Estatística · FGV · 2026 | Questão sqc-fg129796

EstatísticaEstatística descritiva (análise exploratória de dados)

Código: fg129796
Banca: FGV
Órgão: AMAZUL
Ano: 2026
Nível: Superior

Cargo: Tecnólogo em Fabricação Mecânica

A MetalMec Indústria de Componentes especializada na produção de eixos e componentes metálicos de precisão, identificou aumento no número de peças rejeitadas em suas máquinas CNC. Um inspetor de qualidade coletou, durante 10 dias, dados sobre a temperatura média das máquinas (°C) e o número de peças rejeitadas por dia, obtendo o seguinte gráfico de dispersão. Imagem associada para resolução da questão

Imagem associada para resolução da questão

Com base na situação apresentada, analise as afirmações a seguir, classificando-as como verdadeiras (V) ou falsas (F).( ) Existe uma correlação positiva forte entre a temperatura da máquina e o número de peças rejeitadas.( ) É possível aplicar um modelo matemático para prever o número de peças rejeitadas em função da temperatura, criando-se uma equação y= a + bx, sendo y a temperatura e x o número de peças rejeitadas.( ) A causa do aumento de peças rejeitadas é necessariamente a temperatura, e outros fatores podem ser ignorados. (( ) Uma análise de regressão linear poderia quantificar o impacto da temperatura sobre o índice de rejeição, permitindo ações preventivas mais precisas.A sequência correta de preenchimento dos parênteses, de cima para baixo, é

AV – V – F – V.
BV – F – F – V.
CV – F – V – F.
DF – V – F – V.
EV – F – V – V.

Revelar gabarito e comentário

GabaritoB — V – F – F – V.

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”.

Correlação e Regressão Linear em Contexto Prático

Gabarito: letra B. A sequência correta é V – F – F – V. O gráfico de dispersão (não disponível) indica uma forte correlação positiva entre temperatura e peças rejeitadas (1ª V). Entretanto, o modelo de regressão deve ter como variável dependente (y) o número de peças rejeitadas e como independente (x) a temperatura – o contrário é erro (2ª F). A correlação não implica causalidade exclusiva (3ª F), mas a regressão linear permite quantificar o impacto e auxiliar ações preventivas (4ª V).

A questão testa conceitos fundamentais de análise de correlação e regressão linear, comuns em problemas de controle de qualidade. A pegadinha está na definição correta da equação de regressão e na interpretação da correlação como causalidade.

NÃO CAIA NESSA!

A banca inverte as variáveis na equação (y = temperatura, x = peças) e tenta fazer o aluno acreditar que correlação forte implica causalidade. Na regressão, a variável dependente é aquela que se deseja prever (peças rejeitadas), e a independente é a explicativa (temperatura). Além disso, correlação não prova relação de causa e efeito – outros fatores podem influenciar.

Alternativa A — ❌ Incorreta

Afirma a sequência V – V – F – V. O segundo item é falso (a equação está com as variáveis trocadas), portanto a sequência completa está errada.

Alternativa B — ✅ Correta ⟵ GABARITO

Sequência V – F – F – V, conforme análise dos itens: primeiro verdadeiro, segundo falso, terceiro falso, quarto verdadeiro.

Alternativa C — ❌ Incorreta

Apresenta V – F – V – F. O terceiro item (causalidade exclusiva) é falso, não verdadeiro como proposto; além disso, o quarto item é verdadeiro, não falso.

Alternativa D — ❌ Incorreta

Traz F – V – F – V. O primeiro item (existência de correlação positiva forte) é verdadeiro, não falso. O segundo item (equação correta) é falso, não verdadeiro.

Alternativa E — ❌ Incorreta

Sequência V – F – V – V. O terceiro item (causalidade) é falso, não verdadeiro; os demais estão corretos, mas o erro no terceiro torna a alternativa inválida.

📊 Esquema visual do raciocínio:

Item	Afirmação	V/F	Justificativa
I	Correlação positiva forte	V	Os pontos no gráfico tendem a subir juntos.
II	Modelo y = a + bx, com y = temperatura e x = peças	F	O correto é y = peças, x = temperatura.
III	Temperatura é causa necessária; outros fatores ignorados	F	Correlação não implica causalidade.
IV	Regressão linear quantifica impacto e permite ações preventivas	V	Sim, é uma aplicação direta.

PEGA ESSA DICA!

Em questões de regressão, identifique sempre a variável dependente (o que se quer prever) e a independente (o que explica). Para lembrar: y = f(x); y depende de x. Além disso, grave: correlação alta ≠ causalidade.

Gabarito: letra B.

Link permanente: /questoes/fg129796