

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Durante a construção de um painel institucional sobre desempenho legislativo, uma equipe de análise de dados consolidou informações provenientes de sistemas de tramitação, registros de votação, indicadores orçamentários e bases administrativas. Na etapa de preparação dos dados, foram identificados campos sem preenchimento em determinadas variáveis, registros contendo valores excepcionalmente distantes do comportamento predominante da base e diferentes padrões de preenchimento para atributos equivalentes oriundos de sistemas distintos. Como a qualidade dos resultados analíticos dependia diretamente da confiabilidade dos dados processados, tornou-se necessário aplicar procedimentos adequados de pré-processamento.
Assinale a alternativa que apresenta uma associação tecnicamente correta entre os problemas identificados e as respectivas ações de tratamento.
Valores ausentes devem ser classificados automaticamente como outliers, enquanto observações extremas devem ser removidas independentemente do contexto de negócio.
A padronização tem como finalidade eliminar observações extremas, enquanto a detecção de outliers destina-se exclusivamente à correção de campos não preenchidos.
O tratamento de valores ausentes consiste apenas na exclusão dos registros afetados, dispensando a análise do impacto estatístico sobre o conjunto de dados.
A detecção de outliers busca identificar observações que se afastam significativamente do comportamento esperado, enquanto a padronização procura uniformizar representações equivalentes dos dados.
A presença de valores ausentes caracteriza necessariamente erro de coleta, exigindo descarte obrigatório dos registros antes de qualquer análise estatística.