Questão de TI - Ciência de Dados · FGV EPE 2024 (nº 61)

A imputação de dados é o processo de preencher valores ausentes em um conjunto de dados, permitindo que a análise continue sem descartar informações importantes. Em séries temporais, como o consumo mensal de energia, é crucial que a técnica de imputação respeite a ordem e a dependência dos dados ao longo do tempo.

(A) Incorreta: A substituição por um valor de tendência central (média, mediana, moda) ignora a ordem temporal dos dados. Isso pode distorcer tendências, sazonalidades e a variância da série, tornando a análise subsequente imprecisa, especialmente em um período tão longo como 40 anos.

(B) Incorreta: Embora modelos de regressão possam ser usados para imputação, a "regressão linear simples" é muito limitada para uma série temporal de 40 anos de consumo de energia. Ela pressupõe uma relação linear simples que dificilmente capturaria sazonalidades, tendências complexas ou mudanças estruturais ao longo de décadas. Modelos de séries temporais mais sofisticados seriam necessários, mas a opção especifica "simples". Esta é uma armadilha porque a regressão é uma ferramenta de predição, mas a simplicidade do modelo proposto a torna inadequada para a complexidade da série temporal.

(C) Incorreta: O algoritmo EM (Expectation-Maximization) é uma técnica poderosa para estimar parâmetros de modelos estatísticos na presença de dados faltantes, e pode ser usado para imputação. No entanto, é mais complexo e computacionalmente intensivo. Para uma série temporal de uma única variável onde a continuidade é uma suposição razoável, métodos mais simples e diretos, como o último valor observado, são frequentemente mais apropriados e eficientes como primeira abordagem.

(D) Correta: O método do último valor observado (Last Observation Carried Forward - LOCF) é uma técnica comum e geralmente apropriada para séries temporais. Ele preenche um valor faltante com o último valor válido que foi observado antes da lacuna. Em dados de consumo mensal de energia, é razoável supor que o consumo do mês anterior é a melhor estimativa para o mês atual, especialmente se a lacuna for curta. Essa abordagem mantém a continuidade temporal, é simples de implementar e é menos propenso a distorcer as características da série temporal do que a média ou uma regressão linear simples.

(E) Incorreta: O método de Monte Carlo é uma classe de algoritmos que usa amostragem aleatória para obter resultados numéricos. Ele não é uma técnica de imputação por si só, mas sim uma ferramenta que pode ser usada dentro de outras técnicas de imputação (como a imputação múltipla, onde valores são sorteados de uma distribuição preditiva). A opção é muito genérica e não descreve uma técnica de imputação específica e aplicável diretamente ao problema.