Questão de Estatística — Análise de séries temporais — FGV 2026
Estatística›Análise de séries temporais
Código
fg133967
Banca
FGV
Órgão
TJ-RJ
Ano
2026
Nível
Superior
Cargo
Analista Judiciário - Tecnologia da Informação - Cientista de Dados
Um cientista de dados treinou três modelos para prever evasão escolar usando dados de 12.000 alunos de 2019-2023: Random Forest, XGBoost e Regressão Logística. Para avaliar os modelos, dividiu o dataset em 70% treino e 30% teste, treinou cada modelo no conjunto de treino e reportou as seguintes acurácias no teste: RF=89%, XGBoost=91%, Logística=82%. Com base nesses resultados, foi recomendado o XGBoost para produção.A avaliação dessa metodologia de validação é:
Acorreta, pois a divisão 70/30 é padrão da indústria e a acurácia no teste é métrica adequada para classificação binária;
Bincorreta, porque single train-test split pode gerar resultado otimista por sorte na divisão; deveria usar k-fold cross-validation para estimar performance média e variância;
Ccorreta, desde que a divisão preserve a proporção de classes (stratified split) e que o conjunto de teste não tenha vazamento de dados do treino;
Dincorreta, pois séries temporais (2019-2023) exigem validação temporal forward-chaining, e não split aleatório que viola ordenação temporal;
Ecorreta para seleção preliminar, mas produção exige validação em dados totalmente novos (holdout set separado) não vistos durante o desenvolvimento.
Revelar gabarito e comentário▾
GabaritoD — incorreta, pois séries temporais (2019-2023) exigem validação temporal forward-chaining, e não split aleatório que viola ordenação temporal;
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”.
Validação de modelos preditivos em séries temporais
Gabarito: letra D. A metodologia é incorreta porque os dados são uma série temporal (2019–2023) e o split aleatório 70/30 viola a ordenação temporal, ignorando a dependência entre observações consecutivas. Para séries temporais, a validação correta é a temporal (forward-chaining), em que o modelo é treinado no passado e testado no futuro, preservando a ordem cronológica.
O problema central está na natureza dos dados. Em séries temporais, as observações não são independentes: o valor de um ano depende dos anos anteriores (tendência, sazonalidade, ciclos). Um split aleatório embaralha essa ordem, fazendo com que o modelo "aprenda" com dados do futuro e seja testado com dados do passado — o que gera uma estimativa otimista e irrealista da performance. É exatamente o que a alternativa D aponta.
A alternativa B também identifica uma limitação real do single train-test split (alta variância da estimativa), mas não é o erro mais grave aqui. O problema decisivo é a violação da dependência temporal, que torna qualquer split aleatório inválido — mesmo com k-fold, se o embaralhamento for aleatório, o vazamento temporal persiste. Por isso, a resposta correta é a D, que nomeia a técnica adequada: validação temporal (forward-chaining), também chamada de walk-forward validation.
Validação de modelos preditivos — só Métodos corretos: validação temporal; só Métodos incorretos: k-fold, holdout, split aleatório; Métodos corretos∩Métodos incorretos: nenhum
Alternativa A — ❌ Incorreta
Afirma que a metodologia é correta porque a divisão 70/30 é padrão e a acurácia é adequada. O erro: ignora que os dados são temporais. A divisão 70/30 pode ser padrão para dados independentes, mas não para séries temporais, onde a ordem importa. A acurácia, embora seja uma métrica válida para classificação binária, não corrige o problema do split aleatório.
Alternativa B — ❌ Incorreta
Reconhece que o single split pode ser otimista e sugere k-fold cross-validation. O erro: k-fold com embaralhamento aleatório também viola a ordem temporal. Em séries temporais, o k-fold tradicional não é adequado — a validação deve ser temporal (forward-chaining), treinando no passado e testando no futuro. A alternativa B aponta um problema real, mas propõe uma solução que não resolve o caso específico de dados temporais.
Alternativa C — ❌ Incorreta
Diz que a metodologia é correta desde que haja stratified split e ausência de vazamento. O erro: mesmo com estratificação por classe, o split aleatório continua violando a ordem temporal. A estratificação preserva a proporção de classes, mas não a sequência cronológica. O vazamento de dados é um problema adicional, mas não é o único — a dependência temporal é o ponto central.
Alternativa D — ✅ Correta ⟵ GABARITO
Identifica corretamente o erro: séries temporais exigem validação temporal (forward-chaining), e o split aleatório viola a ordenação temporal. É exatamente o que a alternativa afirma. A validação temporal consiste em treinar o modelo com dados passados e testar com dados futuros, simulando o cenário real de produção, onde o modelo prevê o futuro com base no passado.
Alternativa E — ❌ Incorreta
Diz que a metodologia é correta para seleção preliminar, mas que produção exige um holdout set separado. O erro: o holdout set separado, se for um split aleatório, também viola a ordem temporal. A questão não é apenas ter dados "novos", mas respeitar a sequência cronológica. A validação temporal é necessária desde a seleção preliminar, não apenas na produção.
NÃO CAIA NESSA!
A banca explora a confusão entre validação de dados independentes e dados temporais. O candidato que conhece k-fold cross-validation (alternativa B) pode marcar essa opção, mas ela não resolve o problema da dependência temporal. A pegadinha está em aplicar técnicas de validação de dados i.i.d. (independentes e identicamente distribuídos) a uma série temporal, onde a ordem é essencial. Fique atento: quando o enunciado menciona anos, meses ou qualquer sequência temporal, a validação deve ser temporal (forward-chaining), não aleatória.
PEGA ESSA DICA!
Para identificar a validação correta em séries temporais, pergunte-se: "o modelo será usado para prever o futuro?" Se sim, o treino deve ser sempre no passado e o teste no futuro. Técnicas como walk-forward validation (ou validação temporal) simulam exatamente esse cenário. Compare com o k-fold tradicional: ele embaralha os dados, o que é inválido para séries temporais. Memorize: dados temporais → validação temporal; dados independentes → k-fold ou holdout.