Questão de Estatística — Cálculo de Probabilidades — CESPE / CEBRASPE 2024
Estatística›Cálculo de Probabilidades
Código
ce167051
Banca
CESPE / CEBRASPE
Órgão
ANATEL
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços Públicos de Telecomunicações – Especialidade: Ciências de Dados
Julgue o próximo item, relativo a Naive Bayes e random forest.Nas árvores de decisão e em random forest, são utilizadas técnicas estatísticas com o objetivo de se produzir, a partir de um conjunto de observações, uma predição de valores em função de uma ou mais variáveis independentes contínuas e(ou) binárias.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Árvores de decisão e random forest: predição de valores
❌ ERRADO. A afirmação está incorreta porque árvores de decisão e random forest são técnicas de aprendizado de máquina que podem ser usadas tanto para classificação (predizer uma variável categórica) quanto para regressão (predizer uma variável contínua). O enunciado restringe indevidamente a predição a "valores em função de uma ou mais variáveis independentes contínuas e(ou) binárias", o que descreve apenas o cenário de regressão, ignorando a aplicação mais comum desses algoritmos em problemas de classificação.
O item mistura dois conceitos: a natureza das variáveis independentes (que podem ser contínuas ou binárias) com o tipo de variável dependente (que pode ser categórica ou contínua). A frase sugere que a predição é sempre de "valores" (contínuos), mas em classificação a saída é uma categoria (ex.: sim/não, spam/não-spam). Além disso, a expressão "técnicas estatísticas" é vaga e não captura a essência dos algoritmos, que são baseados em regras de decisão e combinação de modelos.
Predição em árvores de decisão e random forest — só Classificação: categórica; só Regressão: contínua; Classificação∩Regressão: ambas
Análise do item
O item afirma que árvores de decisão e random forest produzem "uma predição de valores em função de uma ou mais variáveis independentes contínuas e(ou) binárias". O erro está em:
Restringir a predição a "valores": em classificação, a saída é uma classe (rótulo), não um valor contínuo. Por exemplo, uma árvore de decisão pode classificar um e-mail como "spam" ou "não-spam".
Ignorar a variável dependente categórica: o enunciado fala apenas das variáveis independentes (contínuas/binárias), mas não menciona que a variável alvo pode ser categórica.
Generalizar "técnicas estatísticas": embora haja fundamentação estatística (ex.: índice de Gini, entropia), a definição é imprecisa e não diferencia os algoritmos de outras técnicas.
A afirmação estaria correta se dissesse que árvores de decisão e random forest podem ser usadas para classificação ou regressão, dependendo da natureza da variável dependente.
NÃO CAIA NESSA!
A banca explora a confusão entre variáveis independentes (que podem ser contínuas ou binárias) e variável dependente (que pode ser categórica ou contínua). O candidato pode ler "predição de valores" e pensar apenas em regressão, esquecendo que a classificação é o uso mais comum desses algoritmos. Fique atento: a presença de "valores" no texto não significa que a saída é sempre numérica — pode ser uma classe.