Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03-2023

Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03- 2023

Please wait while the activity loads.
If this activity does not load, try refreshing your browser. Also, this page requires javascript. Please visit using a browser with javascript enabled.

If loading fails, click here to try again

Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I Professor: Luiz Paulo Lopes Fávero Avaliação realizada por: Avaliação realizada em: 30/03/2023

Iniciar

Parabéns - Você terminou Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03- 2023. Você fez %%SCORE%% de %%TOTAL%%. Sua média é: %%RATING%%

Your answers are highlighted below.

Question 1

Os parâmetros de modelos de regressão logística são estimados por:

A	Mínima Verossimilhança.
B	Máximos Quadrados Ordinários.
C	Máxima Verossimilhança.
D	Mínimos Quadrados Ordinários.

Question 2

O logaritmo natural da chance de ocorrência de uma resposta do tipo “sim” é definido como:

A	Probabilidade.
B	Probito.
C	Logito.
D	Acurácia.

Question 3

Assumindo que um logito possua o valor igual a Z = 0. Em um modelo de regressão logística binária, qual será a probabilidade de ocorrência do evento em estudo?

A	0,7311
B	0,9933
C	0,5
D	1

Question 4

Em matrizes de confusão, o que significa a sensitividade?

A	Taxa global de acerto do modelo.
B	Taxa de acerto do modelo para as observações classificadas como “não evento”.
C	Taxa de acerto do modelo para as observações classificadas como “evento”.
D	Taxa de erro do modelo.

Question 5

Em matrizes de confusão, o que significa a especificidade?

A	Taxa global de acerto do modelo.
B	Taxa de acerto do modelo para as observações classifi cadas como “evento”.
C	Taxa de erro do modelo.
D	Taxa de acerto do modelo para as observações classifi cadas como “não evento”.

Question 6

São objetivos da técnica de regressão logística binária: I) Estimar a probabilidade de ocorrência de determinado evento ou de que um indivíduo venha a se enquadrar nessa ou naquela categoria. II) Aproximar os números de pontos de dado problema e a localização de cada ponto por meio de um processo de interpolação de Simpson. III) Classificar indivíduos ou observações em categorias específicas. Assinale a alternativa CORRETA:

A	Somente a afi rmação III está correta.
B	Todas as afi rmações estão corretas.
C	Somente a afi rmação II está correta.
D	Apenas as afi rmações I e III estão corretas.

Question 7

Sobre o modelo de regressão logística binária, podemos afirmar que:

A	As variáveis X serão somente qualitativas.
B	Não faz sentido transformar as variáveis qualitativas em dummies neste caso.
C	Trata-se de uma técnica supervisionada de machine learning, também conhecida por técnica confi rmatória, para explicar ou predizer a probabilidade de ocorrência de determinado evento dicotômico em função de uma ou mais variáveis explicativas.
D	Neste tipo de modelo, a variável dependente será sempre quantitativa.

Question 8

Escolha a alternativa INCORRETA sobre a função logística:

A	A estimação dos parâmetros desta função é um processo iterativo para maximizar o acerto da probabilidade de ocorrência de um evento à sua real ocorrência, por meio do Método de Máxima Verossimilhança.
B	Para se analisar a qualidade do ajuste do modelo para determinado cutoff , podemos utilizar uma matriz de confusão.
C	A variável dependente se apresenta na forma quantitativa e com média maior que zero.
D	Esta função é defi nida para que se estabeleça a probabilidade de ocorrência de determinado evento e a importância das variáveis explicativas para esta ocorrência.

Question 9

Considere o seguinte logito para um modelo de risco de crédito de empresas (evento = obtenção de crédito):

A	a
B	b
C	c
D	d

Question 10

Sobre os conceitos probabilidade e chance, julgue as afirmações a seguir: I) Em Estatística, a chance (em inglês, odds ) de ocorrência de determinado evento é a probabilidade de sua ocorrência dividida pela probabilidade da não ocorrênciadesse mesmo evento. II) Se a probabilidade de ocorrência de um evento é de 80%, então a chance de ocorrência deste evento é de 4 para 1. III) Se a probabilidade de ocorrência de um evento é de 25%, então a chance de ocorrência deste evento é de 1 para 3. Assinale a alternativa CORRETA :

A	Todas as afi rmações estão corretas.
B	Somente a afi rmação I está correta.
C	Somente a afi rmação III está correta.
D	Somente as afi rmações II e III estão corretas.

Quando você terminar, clique no botão abaixo. Se algum item estiver incompleto ele será marcado como incorreto. Ver Resultados

Existem 10 questões incompletas.

←

List

→

Return

Shaded items are complete.

1	2	3	4	5
6	7	8	9	10
Fim

Return

Este artigo foi útil ?

SimNão

Last modified: 20 de novembro de 2023

Previous: (USP/Esaulq) – Avaliação de Supervised Machine Learning: Análise de Regressão Simples e Múltipla IV 28-02-2023

Next: Avaliação de Supervised Machine Learning: Modelagem Multinível I – 04/04/2023

One Reply to “Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03-2023”

how does an iva affect your credit score disse:

12 de dezembro de 2023 às 05:59

I could not resist commenting. Exceptionally well
written!

Responder

Rafaelrjp Blog

Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03-2023

Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03- 2023

One Reply to “Avaliação de Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais I 07-03-2023”

Deixe um comentário Cancelar resposta

Categorias

Arquivos

Meta