Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
- Gran Questões
- Questões
Questões de Concurso sobre R
Disciplina
1
Assunto
1
Banca
Instituição
Cargo
Ano
Carreira
Área de formação
Escolaridade
Dificuldade
Comentários:
Professores
Alunos
Meus Comentários
Vídeo
Minhas questões:
Resolvidas
Não resolvidas
Certas
Erradas
Tipo de questão:
Certo e errado
Múltipla escolha
Incluir questões:
Anuladas
Desatualizadas
Questões:
Todas as questões
Filtro simplificado
Questões
Todas as questões
120
questões
encontradas
20
Mais recentes
Observe o seguinte trecho de código R.
A partir do código R apresentado, deseja-se como resultado a matriz a seguir.
Para obter o resultado apresentado, deve-se completar o código R com a função:
A
c(df1 + df2)
B
dim(df1, df2)
C
array(df1, df2)
D
cbind(df1, df2)
E
frame(df1, df2)
Em linguagem de programação R, o objeto Escolaridade foi gerado a partir do código:
Escolaridade <– c(EnsinoFundamental = 5, EnsinoMedio = 9, EnsinoSuperior = 6)
A seguir, foi construído um gráfico de setores com o comando:
pie(Escolaridade)
Para gerar um gráfico de setores em que sejam substituídos os nomes dos rótulos pelas respectivas porcentagens, o código que deve ser utilizado é
A
pie(Escolaridade, labels = quantile(Escolaridade/sum(Escolaridade)*100, "%"))
B
pie(Escolaridade, labels = paste(Escolaridade/sum(Escolaridade)*100, "%", sep =""))
C
pie(Escolaridade, labels = Escolaridade/sum(Escolaridade)*100, "%")
D
pie(Escolaridade, labels = Escolaridade/sum(Escolaridade)*100, "%", sep="")
E
pie(Escolaridade, labels = legend(Escolaridade/sum(Escolaridade)*100))
No desenvolvimento de painéis interativos com o framework Shiny (linguagem R), a gestão eficiente do grafo de reatividade é fundamental para o desempenho da aplicação. Um profissional deve selecionar a função reativa adequada para cada necessidade de processamento no server.
Considere as funções listadas a seguir e as relacione às respectivas definições.
I. reactive()
II. observe()
III. eventReactive()
( ) Cria uma expressão reativa que encapsula um cálculo, evitando recomputações desnecessárias e retornando um valor que pode ser utilizado por outras expressões reativas ou saídas (outputs).
( ) Cria um observador destinado a executar ações com efeitos colaterais (side effects), como gravação em banco de dados ou envio de notificações, não retornando valor reutilizável.
( ) Cria uma expressão reativa cujo valor é atualizado apenas quando ocorre um evento explícito (por exemplo, o clique de um botão), evitando atualizações desnecessárias causadas por outras entradas.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
A
I, II e III.
B
I, III e II.
C
III, I e II.
D
III, II e I.
E
II, III e I.
Um analista está usando o RStudio para executar scripts que leem arquivos .csv armazenados em uma pasta específica. Para evitar erros de caminho, ele deseja definir essa pasta como diretório de trabalho da sessão. No R, qual função é usada diretamente para definir o diretório de trabalho?
A
getwd()
B
setwd()
C
dir.create()
D
read.csv()
E
file.exists()
Considere as seguintes linhas de código na linguagem de programação R:
Ao se executar esse código,
A
o resultado retornado por f(y) será [1] 0 6 2 8
B
o resultado retornado por f(y) será [1] 0 NA 2 4
C
o resultado retornado por f(y) será [1] 0 4 2 8
D
o resultado retornado por f(y) será [1] 1 2 1 2
E
um erro será gerado devido à presença de NA.
Considere o trecho de código a seguir, em linguagem R.
A execução desse trecho de código terá o seguinte resultado.
C
Certo
E
Errado
Ainda em relação à situação apresentada no texto 2A2-II, na arquitetura analítica do projeto de combate à pesca ilegal, a integração entre consultas em SQL e o uso de linguagens como Python e R seria tecnicamente justificável porque essa integração
A
limita a escalabilidade da análise ao volume máximo suportado pelo banco relacional.
B
concentra as etapas do processo analítico exclusivamente no banco de dados.
C
reduz a necessidade de modelagem e saneamento da base de dados.
