Guia da prova

O que estudar para a avaliação intermediária, o que está no formulário e o que não é foco

NotaDe onde vem este guia

Ele foi montado a partir do plano de aula, do formulário que a disciplina libera na prova e das provas de 2026.1. Serve para organizar as prioridades de estudo: quem define a prova é a professora.

Como é a prova

  • A avaliação intermediária (AI) será no dia 24/09, às 7h30, e cobre o conteúdo das aulas 1 a 13.
  • Na AI de 2026.1, a prova foi em computador, num notebook Jupyter, em 120 minutos, com SMOWL. Era permitido consultar o formulário da disciplina no Blackboard e uma folha A4 escrita à mão por você, frente e verso, com nome.
  • A pontuação ficou dividida quase meio a meio entre análise exploratória e probabilidade.
  • Os tipos de questão que apareceram:
    1. escolher uma ferramenta numérica ou gráfica para responder se uma variável ajuda a prever outra, e interpretar no contexto;
    2. dizer se uma afirmação é verdadeira ou falsa, com justificativa, a partir de uma tabela pronta (como um describe por grupo) ou de histogramas;
    3. construir gráficos bem apresentados, com plt.subplot, título, rótulos e legenda;
    4. Teorema de Bayes e Naive Bayes, com as probabilidades dadas no enunciado;
    5. binomial e Poisson: probabilidades com stats, condicionais (“sabendo que…”) e média e desvio padrão de uma transformação como \(C = a + bX\).
  • Interpretar conta ponto. Um número sem a frase que explica o que ele diz sobre o problema vale pouco.

O que está no formulário (não precisa decorar)

O formulário da disciplina fica no Blackboard e pode ser consultado na prova. Para as aulas 1 a 13, ele traz:

  • pandas: .loc, .iloc, .isin(), .sort_values(), .value_counts(), pd.crosstab(), .groupby(), .describe(), .cov() e .corr();
  • gráficos: plt.figure(figsize=...), plt.subplot(), plt.hist(), plt.boxplot() e plt.scatter();
  • binomial e Poisson: pmf, cdf, mean, var e std no scipy.stats, com \(E\) e \(Var\) de cada modelo;
  • esperança e variância de uma variável discreta, \(Var(X) = E(X^2) - [E(X)]^2\) e as propriedades de \(X + d\) e de \(cX\).

No mapa, o botão Foco na prova pinta de amarelo os comandos que estão no formulário. Nas páginas de tópico, eles têm a etiqueta formulário.

O que não está no formulário (vale anotar na sua folha)

  • normalize='index' dá a proporção dentro de cada linha, \(P(\text{coluna} \mid \text{linha})\); normalize='columns', dentro de cada coluna.

  • \(P(A \mid B) = P(A \cap B) / P(B)\), a probabilidade total e o Teorema de Bayes.

  • Independência: \(P(A \cap B) = P(A) \cdot P(B)\), ou seja, \(P(A \mid B) = P(A)\).

  • A tradução para a cdf de uma variável discreta:

    Evento Conta
    \(P(X \le k)\) cdf(k)
    \(P(X < k)\) cdf(k - 1)
    \(P(X > k)\) 1 - cdf(k)
    \(P(X \ge k)\) 1 - cdf(k - 1)
    \(P(a \le X \le b)\) cdf(b) - cdf(a - 1)

  • \(DP(aX + b) = |a| \cdot DP(X)\) (o formulário traz a variância).

  • Assimetria: uma cauda longa à direita puxa a média para cima da mediana. Pelos quartis, compare \(Q_3 - Q_2\) com \(Q_2 - Q_1\).

  • Correlação mede a força da relação linear, não a inclinação da reta.

O que não é foco da AI

  • Distribuições contínuas (uniforme, exponencial, normal, t de Student), soma de variáveis aleatórias, teorema central do limite, testes de hipóteses e regressão. Estão no formulário porque ele vale para o semestre inteiro, mas são conteúdo depois da aula 13.
  • Detalhes de código que não aparecem nas questões: limpeza de texto com re.sub, sorteios com .sample, np.histogram, salvar figuras.
  • Os tópicos marcados como extra na tabela abaixo.

Prioridades por tópico

No mapa, o botão Foco na prova destaca os tópicos essenciais e pinta de amarelo os comandos que estão no formulário.

