Questões de Concurso sobre Análise exploratória de dados

Em se tratando de análises de tendências e projeções, desconsideram-se atributos como sazonalidade, autocorrelação e granularidade temporal quando utilizados modelos estatísticos consolidados.

Acerca dos princípios e de boas práticas de visualização de dados e painéis de monitoramento, julgue o item a seguir.

Ao olho humano a continuidade da linha é percebida como a progressão do tempo e a conexão entre eventos, de modo que gráficos de linhas são as ferramentas ideais para representar séries temporais.

Em Python, utilizando bibliotecas de visualização de dados, um setor de fiscalização compara valores de autos de infração por tipo de tributo para identificar assimetria e possíveis outliers de forma padronizada. Nesse caso, a técnica de visualização que atende corretamente ao requisito apresentado é:

Uma Secretaria da Fazenda estadual recebeu dados de todos os lançamentos de ICMS dos últimos 5 anos (valores, setores econômicos, municípios, regime tributário e situação do contribuinte). Antes de construir modelos preditivos de risco ou definir novas regras de fiscalização, a equipe decide realizar apenas uma etapa sistemática de resumo, visualização e detecção de padrões e outliers nos dados, sem ainda formular hipóteses formais ou treinar modelos. Esse trabalho inicial e caracterizado como

Ao analisar grandes volumes de notas fiscais eletrônicas para apóio à fiscalização estadual, uma equipe de TI aplica estatística descritiva para compreender o comportamento dos valores declarados por contribuintes, considerando distribuições assimeétricas, presença de valores extremos e necessidade de subsidiar modelos de inteligência artificial. A aplicação tecnicamente adequada das medidas de tendência central e de dispersão nesse cenário ocorre quando se

O boxplot (diagrama de caixa) é uma ferramenta de visualização que possibilita identificar a mediana, a dispersão dos dados e a presença de valores atípicos (outliers) em uma distribuição.

O storytelling de dados dispensa o uso de visualizações gráficas, pois a narrativa textual é suficiente para transmitir informações complexas.

A análise PCA (análise de componentes principais) é utilizada para simplificar os dados e reduzir o ruído, pois tende a equilibrar as dimensões que têm valores mais extremos (outliers).

Certo banco de dados no R é constituído de informações sobre adultos, crianças e adolescentes. Após uma consulta ao banco mostrar que algumas pessoas trazem a informação NA (Not Available) no campo idade, qual função exclui os dados dessas pessoas?

Ciência de Dados (CD) utiliza conjuntos de dados para tentar entender e resolver problemas do mundo real. Com relação aos fundamentos essenciais da CD, analise as afirmativas a seguir.

I. Os dados figuram como o elemento central. O objetivo é extrair desses toda informação possível para que se possam tomar decisões e antecipar resultados de maneira precisa.

II. Não é campo de conhecimento alheio às outras ciências. Ao contrário, que se trata de uma combinação de instrumentos fornecidos por diversos campos do saber, com destaque para a Estatística e a Ciência da Computação.

III. CD lida exclusivamente com a análise de dados estruturados, como planilhas e bancos de dados SQL, focando apenas em visualizações básicas e relatórios descritivos.

Está correto o que se afirma em

O uso do modelo associativo da ferramenta Qlik permite que a INFRA S.A. explore dados de múltiplas fontes sem a necessidade de caminhos de navegação previamente definidos, favorecendo análises exploratórias.

Analise o notebook abaixo, obtido pela exportação estruturada em texto feita no Jupyter Notebook.

Diante do exposto, analise as afirmativas abaixo.

I. A célula 4 do Notebook gera uma análise descritiva ou resumo dos dados. Para variáveis numéricas obtém-se count, mean, std, min, max, Q1, Q2, Q3. O comando da célula 3 mostra as cinco primeiras linhas do Dataframe.

II. Housing_path é a pasta onde estão os dados no formato <working directory/datasets/housing/>, onde working directory pode ser obtido pelo comando os.getcwd().

III. A função hist() gera histogramas que utiliza a biblioteca matplotlib. Ela utiliza o parâmetro bins, que é a resolução do gráfico, e figsize para o tamanho da figura no formato largura/altura em polegadas.

Estão corretas as afirmativas:

A AED deve ser concluída antes da modelagem estatística ou do aprendizado de máquina, de forma a não interferir, com redirecionamentos ou revisões interpretativas, no processo posterior.

A distância de Mahalanobis é uma medida estatística que indica quantos desvios‑padrão um determinado valor está da média. Ela é utilizada para identificar outliers em dados multidimensionais.

Durante uma análise exploratória de dados (EDA), um cientista de dados está avaliando a dispersão de um conjunto de dados financeiros que contém informações sobre variações diárias no preço de uma ação. Ele deseja utilizar uma métrica que atenda os seguintes requisitos:

• Leve em conta todos os valores da amostra para evitar que outliers distorçam excessivamente a análise.

• Seja expressa na mesma unidade de medida dos dados originais, facilitando a interpretação dos resultados.

• Permita comparar a variabilidade entre diferentes ativos, mesmo que tenham médias diferentes.

Dado esse contexto, assinale a alternativa que apresenta a técnica estatística que melhor atende aos requisitos mencionados.

O gráfico de dispersão pode ser uma ferramenta útil para explorar a relação entre as variáveis, possibilitando uma análise visual inicial; no entanto, técnicas adicionais, como suavização por regressão local, transformação de variáveis ou o uso de gráficos alternativos (como histogramas bivariados), podem ser necessárias para revelar padrões mais claramente.

Um professor do IFPE é coordenador do projeto de monitoramento do rio Capibaribe em Recife-PE, ele utiliza séries temporais que incluem as variáveis nível_chuva (medido em mm), cota_rio (medido em cm) e turbidez_agua (medido de 1 a 4000 NTUs). Durante a fase de exploração, a equipe de análise de dados constatou que:

● Todas as três variáveis possuem valores ausentes de forma esparsa.

● Existe uma forte correlação multivariada (não necessariamente linear) entre as variáveis. Por exemplo, a cota e a turbidez aumentam significativamente após chuvas intensas.

● A distribuição da variável cota_rio é assimétrica, com a presença de outliers significativos que representam eventos de cheias extremas.

Considerando esse cenário, a equipe decidiu usar uma técnica de imputação. A técnica mais robusta e apropriada para preservar a estrutura e as relações intrínsecas dos dados é:

A análise descritiva é responsável por prever eventos futuros com base em dados passados.

No processo de exploração de dados, a funcionalidade drill-down retira os dados filtrados por valor ou intervalo.

A utilização de gráficos de dispersão e histogramas em grandes conjuntos de dados permite visualizar a distribuição das variáveis e a correlação entre elas; a escolha das variáveis independentes e dependentes influencia a percepção de tendências e padrões.