Questão de Programação — Linguagens de programação — CESPE / CEBRASPE 2024
Programação›Linguagens de programação
Código
ce185164
Banca
CESPE / CEBRASPE
Órgão
SEBRAE-NACIONAL
Ano
2024
Nível
Superior
Cargo
Analista Técnico II – Cientista de Dados
Assinale a opção em que é apresentado o código escrito em Python ou em R que, se executado, gerará um scatter plot para a visualização da relação entre quantidade de vendas e receita gerada por determinado produto, destacando a tendência linear entre essas variáveis.
A
B
C
D
Revelar gabarito e comentário▾
GabaritoC — [imagem]
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Visualização de dados: Scatter Plot com Tendência Linear
Gabarito: letra C. A alternativa C apresenta o código correto em R utilizando a biblioteca ggplot2, que é o padrão para visualização de dados nessa linguagem. A função ggplot() inicializa o gráfico com o conjunto de dados e o mapeamento estético (aes), geom_point() adiciona a camada de pontos (scatter plot) e geom_smooth(method = "lm") adiciona a linha de tendência linear (modelo linear).
Para a criação de gráficos em R, o pacote ggplot2 é amplamente utilizado devido à sua gramática de gráficos, que permite construir visualizações complexas através da adição de camadas. O comando geom_smooth(method = "lm") é especificamente desenhado para calcular e desenhar uma linha de regressão linear sobre os dados, atendendo exatamente ao requisito de destacar a tendência linear entre a quantidade de vendas e a receita.
Scatter plot com tendência linear
1R (ggplot2)
geom_point()
camada de pontos
geom_smooth(method = "lm")
linha de regressão linear
2Python (matplotlib)
plt.plot()
conecta pontos, sem tendência
numpy.polyfit
abordagem manual, menos idiomática
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Este código utiliza Python com matplotlib. Embora crie um scatter plot, ele não adiciona uma linha de tendência linear. O comando plt.plot() apenas conecta os pontos existentes, o que não representa uma tendência estatística, mas sim uma linha que segue a ordem dos dados no dataframe.
Alternativa B — ❌ Incorreta
Embora este código Python utilize numpy.polyfit para calcular os coeficientes de uma regressão linear e plt.plot() para desenhar a linha, a sintaxe apresentada está truncada e mal formatada para a execução direta, além de ser uma abordagem manual e menos idiomática do que a solução em R apresentada na alternativa correta.
Alternativa C — ✅ Correta ⟵ GABARITO
Esta é a forma correta e elegante em R de gerar o gráfico solicitado. A combinação de geom_point() para os dados brutos e geom_smooth(method = "lm") para a linha de tendência é a prática recomendada para este tipo de análise estatística.
Alternativa D — ❌ Incorreta
Este código em R utiliza geom_line() em vez de geom_smooth(method = "lm"). O geom_line() desenha linhas conectando os pontos de dados sequencialmente, o que não representa uma tendência linear estatística, mas sim uma série temporal ou uma conexão simples entre observações.
PEGA ESSA DICA!
Ao trabalhar com visualização de dados, diferencie sempre o desenho de uma linha de tendência estatística (como a regressão linear) de uma simples conexão de pontos. Em R, geom_smooth(method = "lm") é o seu melhor amigo para tendências lineares.