Questão nº 54
Questão de Análise de Informação · FGV CGE-SC 2022 (nº 54)
Sobre detecção de anomalias, analise as afirmativas a seguir.
I. São exemplos de detecção de anomalias: detecção de fraude, detecção de intrusão, monitoramento de sistemas de saúde, qualidade de um produto.
II. São métodos que conseguem lidar com detecção de anomalias: algoritmos baseados em densidade, análise de agrupamento, redes neurais recorrentes, redes bayesianas e modelos de Markov escondidos.
III. A distribuição normal é a distribuição mais comum dos dados considerados dentro de uma normalidade, porém, podemos obter normalidade também por meio de outros tipos de distribuição como a distribuição de Bernoulli, distribuição uniforme, distribuição binomial e distribuição de Minkowski.
IV. A métrica de avaliação desses métodos pode ajudar na identificação de dados fora do padrão. Portanto, as métricas de precisão, sensibilidade e medida-F1 são exemplos de métricas utilizadas para detecção de anomalias.
Está correto o que se afirma em
- AI e II, apenas.
- BII e III, apenas.
- CII, III e II, apenas.
- DI, II e IV, apenas. (alternativa correta)
- EI, III e IV, apenas.
Resposta comentada
Gabarito Alternativa D
A detecção de anomalias é a tarefa de identificar itens, eventos ou observações que não se conformam a um padrão esperado de um conjunto de dados, sendo esses elementos chamados de anomalias ou outliers.
(A) Incorreta: Esta alternativa agrupa I e II, mas a alternativa D, que inclui I, II e IV, é a correta.
(B) Incorreta: Esta alternativa agrupa II e III, mas a afirmativa III está incorreta.
(C) Incorreta: Esta alternativa está mal formatada ("II, III e II, apenas") e não corresponde ao gabarito.
(D) Correta:
- I. Correta: Os exemplos citados (detecção de fraude, intrusão, monitoramento de saúde, qualidade de produto) são aplicações clássicas e muito relevantes da detecção de anomalias, onde o objetivo é encontrar comportamentos ou dados incomuns que indicam um problema.
- II. Correta: Os métodos listados (baseados em densidade, agrupamento, redes neurais recorrentes, redes bayesianas, modelos de Markov escondidos) são, de fato, abordagens amplamente utilizadas e eficazes para identificar anomalias em diferentes tipos de dados e contextos.
- IV. Correta: Precisão, sensibilidade (recall) e medida-F1 são métricas padrão para avaliar o desempenho de modelos de classificação binária, e a detecção de anomalias é frequentemente tratada como tal (normal vs. anômalo). A medida-F1 é particularmente útil devido ao desequilíbrio de classes comum em problemas de anomalia (anomalias são raras).
(E) Incorreta: Esta alternativa agrupa I, III e IV, mas a afirmativa III está incorreta.
Armadilha da banca na Afirmativa III:
A afirmativa III começa corretamente ao mencionar a distribuição normal como comum para dados de "normalidade" e outras distribuições como Bernoulli, uniforme e binomial como válidas para modelar dados normais em contextos específicos. No entanto, ela inclui "distribuição de Minkowski", que é o erro. A distância de Minkowski é uma métrica de distância generalizada (usada para calcular a distância entre pontos em um espaço, como a distância euclidiana ou de Manhattan), e não um tipo de distribuição de probabilidade. Essa é a pegadinha: misturar um conceito correto com um termo técnico mal aplicado para induzir ao erro.
Fonte: FGV CGE-SC 2022 Auditor do Estado - Ciências da Computação (Caderno Tipo 1). Reproduzida para fins de estudo.