Os procedimentos paramétricos constituem a ideia de que os dados são preparados por um padrão específico e se ajustam a parâmetros também específicos. Por assumirem determinado modelo, ficam limitados a bancos de dados menores. Os métodos paramétricos são adequados para grandes bancos de dados e não exigem nenhum crescimento no tamanho do banco de dados. Em vez disso, os modelos crescem com a complexidade do próprio modelo. Eles também são adequados para dados provenientes de uma distribuição pré-especificada. Com relação a alguns métodos paramétricos existentes, avalie as afirmativas a seguir. I. Diagrama de caixa: técnica mais simples para detectar anomalias em um banco de dados univariado e multivariado. II. Análise de histograma: necessário para verificar se os dados podem obedecer aproximadamente à divisão distribuição normal antes de se aplicar o teste. III. Regressão linear: a abordagem para a detecção de anomalias usando a regressão linear é construir um modelo linear (hiperplano) mais próximo dos dados. É correto o que se afirma em: a. I e III, apenas. b. I, apenas. c. I, II e III. d. I e II, apenas. e. II e III, apenas
I. Diagrama de caixa (Box Plot): é uma técnica simples para detectar anomalias em um banco de dados univariado e multivariado. Ele é usado para visualizar a dispersão e a tendência central dos dados, e também pode destacar valores atípicos.
II. Análise de histograma: é necessário para verificar se os dados podem obedecer aproximadamente à distribuição normal antes de se aplicar o teste. Histogramas são úteis para visualizar a distribuição dos dados e podem ajudar a identificar anomalias.
III. Regressão linear: a abordagem para a detecção de anomalias usando a regressão linear é construir um modelo linear (hiperplano) mais próximo dos dados. Os pontos de dados que se desviam significativamente deste modelo são considerados anomalias.
Lista de comentários
d. I e II, apenas.
Resposta:
c. I, II e III.
Explicação:
As afirmações I, II e III estão corretas.
I. Diagrama de caixa (Box Plot): é uma técnica simples para detectar anomalias em um banco de dados univariado e multivariado. Ele é usado para visualizar a dispersão e a tendência central dos dados, e também pode destacar valores atípicos.
II. Análise de histograma: é necessário para verificar se os dados podem obedecer aproximadamente à distribuição normal antes de se aplicar o teste. Histogramas são úteis para visualizar a distribuição dos dados e podem ajudar a identificar anomalias.
III. Regressão linear: a abordagem para a detecção de anomalias usando a regressão linear é construir um modelo linear (hiperplano) mais próximo dos dados. Os pontos de dados que se desviam significativamente deste modelo são considerados anomalias.