Questão 86 do CNU 2025 (FGV) — Bloco 2, Eixo 5: Avaliação

A tipologia sobre mecanismos de dados faltantes, estabelecida por Rubin (1976), define diferentes tratamentos estatísticos adequados no tratamento de tais dados.
Uma equipe de analistas do governo federal está tratando os dados de uma pesquisa aplicada a jornalistas, comunicadores institucionais e profissionais da imprensa. O objetivo do estudo é entender como a cobertura de temas sociais evoluiu nos veículos de comunicação entre 2022 e 2024.
Durante o tratamento da base, dois padrões de ausência chamaram atenção:

• parte dos respondentes deixou em branco a variável “tempo de

leitura semanal de portais de notícia”, o que ocorreu com mais frequência entre comunicadores de áreas como cultura, entretenimento e arte;

• parte dos respondentes deixou em branco a variável “data de

início da carreira”, o que ocorreu com mais frequência nos respondentes com menor tempo de atuação profissional.
Considerando essa pesquisa, os analistas podem concluir que tais dados ausentes:

  1. Asão do tipo omissos completamente ao acaso (missing completely at random – MCAR), pois os respondentes omitiram espontaneamente suas respostas e, portanto, devem ser excluídos da base de dados sem impacto estatístico;
  2. Birão enviesar os resultados da pesquisa, a despeito de serem classificados como MCAR, MNAR ou MAR, e, portanto, devem ser excluídos da base de dados, bem como as demais informações fornecidas pelos respectivos respondentes;
  3. Csão do tipo omissos completamente ao acaso (missing completely at random – MCAR), pois não dependem de qualquer variável observável ou não observável e, portanto, podem ser estimados conforme as técnicas de imputação apropriadas;
  4. Dsão do tipo omissos não aleatoriamente (missing not at random – MNAR), pois a ausência depende do próprio valor faltante, e, portanto, devem ser excluídos da base de dados, bem como as demais informações fornecidas pelos respectivos respondentes;
  5. Esão do tipo dados omissos aleatoriamente (missing at random – MAR), pois a ausência está relacionada a outras variáveis observadas, como área de atuação e tempo de carreira, e, portanto, podem ser estimados conforme as técnicas de imputação apropriadas.
Gabarito e comentário

Gabarito: E — são do tipo dados omissos aleatoriamente (missing at random – MAR), pois a ausência está relacionada a outras variáveis observadas, como área de atuação e…

Conforme a tipologia de mecanismos de dados faltantes proposta por Donald Rubin (1976), quando o fato de um dado não ter sido informado decorre sistematicamente de características ou variáveis que foram devidamente observadas e registradas na pesquisa (como a área de atuação e o tempo de carreira no estudo em questão), os dados são classificados como dados omissos aleatoriamente (Missing at Random – MAR). Sob a premissa de MAR, a ausência é explicada pelos dados conhecidos da amostra, permitindo a utilização de métodos robustos de imputação estatística (como imputação múltipla) sem a necessidade de descartar os respondentes da base.

Análise das alternativas:

  • A está incorreta, pois os dados omissos completamente ao acaso (MCAR) exigiriam independência total de qualquer variável observada na base, o que foi refutado pelos padrões encontrados.
  • B está incorreta, pois dados faltantes MAR não exigem o descarte indiscriminado dos respondentes, podendo ser imputados adequadamente.
  • C está incorreta, pois define incorretamente os dados observados como MCAR ao afirmar que independem de variáveis mensuradas.
  • D está incorreta, pois no mecanismo MNAR a ausência depende do próprio valor não observado da variável faltante, e não de outros atributos conhecidos.
  • E está correta, pois classifica perfeitamente a dependência como MAR e aponta o tratamento correto mediante técnicas de imputação estatística.

Dica de prova: Mecanismos de Rubin: se a ausência do dado está associada a outra variável já observada na pesquisa (ex.: cargo ou área de atuação), a classificação correta é MAR (Missing at Random).

Fundamentos: Mecanismos de dados faltantes (Rubin) · Dados omissos aleatoriamente (MAR) · Técnicas de imputação estatística

Comentário Cravei IA, gerado a partir do gabarito oficial e verificado automaticamente. A IA pode errar: o gabarito da banca prevalece.

Origem

Questão 86 do caderno tipo 1 do Bloco 2 – Cultura e Educação, CNU 2025, banca FGV. Gabarito definitivo divulgado pela banca.

Onde esta questão aparece no Cravei CNU

Simulado CNU Bloco 2: todas as questões comentadas do bloco →

Guia do Bloco 2 – Cultura e Educação: cargos, pesos e conteúdo →

Questões relacionadas