Essencial: cai e você precisa saber fazer

Tópico Aulas O que a prova pede No formulário
Tipos de variáveis 3, 5 Toda questão começa aqui: o tipo das variáveis decide a ferramenta. Qualitativa com qualitativa pede crosstab; quantitativa com qualitativa, describe por grupo, boxplot ou histograma; quantitativa com quantitativa, dispersão e correlação. -
Tabela cruzada 3, 4, 5 Responder se uma variável qualitativa ajuda a prever outra: crosstab com normalize=‘index’, comparação das linhas e interpretação no contexto. O pd.crosstab está no formulário; o significado de normalize, não. pd.crosstab(normalize=, margins=)
Medidas de posição 5, 7, 11 Ler uma tabela de describe pronta (média, quartis, mediana) e dizer se uma afirmação é verdadeira ou falsa, justificando com os números. .describe()
Simetria e assimetria 5, 7 Dizer a assimetria pelo histograma, pelo boxplot ou pelos quartis, e o que ela implica para a média em relação à mediana. .describe()
Covariância e correlação 9 Calcular e interpretar a correlação. Ela mede a força da relação linear, não a inclinação da reta. .cov(), .corr()
Boxplot 5, 7 Comparar grupos e ler a assimetria pelos 50% centrais (Q1, mediana e Q3). plt.boxplot()
Histograma 7 Ler histogramas por grupo: onde os valores se concentram, assimetria e sobreposição entre os grupos. plt.hist(bins=, density=)
Dispersão 9 Fazer gráficos de dispersão e dizer se a associação é positiva, negativa ou fraca, interpretando no contexto. plt.scatter()
Título, eixos e subplots 5, 7, 9 Figuras bem apresentadas: título, rótulos nos eixos, legenda e plt.subplot para pôr vários gráficos na mesma figura. plt.figure(figsize=), plt.subplot()
Prob. condicional 2, 4 Aparece dentro de outras questões: ‘sabendo que’ pede P(A | B) = P(A ∩ B) / P(B), inclusive com eventos de uma binomial. -
Teorema de Bayes 2, 4, 6 Inverter a condicional com o Teorema de Bayes, com a probabilidade total no denominador. A fórmula não está no formulário. -
Classificar textos 6 Classificar uma mensagem com probabilidades dadas no enunciado: multiplicar o prior pelas P(palavra | classe) e comparar as classes. O código de limpeza de texto não é o foco. -
Esperança e variância 8, 11 Calcular E(X), Var(X) e DP(X) a partir da tabela de probabilidades. As fórmulas estão no formulário. -
E(aX+b) e Var(aX+b) 8, 11 Média e desvio padrão de uma transformação como C = 10 + 3X (custo fixo mais custo por unidade). As propriedades estão no formulário; lembre que DP(aX + b) = |a| · DP(X). -
Binomial 10, 11, 12 Reconhecer a binomial (n tentativas independentes, mesma p) e calcular probabilidades, média e desvio padrão com stats.binom. Os comandos estão no formulário. stats.binom.pmf(y, n, p), stats.binom.cdf(y, n, p), stats.binom.mean(n, p), stats.binom.var(n, p), stats.binom.std(n, p)
Usar a cdf: ≥, <, entre 10, 12 Traduzir ‘mais de’, ‘pelo menos’, ‘no máximo’ e ‘entre’ para a cdf: P(X ≥ k) = 1 - cdf(k - 1). Isso não está no formulário; vale anotar na folha. stats.binom.cdf(), stats.poisson.cdf()
Poisson 12, 13 Reconhecer a Poisson (contagens num intervalo, com média μ) e calcular probabilidades com stats.poisson. Os comandos estão no formulário. stats.poisson.pmf(x, mu), stats.poisson.cdf(x, mu), stats.poisson.mean(mu), stats.poisson.var(mu), stats.poisson.std(mu)

Apoio: ferramentas que você usa para responder

Tópico Aulas O que a prova pede No formulário
Ler e inspecionar 1, 3, 11 A prova entrega a base e o código de leitura; basta saber olhar o resultado. -
Selecionar colunas 1 Ferramenta do dia a dia para montar as outras respostas. -
Filtrar linhas 1, 4, 5 Separar grupos e calcular proporções condicionais. .loc, .iloc e .isin estão no formulário. .loc[linhas, colunas], .iloc[linhas, colunas], .isin()
Criar colunas 3, 4, 5 Útil para montar variáveis, como um custo calculado a partir de outra coluna. .loc[condição, 'coluna'] = ...
Categorias e ordem 3, 4, 5 A prova costuma trazer pronto o código que transforma em category e define a ordem: é só rodar sem alterar. -
Agrupar (groupby) 5, 7 Costuma vir pronto, como groupby(…).describe(); o que conta é ler e interpretar a tabela. Está no formulário. .groupby(by=, observed=), .describe()
Tabela de frequências 3, 4, 6, 11, 13 Base das proporções e da comparação entre dados e modelo. value_counts está no formulário. .value_counts(normalize=, sort=)
Medidas de dispersão 5, 11 Comparar a variabilidade entre grupos pelo desvio padrão ou pela distância entre os quartis. -
Barras 3, 5 Complemento visual da tabela cruzada. -
Dados × modelo 11, 13 Pode aparecer como comparação entre as frequências observadas e o modelo. -
Eventos e regras 2 Base de toda a probabilidade: complementar, união e interseção. -
Independência 2, 4 Aparece como hipótese dos modelos (clientes independentes entre si) e como verificação de P(A ∩ B) = P(A) · P(B). -
Prob. total e árvore 2, 4, 8 Entra no denominador do Teorema de Bayes. -
Classificador (Titanic) 4 A ideia do classificador e da matriz de confusão, no Titanic. .value_counts(True), pd.crosstab()
V.a. e distribuição 8 Montar a tabela de valores e probabilidades de uma variável discreta. -
Bernoulli 10 É uma tentativa da binomial: a p de cada tentativa. -
Binomial com dados 11 Estimar p pelos dados e comparar as frequências observadas com o modelo. .value_counts(True).sort_index(), stats.binom.pmf()
Poisson com dados 13 Estimar μ pela média dos dados e comparar as frequências observadas com o modelo. .value_counts(), stats.poisson.pmf()

Extra: bom saber, mas não é o foco

Tópico Aulas O que a prova pede No formulário
Ordenar 1, 3, 11 Útil para explorar, mas raramente é o que a questão pede. .sort_values()
Faixas (pd.cut) 7 pd.cut não está no formulário e não é o foco da prova. -

Como treinar

As listas de exercícios de provas passadas, com respostas e código, estão no Blackboard:

Depois de estudar, faça uma lista como se fosse a prova: 120 minutos, só com o formulário e a sua folha. Para treinar tópico por tópico, use a revisão integrada e os exercícios de cada página, que corrigem na hora.