Questão de TI - Ciência de Dados · FGV EPE 2024 (nº 62)

Em um modelo de regressão, um outlier é um ponto de dado que se afasta muito do padrão geral. Um outlier influente é um outlier que, se removido, alteraria significativamente os resultados do modelo (como os coeficientes da regressão), sendo crucial identificá-los para garantir a robustez do modelo.

(A) Correta: A Distância de Cook mede diretamente o quanto os coeficientes de regressão e os valores preditos do modelo mudam quando uma observação específica é removida, quantificando sua influência.
(B) Incorreta: A Distância de Mahalanobis identifica outliers multivariados (pontos incomuns no espaço das variáveis preditoras), mas não quantifica diretamente a influência desses pontos nos coeficientes do modelo de regressão. A armadilha é confundir "outlier multivariado" com "outlier influente no modelo de regressão".
(C) Incorreta: O Teste de Grubbs é usado para detectar um único outlier em um conjunto de dados univariado e não mede a influência em um modelo de regressão múltipla.
(D) Incorreta: O método do Vizinho mais próximo é geralmente usado para classificação, agrupamento ou detecção de anomalias baseada em densidade, e não para medir a influência de pontos em um modelo de regressão.
(E) Incorreta: O Boxplot é uma ferramenta gráfica para visualizar a distribuição de dados e identificar outliers univariados visualmente, mas não quantifica a influência de um ponto em um modelo de regressão múltipla.