Questão de Algoritmos e Estrutura de Dados — Conceitos Básicos de Estrutura de Dados — FGV 2024
Algoritmos e Estrutura de Dados›Conceitos Básicos de Estrutura de Dados
Código
fg086298
Banca
FGV
Órgão
INPE
Ano
2024
Nível
Superior
Cargo
Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Uma pesquisa sobre a dispersão espacial do risco de ocorrência de um determinado fenômeno utilizou a estimação Bayesiana como método de estimação.Sobre esse método de estimação, assinale a opção correta.
AConsidera inicialmente que o parâmetro a estimar é desconhecido.
BConsidera inicialmente que o parâmetro a estimar é conhecido levando em conta os dados coletados da amostra.
CConsidera inicialmente que o parâmetro é uma quantidade cuja variação pode ser descrita por uma distribuição de probabilidade somente depois da retirada da amostra.
DConsidera inicialmente que o parâmetro é uma quantidade cuja variação pode ser descrita por uma distribuição de probabilidade antes da retirada da amostra.
EConsidera inicialmente uma amostra aleatória que é retirada e uma população indexada pelo parâmetro a estimar, baseado nos valores observados da amostra.
Revelar gabarito e comentário▾
GabaritoD — Considera inicialmente que o parâmetro é uma quantidade cuja variação pode ser descrita por uma distribuição de probabilidade antes da retirada da amostra.
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”.
Estimação Bayesiana
Gabarito: letra D. O método Bayesiano considera o parâmetro como uma variável aleatória, cuja incerteza é modelada por uma distribuição de probabilidade a priori, definida antes da coleta da amostra. Após observar os dados, essa distribuição é atualizada para a distribuição a posteriori, utilizando o Teorema de Bayes. A alternativa D captura exatamente essa característica fundamental.
A banca explora a confusão entre os momentos da distribuição (a priori vs a posteriori) e a diferença entre a abordagem Bayesiana e a frequentista.
1Distribuição a priori (antes da amostra)
2Coleta da amostra (dados observados)
3Teorema de Bayes (atualização)
4Distribuição a posteriori (após dados)
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Afirma que o parâmetro é inicialmente desconhecido. Embora isso seja verdade, não é uma característica distintiva do método Bayesiano – a estatística frequentista também trata o parâmetro como desconhecido. A abordagem Bayesiana vai além: ela atribui uma distribuição de probabilidade ao parâmetro antes de observar os dados. Portanto, a alternativa é incompleta para definir o método.
Alternativa B — ❌ Incorreta
Diz que o parâmetro é inicialmente conhecido com base nos dados. Isso é o oposto do que ocorre: na estimação Bayesiana, o parâmetro não é conhecido; apenas se tem uma crença inicial (a priori) sobre ele, que é atualizada após os dados. A alternativa inverte o raciocínio, confundindo com uma visão determinística.
Alternativa C — ❌ Incorreta
Afirma que a distribuição de probabilidade do parâmetro surge somente depois da amostra. Isso descreve a distribuição a posteriori, não a inicial. O cerne do método Bayesiano é justamente a existência de uma distribuição a priori (antes dos dados). Portanto, a alternativa troca o momento correto.
Alternativa D — ✅ Correta ⟵ GABARITO
Exatamente: a estimação Bayesiana parte de uma distribuição de probabilidade para o parâmetro antes da retirada da amostra (distribuição a priori). Essa distribuição expressa a incerteza inicial sobre o parâmetro, e depois é atualizada com os dados observados via Teorema de Bayes, gerando a distribuição a posteriori.
Alternativa E — ❌ Incorreta
Descreve a abordagem frequentista, em que a amostra é aleatória e o parâmetro é fixo (população indexada). Na Bayesiana, a amostra é considerada fixa (os dados observados) e o parâmetro é tratado como aleatório, com uma distribuição de probabilidade. A alternativa inverte os papéis.
NÃO CAIA NESSA!
A banca troca o momento da distribuição (antes/depois) e inverte a natureza do parâmetro (aleatório vs fixo). Memorize: na Bayesiana, a distribuição a priori vem antes da amostra; a a posteriori vem depois. Na frequentista, o parâmetro é fixo e a amostra é aleatória.