D
viabiliza a extração estruturada dos dados e a aplicação de métodos estatísticos, modelagem e automação.
E
transfere a lógica de persistência e integridade dos dados para as linguagens de programação.
Identificar o tamanho de uma string é uma tarefa comum na análise de dados. Considerando uma variável text do tipo string na linguagem R, a função utilizada para retornar o número de caracteres dessa variável é a:
A
len()
B
length()
C
nchar()
D
size()
E
strlen()
O analista de dados Junior acessou o banco de dados e recuperou os seguintes valores que representam o tempo (em dias) de conclusão de cinco processos.
No R, para calcular a média do tempo de conclusão entre esses processos, deve-se utilizar o comando:
A
mode(tempos_processos)
B
mean(tempos_processos)
C
median(tempos_processos)
D
which.max(table(tempos_processos))
E
sum(tempos_processos)*length(tempos_processos)/5
Em linguagem de programação R, não existe, por padrão, uma função nativa específica para o cálculo da moda estatística de um conjunto de dados numéricos. Considere que o objeto nota representa um vetor numérico armazenado em memória no software R.
Assinale a alternativa que apresenta corretamente um comando capaz de determinar o(s) valor(es) modal(is) do vetor nota, isto é, aquele(s) que apresenta(m) a maior frequência absoluta de ocorrência.
A
max(table(nota))
B
subset(table(nota), max(table(nota)))
C
table(nota) == max(nota)
D
max(table(nota), subset(table(nota)))
E
subset(table(nota), table(nota) == max(table(nota)))
No desenvolvimento de painéis interativos com o framework Shiny (linguagem R), a gestão eficiente do grafo de reatividade é fundamental para o desempenho da aplicação. Um profissional deve selecionar a função reativa adequada para cada necessidade de processamento no server.
Relacione as funções listadas a seguir às respectivas definições.
1. reactive()
2. observe()
3. eventReactive()
( ) Cria uma expressão reativa que encapsula um cálculo, evitando recomputações desnecessárias e retornando um valor que pode ser utilizado por outras expressões reativas ou saídas (outputs).
( ) Cria um observador destinado a executar ações com efeitos colaterais (side effects), como gravação em banco de dados ou envio de notificações, não retornando valor reutilizável.
( ) Cria uma expressão reativa cujo valor é atualizado apenas quando ocorre um evento explícito (por exemplo, o clique de um botão), evitando atualizações desnecessárias causadas por outras entradas.
Assinale a opção que indica a relação correta, segundo a ordem apresentada.
A
1, 2 e 3.
B
1, 3 e 2.
C
2, 1 e 3.
D
3, 2 e 1.
E
2, 3 e 1.
Considere o seguinte código na linguagem de programação R:
X <– data.frame(cor = c("Azul", "Amarelo", "Laranja"), idade = c(18, 22, 24))
Ao se executar a função length(X), o resultado retornado será
A
[1] 3 2
B
[1] 3
C
[1] 2 3
D
[1] 2
E
[1] 6
O comando x + 1 e o comando c(x,1) produzem o mesmo resultado.
C
Certo
E
Errado
Se, em uma simulação, for necessário preencher um vetor grande, será mais eficiente usar a linguagem R para alocar e preencher o vetor inteiro, em vez de criar um vetor unitário e redimensioná-lo.
C
Certo
E
Errado
Considere o seguinte data.frame em R:
dados <– data.frame(
grupo = c("A", "A", "B", "B", "C", "C"),
valor = c(10, 15, 8, 22, 17, 19),
aprovado = c(FALSE, TRUE, TRUE, FALSE, FALSE, TRUE))
Qual é o comando que retorna apenas as linhas em que o grupo é "B" ou "C" , o valor é maior que 15, e o aprovado é FALSE?
A
subset(dados, grupo %in% c("B","C") & valor > 15 & aprovado == FALSE, select = aprovado)
B
subset(dados, grupo == "B" | grupo == "C" & valor > 15 & aprovado == FALSE, select = –aprovado)
C
subset(dados, grupo %in% c("B","C") & (valor > 15 & aprovado == FALSE), select = –aprovado)
D
subset(dados, grupo %in% c("B","C") & valor > 15 & aprovado)
E
subset(dados, (grupo == "B" | grupo == "C") & valor > 15 & aprovado == FALSE)
Avalie as seguintes sentenças em relação à análise e visualização de dados, empregando o Microsoft Power BI e o Sistema R, que é uma linguagem e um ambiente para gráficos e computação estatística:
I.Avaliação de outliers, empregando o sistema R pode ser apoiada pelo uso do gráfico O3 (Overview Of Outliers), que mostra quais casos são identificados frequentemente como outliers, quais são identificados em dimensões únicas e quais são identificados apenas em dimensões superiores.
