Questão 20 · Informática: Inteligência artificial e ciência de dados
Ao receber um conjunto de dados para elaborar um modelo preditivo, uma equipe de analistas de dados percebeu que havia uma quantidade significativa de dados faltantes em certos atributos. Foi então debatido o uso de duas técnicas para lidar com esse problema: (1) remoção de observações contendo dados ausentes e (2) “inputação” multivariável, sendo que apenas uma das duas seria aplicada.
Duas características do conjunto de dados que devem ser prioritariamente consideradas na escolha entre as duas técnicas são:
- A) o intervalo dos atributos com dados faltantes e a fração de dados faltantes;
- B) o número de observações e a fração de dados faltantes;
- C) a fração de atributos com dados faltantes e o intervalo dos atributos com dados faltantes;
- D) uma medida de dependência estatística entre os atributos e a fração de atributos com dados faltantes;
- E) o número de observações e uma medida de dependência estatística entre os atributos.
Marque a alternativa correta:
Gabarito: E
Gabarito definitivo divulgado pela banca FGV (CVM 2024).
Comentário
Gabarito: E.
A decisão técnica entre aplicar a remoção de registros incompletos (listwise deletion) ou utilizar métodos de imputação multivariável (como MICE ou imputação por modelos de regressão/KNN) depende crucialmente de duas grandezas do dataset:
- Número de observações: se o volume total da amostra for reduzido, a eliminação de observações com dados faltantes degradará significativamente o poder estatístico do modelo; por outro lado, com bases massivas, a deleção torna-se operacionalmente aceitável.
- Medida de dependência estatística entre os atributos: os algoritmos de imputação multivariável operam prevendo o valor ausente com base nas correlações e covariâncias existentes com as outras variáveis. Se não houver dependência estatística significativa entre os atributos, a imputação multivariada perde sua base de sustentação metodológica.
- (A) e (C) estão incorretas porque o intervalo numérico (range) dos atributos é indiferente para definir a viabilidade da remoção ou da imputação multivariada.
- (B) e (D) estão incorretas porque a proporção ou fração isolada de atributos incompletos não determina se os algoritmos multivariados terão capacidade preditiva sustentada na correlação mútua.
Dica de prova: Guarde os dois fatores determinantes: o tamanho amostral (número de observações) dita se podemos descartar linhas sem prejuízo, e a correlação mútua (dependência estatística) dita se a imputação multivariável funcionará.
Fundamentos: tratamento de dados ausentes · imputação multivariável · remoção de observações · dependência estatística
Comentário gerado pela Cravei IA a partir do enunciado e do gabarito definitivo divulgado pela banca, e conferido por uma verificação automática. A IA pode errar: o gabarito oficial sempre prevalece.
Fonte: prova FGV CVM 2024 (Analista CVM - Perfil 7 - Ciência de Dados - Tarde), questão 20, com o gabarito definitivo da banca. Comentário: Equipe Cravei · como fazemos e revisamos.