Engenharia de Software · FGV · 2023 | Questão sqc-fg067886

Engenharia de SoftwareInteligencia Artificial

Código: fg067886
Banca: FGV
Órgão: Receita Federal
Ano: 2023
Nível: Superior

Cargo: Auditor-Fiscal (manhã)

Luiz, médico dermatologista, criou um modelo de IA para auxiliar na detecção de câncer de pele com visão computacional. Como um modelo de classificação binária, ele terá 4 possíveis saídas: verdadeiro positivo (paciente com câncer, detectado corretamente), verdadeiro negativo (paciente sem câncer, detectado corretamente), falso positivo (paciente sem câncer, detectado incorretamente) e falso negativo (paciente com câncer, não detectado pelo modelo).Levando em consideração que um modelo de IA seria utilizado como uma ferramenta de auxílio ao diagnóstico de câncer de pele, os erros de “tipo 1” (falso positivo) seriam tolerados, já que haveria uma análise posterior realizada por um médico especialista. No entanto, os erros “tipo 2” (falso negativo) seriam os mais críticos, uma vez que podem resultar em um diagnóstico tardio ou falho, comprometendo a saúde do paciente. Tomando o cenário como base, julgue os itens a seguir:I. A métrica mais importante nesse caso seria a Sensibilidade (Recall ou Revocação);II. A métrica mais importante nesse caso seria a Precisão (Precision);III. Ao ajustar o modelo para minimizar erros de "tipo 2", geralmente os erros de "tipo 1" tendem a aumentar;IV. Luiz deveria submeter seu modelo a um treinamento mais longo, independentemente do overfitting.Estão corretas as afirmativas

AI e III, apenas.
BII e III, apenas.
CI e IV, apenas.
DII e IV, apenas.
EIII e IV, apenas.

Revelar gabarito e comentário

GabaritoA — I e III, apenas.

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”.

Métricas de avaliação em classificação binária

Gabarito: letra A (itens I e III corretos). Em problemas de diagnóstico onde o falso negativo (erro tipo II) é crítico, a métrica mais relevante é a Sensibilidade (Recall), e não a Precisão. Além disso, ao reduzir falsos negativos, geralmente se aumenta a taxa de falsos positivos (trade-off inerente).

A questão explora a interpretação da matriz de confusão e o trade-off entre sensibilidade e precisão. O contexto de auxílio ao diagnóstico privilegia a detecção de todos os casos positivos, mesmo que com alguns alarmes falsos, justificando a escolha da sensibilidade como métrica principal.

Real: negativo

Real: positivo

Previsto: negativo

Falso positivo (erro tipo I)

Verdadeiro positivo

Previsto: positivo

Verdadeiro negativo

Falso negativo (erro tipo II)

LEVEL · soulevel.com.br

Item I — ✅ Correto

A Sensibilidade (Recall) mede a proporção de positivos reais corretamente identificados: $Sensibilidade = \frac{VP}{VP + FN}$ . Como o falso negativo é o erro mais grave, maximizar a sensibilidade é prioritário. O item afirma que esta é a métrica mais importante, o que está correto.

Item II — ❌ Incorreto

A Precisão mede a proporção de predições positivas que são corretas: $Precisão = \frac{VP}{VP + FP}$ . Ela é mais relevante quando o custo do falso positivo é alto, o que não é o caso do cenário (falsos positivos são tolerados). Portanto, não é a métrica mais importante aqui.

Item III — ✅ Correto

Existe um trade-off entre sensibilidade e precisão. Para reduzir falsos negativos (aumentar sensibilidade), o modelo tende a classificar mais casos como positivos, o que eleva o número de falsos positivos (erro tipo I). O item descreve exatamente esse comportamento, sendo verdadeiro.

Item IV — ❌ Incorreto

Treinar por mais tempo não garante melhoria e pode levar a overfitting, onde o modelo se ajusta excessivamente aos dados de treino e perde capacidade de generalização. A afirmativa ignora esse risco, sendo falsa.

Conclusão: Estão corretos apenas os itens I e III, correspondendo à alternativa A.

PEGA ESSA DICA!

Em problemas de diagnóstico, foque na sensibilidade (recall) se o falso negativo for crítico. Lembre-se do trade-off: aumentar a sensibilidade geralmente reduz a precisão e vice-versa.

Link permanente: /questoes/fg067886