Questão nº 63
Questão de Ciência de Dados e Banco de Dados · CEBRASPE SUSEP 2025 (nº 63)
Julgue os próximos itens, relativos a manipulação, tratamento e visualização de dados, ETL e ELT, e MLOps.
No tratamento de valores ausentes em conjuntos de dados, a imputação baseada em modelos como KNN ou regressão geralmente preserva melhor as relações estatísticas entre variáveis do que métodos simples como substituição pela média ou mediana, especialmente quando os dados não estão ausentes completamente ao acaso (MCAR).
Resposta comentada
Valores ausentes são "buracos" nas células de uma tabela. Quando o buraco não é aleatório (ou seja, o fato de faltar já carrega informação — é o caso MAR/MNAR, não MCAR), métodos simples como preencher com a média ou mediana "achatam" a variável: todo mundo que faltava recebe o mesmo valor central, o que encolhe a variância e enfraquece correlações com outras variáveis. Já métodos baseados em modelo (KNN, regressão) usam as outras variáveis para estimar cada valor faltante individualmente, respeitando o padrão estatístico conjunto dos dados.
- Correta: Certo. Imputação por KNN/regressão aproveita a estrutura multivariada (relações entre variáveis) para preencher cada ausência com um valor plausível, preservando melhor variância e correlações do que média/mediana — sobretudo quando os dados não são MCAR.
Fica de olho: a banca costuma trocar o cenário e dizer que "KNN/regressão são sempre superiores à média/mediana, inclusive quando os dados são MCAR". Aí o item fica errado: sob MCAR, a média/mediana é estimador não viesado e simples, e modelos complexos podem até introduzir viés ou overfitting sem ganho real. Outra pegadinha comum: afirmar que "imputação por média preserva a variância original" — é justamente o contrário, ela reduz a variância.
Fonte: CEBRASPE SUSEP 2025 Analista Técnico - Área: Tecnologia da Informação e Ciência de Dados. Reproduzida para fins de estudo.