Class 02 - Review activity

1. Contexto: Marketing Digital

Você está analisando dados de cliques em anúncios online para uma campanha de marketing. Você observa que a média de cliques por anúncio é significativamente maior que a mediana. Qual a implicação mais provável dessa observação para a sua análise?

• A distribuição de cliques é simétrica.

• A distribuição de cliques é assimétrica à esquerda, com alguns anúncios tendo um número muito baixo de cliques.

• A distribuição de cliques é assimétrica à direita, com alguns anúncios tendo um número muito alto de cliques.

• A média e a mediana não fornecem informações suficientes para tirar conclusões sobre a distribuição.

Answer explanation

Quando a média é maior que a mediana, isso indica que existem valores extremos altos (outliers) que estão "puxando" a média para cima. No contexto de cliques em anúncios, isso significa que alguns anúncios tiveram um desempenho excepcionalmente bom, enquanto a maioria teve um número de cliques mais próximo da mediana.

2. Contexto: Análise de Vendas

Você está explorando dados de vendas de uma loja online e decide usar um boxplot para visualizar a distribuição dos valores de compra. O que você pode inferir se a caixa do boxplot for muito pequena e houver muitos pontos fora dela?

• A maioria das compras tem valores similares, com poucos outliers.

• Os valores de compra são uniformemente distribuídos.

• A distribuição dos valores de compra é simétrica.

• Os valores de compra são muito variados, com muitos outliers.

Answer explanation

Uma caixa pequena no boxplot indica que a amplitude interquartílica (IQR) é pequena, ou seja, a maioria dos valores de compra está concentrada em uma faixa estreita. Muitos pontos fora da caixa representam outliers, indicando valores de compra muito altos ou muito baixos em relação à maioria.

3. Contexto: Ciência de Dados na Saúde

Você está trabalhando em um projeto de mineração de dados para prever o risco de desenvolvimento de uma determinada doença. Durante a fase de exploração dos dados, você descobre que a variável "idade dos pacientes" apresenta uma distribuição assimétrica à direita. Qual a implicação dessa assimetria na escolha do modelo preditivo?

• Você pode usar qualquer modelo preditivo, pois a assimetria não afeta a escolha do modelo.

• Você deve evitar modelos que assumem normalidade dos dados, como a regressão linear.

• Você deve transformar os dados para torná-los simétricos antes de aplicar qualquer modelo.

• A assimetria não é relevante para a escolha do modelo, apenas para a interpretação dos resultados.

Answer explanation

Muitos modelos preditivos, como a regressão linear, assumem que os dados seguem uma distribuição normal. Se a variável "idade dos pacientes" apresenta assimetria, essa suposição é violada, o que pode levar a resultados imprecisos ou enviesados. Nesse caso, é recomendável usar modelos não paramétricos ou transformar os dados para aproximá-los de uma distribuição normal.

4. Em um DataFrame Pandas, como você pode renomear a coluna "Sales" para "Vendas"?

• df.rename(columns={"Sales": "Vendas"})

• df.columns = ["Vendas"]

• df["Sales"].name = "Vendas"

• df.rename("Sales", "Vendas")

Answer explanation

A função rename() do Pandas permite renomear colunas de forma específica, utilizando um dicionário onde as chaves são os nomes antigos das colunas e os valores são os novos nomes.

Você precisa calcular a média da coluna "Age" de um DataFrame, mas essa coluna contém alguns valores ausentes (NaN). Qual a maneira correta de calcular a média, ignorando os valores ausentes?

• df["Age"].mean()

• df["Age"].mean(skipna=True)

• df["Age"].dropna().mean()

• np.mean(df["Age"])

Answer explanation

A função mean() do Pandas possui o parâmetro skipna, que, quando definido como True (padrão), ignora os valores ausentes (NaN) no cálculo da média.

Você tem um DataFrame com dados de transações de clientes, incluindo as colunas "CustomerID" e "PurchaseAmount". Como você pode agrupar os dados por cliente e calcular o valor total gasto por cada um?

• df.groupby("CustomerID").sum()

• df.groupby("CustomerID")["PurchaseAmount"].sum()

• df.groupby("CustomerID").agg({"PurchaseAmount": "sum"})

• df.groupby("PurchaseAmount")["CustomerID"].count()

Answer explanation

Ambas as opções b) e c) agrupam os dados por "CustomerID" e calculam a soma de "PurchaseAmount" para cada cliente. A opção b) é mais concisa, enquanto a opção c) usa a função agg() para maior flexibilidade, permitindo calcular outras estatísticas além da soma.

Em um DataFrame Pandas, como você seleciona todas as linhas onde o valor da coluna "Category" é igual a "Electronics"?

• df[df["Category"] == "Electronics"]

• df.loc[df["Category"] == "Electronics"]

• df.iloc[df["Category"] == "Electronics"]

• df.query("Category == 'Electronics'")

Answer explanation

As opções a), b) e d) selecionam todas as linhas onde a coluna "Category" é igual a "Electronics". A opção a) usa indexação booleana, a opção b) usa o método loc e a opção d) usa o método query. A opção c) está incorreta porque o iloc é usado para indexação baseada em posição (inteiros), não em rótulos.

Você está analisando dados de vendas e quer identificar os produtos mais vendidos. Qual função do Pandas você usaria para contar o número de vezes que cada valor aparece na coluna "ProductName"?

• df["ProductName"].count()

• df["ProductName"].unique()

• df["ProductName"].nunique()

• df["ProductName"].value_counts()

Answer explanation

A função value_counts() retorna uma Series contendo as contagens de valores únicos em uma coluna, ordenada pela frequência em ordem decrescente. Isso permite identificar facilmente os produtos mais vendidos.

Qual é o principal objetivo da inferência estatística?

• Organizar e descrever dados.

• Fazer generalizações sobre uma população com base em uma amostra.

• Calcular medidas de tendência central e dispersão.

• Criar gráficos e visualizações de dados.

Answer explanation

b) A inferência estatística permite tirar conclusões sobre uma população inteira a partir de uma amostra representativa, o que é fundamental para tomar decisões e fazer previsões com base em dados limitados.

Qual a diferença entre estatística descritiva e inferencial?

• A estatística descritiva se concentra em coletar dados, enquanto a inferencial se concentra em analisar dados.

• A estatística descritiva resume e organiza os dados, enquanto a inferencial faz generalizações sobre a população a partir da amostra.

• A estatística descritiva usa gráficos e tabelas, enquanto a inferencial usa apenas cálculos matemáticos.

• Não há diferença entre estatística descritiva e inferencial.

Answer explanation

A estatística descritiva se concentra em resumir e apresentar os dados da amostra, enquanto a estatística inferencial utiliza esses dados para fazer inferências sobre a população da qual a amostra foi retirada.