Questão de Banco de Dados — DW - Data Warehouse — Quadrix 2024

Normalização numérica: Min-Max e Z-Score

Gabarito: CERTO. Min-Max e Z-Score são, de fato, métodos clássicos de normalização numérica, utilizados no pré-processamento de dados para escalonar atributos e prepará-los para algoritmos de mineração e análise. A afirmação está correta e não há dispositivo legal que a contrarie — trata-se de conceito consolidado na área de mineração de dados e preparação de dados para Data Warehouse e Data Mining.

A normalização numérica é uma etapa do pré-processamento de dados, geralmente inserida na fase de transformação do processo ETL (Extract, Transform, Load). O objetivo é ajustar a escala dos valores de um atributo para que todos fiquem em uma faixa comparável, evitando que atributos com magnitudes maiores dominem a análise ou o treinamento de modelos. Sem essa etapa, um atributo como "salário" (na casa dos milhares) teria peso muito maior que um atributo como "idade" (na casa das dezenas), distorcendo cálculos de distância, agrupamentos e redes neurais.

Os dois métodos citados são os mais tradicionais e cobrados em provas:

• Min-Max: transforma os dados para um intervalo fixo, geralmente [0, 1] ou [-1, 1]. A fórmula é $x' = \frac{x - \min(x)}{\max(x) - \min(x)}$. É sensível a outliers, pois um valor extremo pode comprimir os demais em uma faixa muito estreita.

• Z-Score (ou padronização): transforma os dados para que tenham média 0 e desvio padrão 1. A fórmula é $z = \frac{x - \mu}{\sigma}$, onde $\mu$ é a média e $\sigma$ o desvio padrão. É mais robusto a outliers que o Min-Max, pois usa a dispersão estatística.

A distinção que importa: enquanto o Min-Max escala para um intervalo fixo, o Z-Score padroniza pela distribuição. Ambos são métodos de normalização, mas o Z-Score é tecnicamente uma padronização. Em provas, a banca costuma cobrar a classificação de ambos como "normalização", o que está correto no sentido amplo do termo.

A pegadinha que a banca poderia explorar seria trocar esses métodos por outros, como discretização (dividir em intervalos) ou transformação de Box-Cox (estabilizar variância). Mas aqui a afirmação é direta e correta: Min-Max e Z-Score são exemplos legítimos de normalização numérica.

Item — ✅ CERTO

A afirmação "Min-Max e Z-Score são exemplos de métodos de normalização numérica" está correta. Ambos são técnicas consagradas de pré-processamento, amplamente documentadas na literatura de mineração de dados e preparação de dados. O Min-Max reescala para um intervalo fixo (tipicamente [0,1]), enquanto o Z-Score padroniza para média 0 e desvio padrão 1. Não há qualquer dispositivo legal que contrarie essa definição — é um conceito técnico consolidado.

Gabarito: CERTO