II.O sistema R permite a construção de gráficos com o pacote shiny e criação de dashboards interativos exclusivamente com o pacote ggplot2.
III.Na construção de dashboards em Microsoft Power BI Desktop, é possível usar o R para visualizar seus dados.
Estão corretas as afirmativas:
A
I e III apenas.
B
I e II apenas.
C
I, II e III.
D
II e III apenas.
Em R, a função lm( ) é utilizada para realizar regressão linear, permitindo modelar a relação entre variáveis dependentes e independentes.
C
Certo
E
Errado
No R com o pacote dplyr carregado, o comando a seguir pode ser usado para exibir o conteúdo de df por ordem decrescente de produtividade.
df %>% arrange(desc(produtividade))
C
Certo
E
Errado
No que diz respeito às Redes Neurais Artificiais (ANN, Artificial Neural Network):
I.Os Métodos de regularização por penalização com normas L1 e L2, correspondem respectivamente à Regressão Ridge e à Regressão Lasso (Least Absolute Shrinkage and Selection Operator Regression).
II.Métodos de regularização por Dropout, regularizam as redes neurais, descartando aleatoriamente nós, juntamente com suas conexões de entrada e saída, da rede durante o treinamento.
III.Métodos de regularização por Early Stopping interrompem o treinamento quando as atualizações de parâmetros não começam mais a produzir melhorias em um conjunto de validação em redes neurais profundas
IV.Para manejo de redes neurais com R, pode ser utilizado o pacote neuralnet, que permite treinamento de redes neurais usando a retropropagação, retropropagação resiliente com ou sem retrocesso de peso ou a versão globalmente convergente modificada.
Estão corretas as afirmativas:
A
I, II, III e IV.
B
II, III e IV apenas.
C
I e II apenas.
D
I e III apenas.
No software R, o pacote dplyr oferece uma sintaxe intuitiva e ágil para manipulação de dados. Considere que uma base de dados contendo as quatro variáveis listadas a seguir foi armazenada no objeto processos:
• ID: identificador único do processo.
• Status: status do processo (“em andamento”, “finalizado” ou “arquivado”).
• Numero Decisoes: número de decisões ou despachos no processo.
• Data Conclusao: data de conclusão do processo (se o status for “finalizado”), no formato AAAA-MM-DD.
Nesse contexto, considere que um analista deseja calcular a soma total de decisões ou despachos proferidas nos processos “finalizados” para cada ano de conclusão. Qual das alternativa a seguir realiza essa operação corretamente, utilizando funções dplyr, e salva o resultado no objeto Soma_Decisoes?
A
processos %>% filter(Status == "finalizado") %>%
mutate(Ano_Conclusao = format(Data_Conclusao, "%Y")) %>%
group_by(Ano_Conclusao) %>%
summarise(Soma_Decisoes = sum(Numero_Decisoes))
B
processos %>% filter(Status == "finalizado") %>%
group_by(Data_Conclusao) %>%
summarise(Soma_Decisoes = sum(Numero_Decisoes)) %>%
mutate(Ano_Conclusao = format(Data_Conclusao, "%Y"))
C
processos %>% filter(Status = "finalizado") %>%
group_by(Ano_Conclusao = format(Data_Conclusao, "%Y")) %>%
summarise(Soma_Decisoes = sum(Numero_Decisoes))
D
processos %>% filter(Status == "finalizado") %>%
summarise(Ano_Conclusao = format(Data_Conclusao, "%Y")) %>%
group_by(Data_Conclusao) %>%
mutate(Soma_Decisoes = sum(Numero_Decisoes))
E
processos %>% mutate(Ano_Conclusao = format(Data_Conclusao, "%Y")) %>%
filter(Status == "finalizado") %>%
group_by(Ano_Conclusao)
summarise(Soma_Decisoes = sum(Numero_Decisoes))
Gerar simulado