Science">
NOTA 10 - Atividade 2 (A2) - ESTATISTICA APLICADA AO DATA SCIENCE - EAD FMU
NOTA 10 - Atividade 2 (A2) - ESTATISTICA APLICADA AO DATA SCIENCE - EAD FMU
NOTA 10 - Atividade 2 (A2) - ESTATISTICA APLICADA AO DATA SCIENCE - EAD FMU
1 pontos
PERGUNTA 2
1. Entre as técnicas das quais lançou mão para a visualização dos dados
da amostra, uma jovem cientista de dados usou gráficos de dispersão.
Como cientista de dados, ela sabia exatamente em que situações
empregar gráficos de dispersão. E você, será que você também já
sabe?
V, V, F, F.
F, F, V, V.
F, V, V, V.
F, V, F, V.
V, V, F, V.
1 pontos
PERGUNTA 3
1. Vimos que há dois principais tipos de aprendizagem supervisionada:
problema de regressão e problema de classificação. São os tipos de
variáveis resposta dos dados em análise que distinguem esses dois
tipos entre si.
1 pontos
PERGUNTA 4
1. Tarefas de classificação são muitos comuns na estatística e na ciência
dos dados, por serem muito comuns em todas atividades humanas, na
ciência, na vida social ou nos negócios.
Especificamente, discutimos aplicações de modelos preditivos de
classificação baseados em modelos de regressão logística simples ou
múltipla.
Com isso em mente, analise as afirmativas a seguir e assinale V para
a(s) Verdadeira(s) e F para a(s) Falsa(s).
1 pontos
PERGUNTA 5
1. O modelo de regressão logística simples desenvolvido por uma jovem
cientista de dados para a predição da probabilidade de inadimplência
com o cartão de crédito foi:
Tomando como base esse modelo, que foi ajustado aos dados da
amostra cedida pelo gerente, podemos estimar o valor esperado para a
probabilidade de inadimplência com cartão de crédito das pessoas. Por
exemplo, vamos considerar duas pessoas, uma com um gasto de médio
mensal com o cartão de R$ 500,00, e a outra com um gasto médio
mensal de R$ 1.000,00. Usando o modelo ajustado anterior, obtemos,
respectivamente (assinale a alternativa correta):
7% e 37% .
17% e 27%.
7% e 27%.
27% e 7%.
37% e 17%.
1 pontos
PERGUNTA 6
1. A amostra relativa aos dados de inadimplência com cartões tinha 200
observações de 4 variáveis: a renda mensal da pessoa (R$), seu gasto
médio com cartão de crédito (R$), se a pessoa tinha um emprego
estável (Sim ou Não) e se a pessoa havia, ao longo do período
pesquisado, ficado inadimplente com o pagamento de faturas do cartão
ao menos uma vez (Sim ou Não).
Reflita sobre esse caso, analise as afirmativas a seguir e assinale V para
a(s) Verdadeira(s) e F para a(s) Falsa(s).
1. ( ) Todos os dados fornecidos pelo gerente do banco à jovem
cientista de dados são dados relativos a variáveis quantitativas.
2. ( ) Todos os dados fornecidos pelo gerente do banco à jovem
cientista de dados são dados relativos a variáveis qualitativas.
3. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem
cientista de dados, dois são relativos a uma variável quantitativa e
dois são relativos a variáveis qualitativas.
4. ( ) Dentre os dados fornecidos pelo gerente do banco à jovem
cientista de dados, um é relativo a uma variável quantitativa e os
outros são relativos a variáveis qualitativas.
F, V, V, V.
V, V, F, F.
V, V, F, V.
F, V, F, V.
F, F, V, F.
1 pontos
PERGUNTA 7
1. Continuando com o mesmo caso da questão anterior, relativa à
aprovação, pelos bancos, de crédito na forma de cartão de crédito, como
se fazia, no passado, a aprovação da concessão de cartões de crédito
pelos bancos? E, hoje em dia, como os bancos fazem essa aprovação?
F, F, F, F.
V, V, F, F.
V, V, F, V.
V, V, V, V.
F, V, F, V.
1 pontos
PERGUNTA 8
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).
V, F, F, V.
F, F, V, V.
F, V, V, F.
V, V, V, V.
V, V, F, F.
1 pontos
PERGUNTA 9
1. Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um
modelo de regressão logística múltipla aos dados da amostra. Os
resultados que encontrou foram muito ricos, sugerindo uma série de
explicações, aprendidas pelo algoritmo com base nos dados fornecidos.
Veja que dizemos “explicações sugeridas”, pois qualquer resultado de
um algoritmo deve ser confrontado com especialistas da área em
estudo. Contudo, vamos rever o que o modelo de regressão múltipla
treinado pela jovem cientista de dados sugere. Para isso, analise as
afirmativas a seguir.
1 pontos
PERGUNTA 10
1. A estatística descritiva usa de métodos numéricos para resumir dados,
também chamados de sumários estatísticos, e de gráficos para a
visualização dos dados. A jovem cientista de dados usou algumas
técnicas de visualização de dados para analisar sua amostra, mas
deixou outras de lado.
II e III, apenas.
I e II, apenas.
I, III e IV apenas.
I e IV, apenas.
IV, apenas.