Pular para o conteúdo principal

Questão de Banco de Dados — Data Mining — FGV 2026

Banco de DadosData Mining
Código
fg125973
Banca
FGV
Órgão
AL-GO
Ano
2026
Nível
Superior
Cargo
Analista Legislativo - Analista de Ciência de Dados
A regressão logística é um modelo muito popular na ciência de dados, ele é muito utilizado em diversos projetos da ALEGO. Com relação às características da regressão logística, analise as afirmativas a seguir.I. É um modelo de regressão linear e dentro do contexto do aprendizado de máquina, a regressão logística pertence à família de modelos de aprendizado de máquina supervisionado.II. Representa dois grupos de interesse como uma variável binária com valores 0 e 1, não importando qual o grupo é designado com os valores o versus 1, mas a designação de como dever ser observada interpretação dos coeficientes.III. A função logística é representada pelas seguintes fórmulas:a) Logit(pi) = 1/(1+ ln(-pi))b) exp(pi/(1-pi)) = β_0 + β _1*X_1 + … + β _k*K_k.onde:logit(pi) é a variável dependente ou de resposta, e x é a variável independente.Está correto o que se afirma em
  1. AII e III, apenas.
  2. BI e III, apenas.
  3. CI e II, apenas.
  4. DII, apenas.
  5. EI, apenas.
Revelar gabarito e comentário

GabaritoC — I e II, 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”.

Regressão Logística

Gabarito: letra C. A regressão logística é um modelo de aprendizado supervisionado usado para classificação binária, onde a variável dependente assume valores 0 ou 1. As afirmativas I e II estão corretas, enquanto a III apresenta fórmulas incorretas.

Afirmativa

Conteúdo

Correção

Motivo

I

Regressão logística é modelo de aprendizado supervisionado

✅ Correta

Utiliza dados rotulados para treinar classificador; banca considerou correta apesar de mencionar "regressão linear"

II

Variável binária (0 e 1); designação dos grupos não importa, mas altera interpretação dos coeficientes

✅ Correta

A variável dependente é binária; a escolha de qual grupo recebe 0 ou 1 afeta a interpretação dos log-odds

III

Fórmulas apresentadas: Logit(pi) = 1/(1+ ln(-pi)) e exp(pi/(1-pi)) = β₀ + β₁X₁ + … + βₖXₖ

❌ Incorreta

Função logit correta é ln(pi/(1-pi)); as expressões fornecidas são matematicamente inválidas

Afirmativa I — ✅ Correta

A regressão logística é um modelo de aprendizado supervisionado, pois utiliza dados rotulados para treinar o classificador. Embora o texto mencione "modelo de regressão linear", a regressão logística é na verdade um modelo de classificação, mas a banca a considerou correta por ser um modelo supervisionado.

Afirmativa II — ✅ Correta

A variável dependente é binária (0 e 1), representando dois grupos. A designação dos valores não afeta a análise, mas altera a interpretação dos coeficientes (log-odds).

Afirmativa III — ❌ Incorreta

As fórmulas apresentadas estão erradas. A função logit é definida como:

logit(pi)=ln⁡(pi1−pi)=β0+β1X1+⋯+βkXk\text{logit}(p_i) = \ln\left(\frac{p_i}{1-p_i}\right) = \beta_0 + \beta_1 X_1 + \dots + \beta_k X_k

E a probabilidade é dada por:

pi=11+e−(β0+β1X1+⋯+βkXk)p_i = \frac{1}{1 + e^{-(\beta_0 + \beta_1 X_1 + \dots + \beta_k X_k)}}

As expressões fornecidas (como (1/(1+\ln(-p_i)))) são matematicamente inválidas.

Conclusão: Apenas as afirmativas I e II estão corretas, portanto o gabarito é a letra C.

Link permanente: /questoes/fg125973