Questão de Noções de Informática — Banco de Dados — FGV 2025
Noções de Informática›Banco de Dados
Código
fg120686
Banca
FGV
Órgão
SEFAZ-PR
Ano
2025
Nível
Superior
Cargo
Auditor Fiscal (Tarde)
Em uma planilha do Excel contendo dados de uma pesquisa sobre saúde mental, observa-se que a taxa de resposta sobre a severidade da depressão é menor entre os homens em comparação com as mulheres.Considere que a primeira coluna da planilha representa o campo “sexo” e está completamente preenchida, mas há dados ausentes na segunda coluna – “severidade da depressão”.Sabendo que a ausência dessas respostas está relacionada ao sexo dos respondentes (uma variável observável), mas não à severidade em si, assinale a opção que indica como podemos classificar os valores não preenchidos na coluna B da planilha.
AMCAR – Missing Completely at Random.
BMNAR – Missing Not at Random.
CMAR – Missing at Random.
DNAR – Not at Random.
ENCNAR – Not Completely not at Random.
Revelar gabarito e comentário▾
GabaritoC — MAR – Missing at Random.
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”.
Dados ausentes: MCAR, MAR e MNAR
Gabarito: letra C. Os valores não preenchidos na coluna B são classificados como MAR – Missing at Random, pois a ausência depende de uma variável observável (o sexo, coluna A), mas não do valor da própria variável com dados ausentes (a severidade da depressão). Essa é a definição clássica de MAR na literatura de tratamento de dados faltantes.
A questão cobra a classificação dos dados ausentes em três categorias principais, que se distinguem pelo mecanismo que gera a ausência. Entender essa distinção é essencial para escolher a técnica de imputação adequada — e é exatamente o que a banca explora.
O que é cada tipo:
MCAR (Missing Completely at Random): a ausência não tem relação com nenhuma variável, observada ou não. É o caso mais raro na prática — a probabilidade de faltar é a mesma para todos os respondentes, independentemente de qualquer característica.
MAR (Missing at Random): a ausência depende de uma variável observável (como o sexo), mas não do valor da variável que está faltando (a severidade). No enunciado, a taxa de resposta sobre a severidade é menor entre os homens — ou seja, a ausência está relacionada ao sexo, que está completamente preenchido na coluna A. Como a ausência não depende da severidade em si, temos MAR.
MNAR (Missing Not at Random): a ausência depende do valor da própria variável que está faltando. Por exemplo, se respondentes com depressão mais severa tendessem a não responder sobre a severidade, seria MNAR — a ausência estaria ligada ao valor não observado.
A pegadinha da banca está em confundir MAR com MNAR. Muitos candidatos leem "relacionada ao sexo" e pensam que é MNAR, mas o que define MNAR é a relação com a própria variável ausente, não com qualquer outra variável. Como a relação é com o sexo (observável), e não com a severidade, o caso é MAR.
NÃO CAIA NESSA!
A banca troca o critério decisivo: no MAR a ausência depende de uma variável observada (sexo); no MNAR ela depende do valor não observado (a própria severidade). O enunciado diz explicitamente que a ausência "não está relacionada à severidade em si" — isso elimina MNAR e aponta direto para MAR. Fique atento: a palavra-chave é "observável".
Dados ausentes
1MCAR
Ausência não depende de nada
Totalmente aleatória
2MAR
Ausência depende de variável observável
Não depende do valor ausente
3MNAR
Ausência depende do próprio valor ausente
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
MCAR – Missing Completely at Random exigiria que a ausência fosse totalmente aleatória, sem relação com nenhuma variável. Aqui, a ausência está relacionada ao sexo, o que descarta MCAR.
Alternativa B — ❌ Incorreta
MNAR – Missing Not at Random ocorreria se a ausência dependesse do valor da própria severidade (ex.: quem tem depressão mais severa não responde). O enunciado afirma o contrário: a ausência não está relacionada à severidade em si.
Alternativa C — ✅ Correta ⟵ GABARITO
MAR – Missing at Random é exatamente o caso: a ausência depende de uma variável observável (sexo), mas não do valor da variável com dados ausentes (severidade). É a definição canônica de MAR.
Alternativa D — ❌ Incorreta
NAR – Not at Random não é uma classificação padrão na literatura de dados ausentes. O termo consagrado para ausência não aleatória é MNAR (Missing Not at Random).
Alternativa E — ❌ Incorreta
NCNAR – Not Completely not at Random é um termo inventado, sem correspondência na literatura. As três categorias clássicas são MCAR, MAR e MNAR.
PEGA ESSA DICA!
Para fixar, lembre-se do critério: a ausência depende de quê?
De nada → MCAR
De uma variável observada → MAR
Do próprio valor ausente → MNAR
Na prova, sublinhe as palavras "observável" e "em si" — elas decidem a questão.