Questão FC369816
No contexto de análise de dados numéricos em aplicações de Big Data, há casos em que é necessário lidar com a identificação/isolamento de outliers. Uma das técnicas utilizadas ness
Bancos de Dados Dimensionais
FGV · 2024
No contexto de análise de dados numéricos em aplicações de Big Data, há casos em que é necessário lidar com a identificação/isolamento de outliers. Uma das técnicas utilizadas nesses casos é baseada na fórmula a seguir.
Z = (x – μ) / σ
Na fórmula, “Z” é um fator (ou escore) que permite estabelecer se o valor numérico “x” deve ser considerado um outlier ou não.
Os símbolos “μ” e “σ” empregados na fórmula significam respectivamente:
- desvio padrão; quantidade de valores avaliados.
- média aritmética; variância.
- mediana; quantidade de valores avaliados.
- média aritmética; desvio padrão.
- variância; desvio padrão.
Mostrar resposta e comentário
Gabarito
D
Comentário do professor
μ representa a média aritmética dos valores da amostra ou população: \( \mu=\frac{1}{n}\sum_{i=1}^{n}x_i\). É o centro estatístico que resume o nível médio dos dados.
σ é o desvio padrão, a raiz quadrada da variância, que mede a dispersão em torno da média: \( \sigma=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i-\mu)^2}\) (para amostras usa-se frequentemente \(n-1\) no denominador).
A expressão \(Z=\frac{x-\mu}{\sigma}\) transforma \(x\) em número de desvios-padrão em relação à média; valores absolutos grandes indicam possíveis outliers. Critérios comuns: \(|Z|>3\) (mais conservador) ou \(|Z|>2\) (mais sensível).
Observação prática: como média e desvio padrão são sensíveis a extremos, em distribuições assimétricas ou com caudas pesadas pode ser preferível usar medidas robustas (mediana e MAD) para detectar outliers.
Conteúdo do catálogo FC Concursos · Atualizado em