Questão de Tecnologia da Informação · FGV TCE-TO 2022 (nº 51)

Outlier é um valor que foge completamente do padrão esperado dos dados, como uma idade de 200 anos ou um salário invertido. O tratamento de outlier é a etapa que identifica e corrige (ou remove) esses valores anômalos para não distorcer a análise.

• (A) Incorreta: Normalização ajusta a escala dos dados (ex.: deixar tudo entre 0 e 1), mas não remove ou corrige valores extremos como idade de 200 anos.
• (B) Incorreta: Discretização transforma valores contínuos em categorias (ex.: "jovem", "adulto", "idoso"), mas não trata a inconsistência do salário invertido.
• (C) Incorreta: Classificação é uma tarefa de aprendizado de máquina que prevê categorias (ex.: "spam" ou "não spam"), não é uma operação de limpeza de dados.
• (D) Correta: Tratamento de outlier é exatamente a operação de limpeza que lida com pontos extremos e inconsistentes (como idade > 200 e salário ilógico), corrigindo ou removendo esses registros para a série temporal ficar confiável.
• (E) Incorreta: Redução de dimensionalidade diminui o número de colunas/variáveis (ex.: PCA), mas não tem relação com corrigir valores anômalos em uma série temporal.

Armadilha da banca: O distrator mais tentador é (A) Normalização, porque muitos alunos confundem "tratar extremos" com "ajustar valores". Mas normalização apenas muda a escala (ex.: dividir por 1000), não resolve o problema de uma idade biologicamente impossível. A banca testa se você sabe que outlier exige remoção/correção, não apenas transformação matemática.