Pular para o conteúdo principal

Questão de Banco de Dados — Conceitos Básicos em Banco de Dados — Quadrix 2023

Banco de DadosConceitos Básicos em Banco de Dados
Código
qg025984
Banca
Quadrix
Órgão
CREA-GO
Ano
2023
Nível
Superior
Cargo
Analista de Área - T.I
Quanto aos conceitos utilizados no tratamento de dados e na análise de dados e informações, julgue o item.No tratamento de dados, a discretização pode ser definida como sendo um método que visa agrupar valores contínuos de uma variável em intervalos ou categorias distintas, simplificando a análise e o entendimento dos dados.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

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”.

Discretização no tratamento de dados

Gabarito: CERTO. A assertiva define corretamente a discretização: um método que transforma valores contínuos de uma variável em intervalos ou categorias distintas, simplificando a análise e o entendimento dos dados. Esse é um conceito clássico de pré-processamento de dados, presente em qualquer material de mineração de dados e análise exploratória.

A discretização é uma técnica de pré-processamento usada para lidar com atributos contínuos (numéricos), como idade, renda ou temperatura. Em vez de trabalhar com cada valor individual (ex.: 25, 31, 42 anos), o método agrupa esses valores em faixas ou categorias (ex.: jovem, adulto, idoso; ou faixas de renda). O objetivo é reduzir a complexidade dos dados, tornando-os mais fáceis de interpretar e, muitas vezes, permitindo que algoritmos que só trabalham com dados categóricos possam utilizá-los.

A definição apresentada no enunciado está alinhada com a literatura. Por exemplo, em mineração de dados, a discretização é frequentemente citada como uma etapa de transformação de dados. Ela pode ser feita de várias formas: por intervalos de igual largura (ex.: dividir a faixa de 0 a 100 em 10 intervalos de 10), por intervalos de igual frequência (cada intervalo contém o mesmo número de observações) ou por métodos mais sofisticados que consideram a relação com a variável alvo (como a discretização baseada em entropia).

A pegadinha que a banca poderia explorar aqui seria inverter o conceito, dizendo que a discretização transforma dados categóricos em contínuos (o que seria o oposto, uma espécie de "continuização" ou codificação). Mas a assertiva está correta ao descrever o processo no sentido contínuo → categórico. Outra confusão possível seria com a normalização (que ajusta a escala dos valores contínuos, mas não os agrupa em categorias) ou com a padronização (que transforma os dados para terem média 0 e desvio padrão 1).

Na prática, imagine uma variável "idade" com valores de 18 a 90 anos. A discretização poderia criar as categorias: 18-30, 31-45, 46-60, 61-90. Isso simplifica a análise, pois em vez de lidar com dezenas de valores distintos, trabalhamos com apenas 4 categorias. Essa simplificação é exatamente o que a assertiva descreve: "agrupar valores contínuos de uma variável em intervalos ou categorias distintas, simplificando a análise e o entendimento dos dados".

PEGA ESSA DICA!

Para fixar, lembre-se da direção: discretização = contínuo → categórico. Se a questão disser o contrário (categórico → contínuo), está errada. Compare com a normalização, que mantém os valores contínuos, apenas ajustando a escala.

✅ CERTO.

Gabarito: CERTO.

Link permanente: /questoes/qg025984