Histogramas têm sido um dos recursos usados para visualização de dados. Eles são diferentes de gráficos de barras porque:

A análise que pode ser realizada para se calcular a imprecisão de um resultado laboratorial é:

Considere a seguinte implementação de um modelo de regressão linear múltipla utilizando NumPy e scikit-learn, usado para prever o financiamento de projetos com base em características de projetos e pesquisadores. O código abaixo foi executado e algumas métricas de desempenho foram obtidas.

import numpy as np from sklearn.model_selection import train_ test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

X = np.array([[1, 50], [2, 60], [3, 70], [4, 80], [5, 90], [1, 55], [2, 65], [3, 75], [4, 85], [5, 95]]) y = np.array([100000, 120000, 150000, 200000, 250000, 110000, 130000, 170000, 230000, 290000]) X_train, X_test, y_train, y_test = train_ test_split(X, y, test_size=0.2, random_ state=0)

model = LinearRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test)

r2 = r2_score(y_test, y_pred) mse = mean_squared_error(y_test, y_pred) rmse = np.sqrt(mse) mae = mean_absolute_error(y_test, y_pred)

print(f”R-Quadrado: {r2}, MSE: {mse}, RMSE: {rmse}, MAE: {mae}”)

Após executar o código, foram obtidas as seguintes métricas de desempenho:

R-Quadrado: 0.9020746527777778 , MSE: 156680555.5555556, R M S E : 1 2 5 1 7 . 2 1 0 3 7 4 3 4 2 8 2 3 , M A E : 10083.333333333343

Com base nessas informações, analise as observações abaixo.

I. O valor de R-Quadrado próximo de 1 indica que o modelo explica uma grande proporção da variância dos dados de financiamento. Isso sugere que o modelo tem um bom ajuste aos dados, sendo capaz de capturar uma grande parte da relação entre as variáveis independentes e a variável dependente.

II. Um valor de MSE de aproximadamente 156 milhões sugere que, em média, o quadrado dos erros das previsões do modelo em relação aos valores reais é significativo. Isso indica que o modelo tem um bom ajuste de acordo e não existem erros consideráveis nas previsões.

III. Um MAE de aproximadamente 10083 sugere que, em média, as previsões do modelo desviam cerca de 10083 unidades dos valores reais. Comparado ao RMSE, o MAE não dá um peso tão grande a erros maiores, o que sugere que o modelo pode ter um número relativamente consistente de pequenos a moderados erros de previsão.

IV.A diferença entre o RMSE e o MAE sugere que o modelo pode estar lidando com alguns outliers ou previsões particularmente imprecisas que afetam mais o RMSE, pois o RMSE penaliza mais erros maiores do que erros menores.


Sobre as afirmativas acima, pode-se dizer que:

Uma das dificuldades de se realizar agrupamentos de dados é a definição do número de grupos. É correto afirmar que contém apenas técnicas ou métricas que podem ser úteis para automatizar a decisão do número K de grupos:

Sobre o algoritmo K-médias, é correto afirmar que: 

Dentre as seguintes listas, NÃO contêm apenas algoritmos que podem ser usados para realizar uma regressão, é: 

São algoritmos de classificação, EXCETO:

Considere o problema de calcular agrupamentos dos objetos apresentados na figura abaixo: 





Considerando a distribuição dos objetos no espaço de acordo com seus atributos ilustrada na figura, o algoritmo de agrupamento indicado para diferenciar os dois grupos seria: 

Em muitas situações precisamos trabalhar com dados muito volumosos. Imagine que se queira saber a média de altura de todas as pessoas vivas no mundo e não houvesse uma maneira factível de medir todas as pessoas (população). Usualmente, extraímos um conjunto de dados menor mas representativo e então analisamos este subconjunto (amostra). Medimos alguns milhares de pessoas e esperamos que essa medida possa ser próxima o bastante da medida que obteríamos se medíssemos todo mundo. Para que essa medida seja confiável, precisamos calcular o intervalo de confiança. Para isto, precisamos selecionar diversas amostras da população. Este tipo de técnica é chamada de:

Em relação a coleções de valores aleatórios gerados a partir de distribuições de probabilidade:

I. Se selecionamos um valor, em seguida outro e outro formando uma lista, sua média é o valor esperado.
II. Variáveis independentes são aquelas que não dependem das outras variáveis ou seja não se influenciam.
III. Muitos algoritmos de aprendizado de máquina requerem variáveis independentes e identicamente distribuídas ou seja selecionadas da mesma distribuição.

De cima para baixo, a sequência correta é: 

Em relação ao nosso sistema de percepção visual e cognição, é INCORRETO afirmar que:

Quando analisamos dados visualmente, buscamos encontrar e compreender as partes da informação e como elas se relacionam com outras. Por exemplo, em uma série temporal, visamos analisar como determinadas variáveis se relacionam com a variável tempo. Um análise de parte-todo ilustra como as partes se relacionam entre si e com o todo. Séries temporais e parte-todo são dois exemplos de relacionamentos quantitativos clássicos que podem ser visualizados através de técnicas de visualização.

A coluna I mostra os relacionamentos quantitativos e a coluna II as técnicas de visualização. Estabeleça a correta correspondência entre as colunas I e II. 

Coluna I

1. Série temporal. 2. Parte-todo.

Coluna II

( ) gráfico de linhas. ( ) gráfico de pizza. ( ) treemap. ( ) gráfico de radar. ( ) gráfico de marimekko.


A sequência correta, de cima para baixo, é:

Em relação à maldição da dimensionalidade, avalie se são verdadeiras (V) ou falsas (F) as afirmativas a seguir:

I. Refere-se ao fenômeno de que muitos tipos de análises de dados se tornam mais difíceis a medida que a dimensionalidade de dados diminui.
II. Para tarefas de classificação, significa que não há instâncias de dados suficientes para criar um modelo que atribua de forma confiável a classe real das instâncias.
III. Quando a dimensionalidade cresce, os dados se tornam cada vez menos esparsos no espaço.

As afirmativas I, II e III são respectivamente: 

É correto afirmar que os dois tipos de variáveis são quantitativas:

A escolha entre usar um teste de hipótese paramétrico ou não paramétrico depende das características dos dados e dos objetivos da análise. Por exemplo, se as suposições para um teste paramétrico são atendidas, prefere-se usar esses testes devido ao seu maior poder estatístico. Em relação aos testes de hipóteses, é INCORRETO afirmar que:

É INCORRETO afirmar que os modelos preditivos:

No contexto da tarefa de aprendizagem não-supervisionada conhecida como clusterização é correto afirmar que a abordagem:

Considere uma pesquisa realizada para estimar a média de uma característica em uma grande população. Qual das seguintes afirmações sobre métodos de amostragem e estimadores está correta? 

Em um hospital foi feito um estudo estatístico com os índices de recuperação de centenas de pacientes. Verificou-se que o índice médio de recuperação dos pacientes era 6,0 com um desvio padrão de 2,0. Assinale a alternativa que indica o valor Z da variável aleatória normal padronizada para um índice de recuperação igual a 8,0. 

José Renato irá participar de um jogo de dados. O dado é honesto e possui 6 faces numeradas de 1 a 6. O jogo funciona assim: 1.José Renato irá escolher um número X. 2.O dado será lançado aleatoriamente n vezes. 3.José Renato vence o jogo se ao final dos n lançamentos tenham sido sorteado o seu número X pelo menos k vezes. Assinale a expressão que indica a probabilidade de José Renato vencer este jogo.