Questões de Concurso

Um professor aplicou uma prova em uma de suas turmas e as notas foram as seguintes: 5,5,6,7,7,8,8,9,10,10. Ele resolveu calcular a razão entre a mediana e a amplitude desse conjunto de dados, pois isso lhe dará uma ideia da posição do centro dos dados em relação à dispersão total. Qual o valor dessa razão?

A distribuição do valor pago mensalmente aos funcionários de uma empresa hoteleira está representada no quadro abaixo:

De acordo com as informações do quadro, o valor do salário médio pago mensalmente pela empresa é de:

Um analista está realizando análise exploratória de dados com a utilização de ferramentas de business intelligence por meio do Power BI. Ele deseja comparar a distribuição de uma variável numérica contínua entre diferentes categorias (por exemplo, despesas por órgão público), de forma que seja possível visualizar graficamente a mediana, os quartis, a amplitude interquartil e os valores atípicos (outliers).

Assinale a opção que corresponde ao gráfico do Power BI mais adequado para a finalidade pretendida pelo analista na situação hipotética apresentada.

O cerne da obra de Mark Monmonier, “Como mentir com mapas”, decorre de escolhas cartográficas, seja por omissão, simplificação ou classificação, necessárias para representar fenômenos complexos, mas que podem influenciar a interpretação do mapa. No caso dos mapas temáticos, isso inclui a classificação de valores numéricos ao longo de um intervalo contínuo.

Assinale a opção que indica o critério de classificação que divide as feições em classes que possuem a mesma frequência de registros.

Um cientista de dados está desenvolvendo um modelo de segmentação para classificar procedimentos com base em características quantitativas.
Para garantir a comparabilidade entre variáveis, ele aplicou a padronização por escore z (z-score) em um conjunto de dados multivariados, de modo que todas as variáveis passassem a apresentar média 0 e desvio-padrão 1.
Após a padronização, verificou-se que os dados não apresentavam forte separação entre grupos naturais. Em seguida, foi aplicado o algoritmo K-means em Python:

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

kmeans = KMeans(n_clusters=3, n_init=10, random_state=0)
kmeans.fit(X_scaled)

print(kmeans.cluster_centers_)

Observou-se que os centroides obtidos apresentam valores próximos de zero em todas as dimensões.
Considerando o contexto descrito, esse resultado ocorre porque