Questão de Estatística — Modelos lineares — FGV 2026
Estatística›Modelos lineares
Código
fg133941
Banca
FGV
Órgão
TJ-RJ
Ano
2026
Nível
Superior
Cargo
Analista Judiciário - Tecnologia da Informação - Arquiteto de Dados
Um tribunal deseja prever o tempo de tramitação (em dias) de processos de uma determinada classe, desde a distribuição até a sentença em 1ª instância. Um cientista de dados ajustou um modelo de regressão usando variáveis como tipo de ação, vara, quantidade de partes e histórico de movimentações, e avaliou o modelo no conjunto de teste. Como métrica principal, ele calculou a soma das diferenças absolutas dividida pelo número de observações, ou:Erro = ´obtendo Erro = 18, que foi interpretado como: “em média, o modelo erra em 18 dias o tempo de tramitação dos processos”. A métrica utilizada pelo cientista de dados é:
AErro Médio Absoluto (MAE);
BErro Quadrático Médio (MSE);
CCoeficiente de Determinação (R²);
DRaiz do Erro Quadrático Médio (RMSE);
EErro Percentual Absoluto Médio (MAPE).
Revelar gabarito e comentário▾
GabaritoA — Erro Médio Absoluto (MAE);
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 modelos de regressão
Gabarito: letra A. A métrica apresentada na imagem, que calcula a média aritmética das diferenças absolutas entre os valores observados () e os valores previstos (), é o Erro Médio Absoluto (MAE - Mean Absolute Error).
O MAE é uma medida de erro que expressa a magnitude média dos erros em um conjunto de previsões, sem considerar a direção (positiva ou negativa) do erro, pois utiliza o valor absoluto da diferença. Sua interpretação é direta na mesma unidade da variável dependente, o que justifica a afirmação do cientista de que o modelo erra, em média, 18 dias.
Métricas de regressão: MAE (Erro Médio Absoluto) (Fórmula: média de |y - ŷ|, Unidade original da variável, Interpretação direta); MSE (Erro Quadrático Médio) (Fórmula: média de (y - ŷ)², Penaliza erros maiores); RMSE (Raiz do Erro Quadrático Médio) (Fórmula: √(MSE), Unidade original); R² (Coeficiente de Determinação) (Proporção da variância explicada, Não é erro em unidades); MAPE (Erro Percentual Absoluto Médio) (Fórmula: média de |(y - ŷ)/y| × 100, Erro relativo (percentual))
Alternativa A — ✅ Correta ⟵ GABARITO
O Erro Médio Absoluto (MAE) é definido exatamente pela fórmula fornecida: . É a métrica que melhor se alinha à interpretação de erro médio em unidades originais.
Alternativa B — ❌ Incorreta
O Erro Quadrático Médio (MSE) é calculado pela média dos quadrados das diferenças: . Ele penaliza erros maiores de forma mais severa devido à elevação ao quadrado.
Alternativa C — ❌ Incorreta
O Coeficiente de Determinação () é uma medida estatística que indica a proporção da variância da variável dependente que é explicada pelas variáveis independentes no modelo, não sendo uma medida direta de erro em unidades de tempo.
Alternativa D — ❌ Incorreta
A Raiz do Erro Quadrático Médio (RMSE) é a raiz quadrada do MSE: . Embora também seja expressa na unidade original, sua fórmula difere da apresentada na imagem.
Alternativa E — ❌ Incorreta
O Erro Percentual Absoluto Médio (MAPE) calcula a média das porcentagens de erro absoluto: . Ele é utilizado para avaliar a precisão em termos relativos (percentuais), não em unidades absolutas como "dias".
NÃO CAIA NESSA!
Para não confundir as métricas, lembre-se da estrutura do nome:
´obtendo Erro = 18, que foi interpretado como: “em média, o modelo erra em 18 dias o tempo de tramitação dos processos”. A métrica utilizada pelo cientista de dados é: