FC ConcursosFC Concursos

Questão FC546321

Avalie as assertivas que seguem sobre conceitos e metodologias em Business Intelligence e em análise de dados e marque V, para as verdadeiras, e F, para as falsas: (__)Em análise d

Bancos de Dados Dimensionais

FURB · 2025

Avalie as assertivas que seguem sobre conceitos e metodologias em Business Intelligence e em análise de dados e marque V, para as verdadeiras, e F, para as falsas:

 

(__)Em análise de regressão, para prever observações futuras com maior solidez, é útil que a relação entre variáveis explicativas (independentes) e variável resposta (dependente) possa ser logicamente interpretada como causal.

 

(__)O F-measure é uma métrica utilizada para avaliar modelos de classificação, que combina precisão e taxa de verdadeiros positivos.

 

(__)Wrapper methods, em seleção de atributos para data mining, avaliam um grupo de variáveis utilizando o mesmo algoritmo de classificação ou regressão que será usado para prever a variável alvo, e são, no geral, computacionalmente leves.

 

(__) A granularidade dos dados em um sistema BI refere-se ao nível de detalhe, e sistemas BI devem idealmente manter dados detalhados para permitir a validação da validade dos dados e evitar discussões sobre o resultado.

 

Assinale a alternativa que apresenta a sequência correta:

  1. V − V − F − V.
  2. V − V − V − F.
  3. F − F − V − F.
  4. V − F − V − V.
  5. F − F − F − V.
Mostrar resposta e comentário

Gabarito

A

Comentário do professor

Análise de regressão: quando a relação entre variáveis independentes e a dependente pode ser interpretada sob uma lógica causal, as previsões tendem a ser mais robustas, porque o modelo reflete mecanismos reais e não apenas correlações espúrias. Isso auxilia na generalização para novas observações.

F-measure: é a média harmônica entre precisão e recall (taxa de verdadeiros positivos), equilibrando erros do tipo I e II em tarefas de classificação, sendo apropriada quando se quer comprometer entre ambos.

Wrapper methods: avaliam subconjuntos de atributos usando o mesmo algoritmo de predição, o que geralmente aumenta a qualidade da seleção, mas torna o processo computacionalmente pesado devido à busca e à reavaliação repetida do modelo.

Granularidade: refere-se ao nível de detalhe dos dados; manter dados detalhados em BI permite validação, auditoria e evita disputas sobre resultados.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo