A) Para criar representações visuais de dados. B) Para calcular médias de dados numéricos. C) Examinar a relação entre as variáveis. D) Para resumir dados categóricos.
A) O tamanho do conjunto de dados. B) O número de variáveis no modelo. C) O grau de adequação do modelo aos dados observados. D) O tipo de teste estatístico utilizado.
A) Distribuição normal dos resíduos B) Homoscedasticidade C) Linearidade D) Independência das observações
A) ANOVA B) Árvore de decisão C) Regressão logística D) APC
A) Para testar o pressuposto de linearidade em modelos de regressão. B) Para avaliar o desempenho de um modelo de classificação. C) Avaliar a bondade do ajuste na regressão logística. D) Para resumir a distribuição de um conjunto de dados.
A) Para ajustar o modelo exatamente aos dados de treino. B) Criar novas variáveis de entrada a partir de dados existentes para melhorar o desempenho do modelo. C) Para remover todas as variáveis de entrada, exceto a mais importante. D) Para automatizar todo o processo de modelação.
A) Análise de componentes principais B) Análise de regressão C) Validação cruzada D) Teste do qui-quadrado
A) Quando um modelo se ajusta perfeitamente aos dados de treino mas falha nos novos dados. B) Quando um modelo é demasiado complexo e capta o ruído nos dados. C) Quando um modelo é correto e generaliza bem para dados não vistos. D) Quando um modelo é demasiado simples e não tem capacidade de previsão.
A) Investigar relações de causa e efeito. B) Para criar uma única medida composta a partir de múltiplas variáveis. C) Agrupar pontos de dados semelhantes com base em padrões ou caraterísticas. D) Para traçar pontos de dados num espaço bidimensional. |