textos são dados estruturados, pois sempre vêm em estruturas bem padronizadas, como aquelas 
que estudamos em gramática. 
IV. ( ) Dados retangulares, dados tabulares ou dados estruturados são termos usados como sinônimos 
na ciência dos dados. 
 
Assinale a alternativaque apresenta a sequência correta: 
A F, V, F, V. 
B F, F, F, V. Resposta correta 
C F, F, F, F. 
D F, F, V, F. 
E F, F, V, V. 
 
Questão 6: Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e... 
Questão objetiva 
1/1 
Estudamos algoritmos preditivos com base em (1) modelos de regressão linear e (2) modelos de 
regressão logística. Esses modelos são aplicados em situações bem 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. 
 
I. Modelos de regressão logística simples são usados na predição de uma variável resposta qualitativa 
quando há mais do que uma variável de entrada. 
II. Modelos de regressão linear simples são usados na predição de uma variável resposta qualitativa 
quando se considera apenas uma variável de entrada. 
III. Um possível modelo de regressão logística simples para a predição da probabilidade de inadimplência é: 
 
 
em que e são os coeficientes do modelo, , o gasto médio mensal da pessoa com cartão de 
crédito e , o valor esperado para a probabilidade de a pessoa ficar ou não inadimplente com o 
pagamento das faturas do cartão. 
 
IV. O método comumente usado para calcular os valores dos coeficientes e é o Método da Máxima 
Verossimilhança. Para isso, pode-se fazer uso do software estatístico R. 
 
Está correto o que se afirma em: 
 
A III e IV, apenas. 
B II e III, apenas. 
C II, III e IV, apenas. Resposta correta 
D I e II, apenas. 
E I, II e IV, apenas. 
 
 Questão 7: Leia o excerto a seguir:“Normalização: É comum normalizar (padronizar) ... 
Questão objetiva 
1/1 
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 I e II são proposições verdadeiras, e a II é uma 
justificativa correta da I. Resposta correta 
 
B A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 
C As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. 
D A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
E As asserções I e II são proposições falsas. 
 
Questão 8: Naturalmente, dados ocupam uma posição central, tanto na estatística quanto ... 
Questão objetiva 
1/1 
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 V para a(s) 
Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) 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). 
II. ( ) 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). 
III. ( ) 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. 
IV. ( ) 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. 
 
 
A F, V, F, V. 
B V, V, F, F. 
C F, F, F, F. 
D V, V, F, V. 
E V, V, V, V. Resposta correta 
 
Questão 9: Leia o excerto a seguir:“Exploração de dados é a arte de olhar os seus dados,... 
Questão objetiva 
1/1 
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. 
 
A F, V, F, V. 
B V, V, F, F. 
C F, F, F, F. 
D V, V, F, V. 
E V, V, V, V. Resposta correta 
 
 Questão 10: Com os dados cedidos pela corretora em mãos, o estatístico aplicou a função ... 
Questão objetiva 
1/1 
Com os dados cedidos pela corretora em mãos, o estatístico aplicou a função cor(), do software 
estatístico R, na análise da correlação entre o valor do imóvel e a sua área e entre o valor do imóvel e o 
seu andar. 
 
Relativamente a esse assunto, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
I. ( ) O resultado da correlação entre o valor do imóvel e a sua área, isto é, cor(y,x1) = 0,55, indica uma 
correlação negativa moderada entre essas duas variáveis. 
II. ( ) O resultado da correlação entre o valor do imóvel e o seu andar, isto é, cor(y,x2) = 0,24, indica 
uma correlação negativa fraca entre essas duas variáveis. 
III. ( ) O resultado da correlação entre o valor do imóvel e a sua área, isto é, cor(y,x1) = 0,55, indica uma 
correlação positiva moderada entre essas duas variáveis. 
IV. ( ) O resultado da correlação entre o valor do imóvel e o seu andar, isto é, cor(y,x2) = 0,24, indica 
uma correlação positiva fraca entre essas duas variáveis. 
 
Assinale a alternativaque apresenta a sequência correta. 
 
A F, V, F, V. 
B V, F, V, F. 
C V, V, F, F. 
D F, V, V, F. 
E F, F, V, V. Resposta correta