Questão de Banco de Dados — Normalização — FUNDATEC 2025

Normalização de dados: conceito e técnicas

Gabarito: letra A. Apenas a assertiva I está correta: a normalização de dados é recomendável quando os limites de valores de atributos distintos são muito diferentes, para evitar que um atributo predomine sobre outro. As assertivas II e III estão incorretas porque invertem os conceitos de padronização e reescala — a padronização (z-score) define um valor central e um desvio padrão comuns, enquanto a reescala (min-max) define limites mínimo e máximo para todos os atributos.

A normalização de dados é um processo fundamental em bancos de dados e em mineração de dados, mas é importante distinguir dois contextos completamente diferentes em que o termo é usado. No contexto de modelagem de banco de dados relacionais, a normalização é o processo de organizar os dados para reduzir redundância e evitar anomalias de inserção, exclusão e atualização, utilizando as formas normais (1FN, 2FN, 3FN, FNBC, 4FN, 5FN). Já no contexto de pré-processamento de dados para mineração de dados (data mining), a normalização é uma técnica de transformação de valores numéricos para uma escala comum, evitando que atributos com faixas de valores muito diferentes dominem a análise. É exatamente esse segundo contexto que a questão aborda.

No pré-processamento, existem duas técnicas principais de normalização:

1. Reescala (min-max): transforma os valores para um intervalo fixo, geralmente [0, 1] ou [-1, 1]. A fórmula é: $v' = \frac{v - min}{max - min}$. Essa técnica define limites mínimo e máximo para todos os atributos.

2. Padronização (z-score): transforma os valores para que tenham média 0 e desvio padrão 1. A fórmula é: $v' = \frac{v - \mu}{\sigma}$. Essa técnica define um valor central (a média) e um valor de espalhamento (o desvio padrão) comuns.

A assertiva I está correta porque a normalização é recomendada exatamente quando os atributos têm escalas muito diferentes — por exemplo, um atributo com valores entre 0 e 1 e outro com valores entre 0 e 1000. Sem normalizar, o atributo com maior amplitude dominaria o cálculo de distâncias em algoritmos como k-NN, SVM e redes neurais.

A assertiva II está incorreta porque inverte os conceitos: a padronização (z-score) não define limites mínimo e máximo, mas sim um valor central (média) e um desvio padrão. A assertiva III também está incorreta porque inverte os conceitos: a reescala (min-max) não define um valor central e um espelhamento, mas sim limites mínimo e máximo.

A pegadinha da banca está exatamente na inversão dos conceitos entre as duas técnicas. O candidato que memoriza os nomes sem entender o que cada uma faz acaba marcando as assertivas II e III como corretas, caindo na alternativa E. Para acertar, é preciso saber que:

Item I — ✅ Correto

A assertiva I está correta. A normalização de dados é recomendável quando os limites de valores de atributos distintos são muito diferentes, para evitar que um atributo predomine sobre outro. Esse é exatamente o objetivo da normalização no pré-processamento de dados: colocar todos os atributos em uma escala comparável, evitando que atributos com maior amplitude dominem a análise.

Item II — ❌ Incorreto

A assertiva II está incorreta. A normalização por padronização (z-score) não define limites mínimo e máximo, mas sim um valor central (média) e um valor de espalhamento (desvio padrão) comuns. A definição de limites mínimo e máximo é característica da reescala (min-max).

Item III — ❌ Incorreto

A assertiva III está incorreta. A normalização por reescala (min-max) não define um valor central e um valor de espelhamento, mas sim limites mínimo e máximo para todos os atributos. A definição de valor central e espalhamento é característica da padronização (z-score).

Conclusão: Apenas o item I está correto. Portanto, a alternativa correta é a letra A.

Gabarito: letra A