No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes.

No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.

No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes ou redundantes são identificados e desconsiderados.

No que se refere a técnicas, ferramentas e algoritmos de aprendizado não supervisionado, julgue o item a seguir.

A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.

A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.

A biblioteca numpy permite realizar operações matemáticas entre arrays de diferentes dimensões usando o mecanismo de broadcast.

A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.

O método describe() da biblioteca Pandas retorna as linhas superiores e inferiores do DataFrame.

A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.

A biblioteca Pandas apresenta os dados em uma estrutura de DataFrame, composta por linhas e colunas.

A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.

Se um conjunto de dados for armazenado em um array numpy, então, por meio dos seus métodos pré-definidos, será possível obter dados de resumo estatístico desse conjunto de dados.

A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.

A classe numpy.poly1d() permite a criação de arrays multidimensionais.

Uma amostra aleatória simples de tamanho !$ n=4 !$ , !$ X_1 !$, !$ X_2 !$, !$ X_3 !$, !$ X_4 !$, foi retirada de uma população cuja função de distribuição de probabilidade é representada pela expressão !$ P(X=x)=\pi^x(1-\pi)^{1-x} !$, na qual !$ x !$ pode assumir os valores 0 ou 1 e !$ \pi !$ é o parâmetro desconhecido que denota uma probabilidade.

A partir das informações anteriores, e considerando a estimação do parâmetro !$ \pi !$ e o teste da hipótese nula !$ H_0:\pi=0,5 !$ contra a
hipótese alternativa !$ H_1:\pi ≠ 0,5 !$, bem como sabendo que os valores observados na amostra foram 0,0,0,1, julgue o item a seguir.

Mantendo-se os mesmos valores 0,0,0,1 observados na amostra, o intervalo simétrico de 95% de confiança para !$ \pi !$ deve apresentar amplitude superior àquela proporcionada pelo intervalo simétrico de 99% de confiança para esse mesmo parâmetro.