Foram encontradas 70 questões.
Os dados do Quadro VII a seguir referem-se às receitas arrecadadas no primeiro bimestre do exercício financeiro de 201x por um ente da Federação e estão expressos em milhares de reais.
Considerando as categorias econômicas da receita orçamentária, a receita corrente líquida apurada totaliza:
Provas
Considere os dados de detalhamento de receitas contidos no Quadro VI a seguir:
Conforme as disposições do Decreto nº 93.872/1986, os recursos que devem ser recolhidos à Conta Única do Tesouro Nacional totalizam:
Provas
Os dados apresentados no Quadro V foram solicitados pela secretaria de planejamento de um ente da Federação, com o objetivo de identificar a existência de recursos para abertura de créditos adicionais suplementares e especiais.
Considerando os dados e as definições, o montante de recursos disponível para abertura de créditos adicionais é:
Provas
Considere o Quadro III a seguir, originado da execução orçamentária de um ente municipal referente ao último exercício financeiro.
Considerando a classificação das receitas públicas, quanto à procedência, em originárias e derivadas, as receitas auferidas de forma impositiva, em relação à receita total, representam:
Provas
Considere o detalhamento de receitas apresentado no Quadro II a seguir:
O montante das receitas que, no momento do reconhecimento do crédito, contribui para aumentar a situação líquida patrimonial da entidade é:
Provas
O Quadro I a seguir foi originado de um dos instrumentos de planejamento de um ente municipal em um dado exercício.
De acordo com as normas relativas ao planejamento orçamentário no Brasil, o quadro se refere e deve constar .
As lacunas são devidamente preenchidas, respectivamente, com:
Provas
As classificações legais da despesa pública foram criadas com o objetivo de gerar informações que subsidiem a adequada aplicação e o controle dos recursos públicos.
Analise as descrições a seguir com as classificações legais da despesa pública.
(1) Estrutura Programática
(2) Institucional
(3) Por função
(4) Por natureza
( ) As ações são classificadas em atividades, projetos ou operações especiais.
( ) A despesa é classificada em categorias econômicas.
( ) Evidencia a realização dos objetivos estratégicos definidos no PPA.
( ) É complementada pela informação gerencial denominada modalidade de aplicação.
( ) Identifica em que área de ação governamental a despesa será realizada.
( ) Reflete a estrutura de alocação dos créditos orçamentários em níveis hierárquicos.
A sequência que apresenta a associação correta é:
Provas
Provas
Provas
TEXT II
The backlash against big data
[…]
Big data refers to the idea that society can do things with a large body of data that weren’t possible when working with smaller amounts. The term was originally applied a decade ago to massive datasets from astrophysics, genomics and internet search engines, and to machine-learning systems (for voice-recognition and translation, for example) that work well only when given lots of data to chew on. Now it refers to the application of data-analysis and statistics in new areas, from retailing to human resources. The backlash began in mid-March, prompted by an article in Science by David Lazer and others at Harvard and Northeastern University. It showed that a big-data poster-child—Google Flu Trends, a 2009 project which identified flu outbreaks from search queries alone—had overestimated the number of cases for four years running, compared with reported data from the Centres for Disease Control (CDC). This led to a wider attack on the idea of big data.
The criticisms fall into three areas that are not intrinsic to big data per se, but endemic to data analysis, and have some merit. First, there are biases inherent to data that must not be ignored. That is undeniably the case. Second, some proponents of big data have claimed that theory (ie, generalisable models about how the world works) is obsolete. In fact, subject-area knowledge remains necessary even when dealing with large data sets. Third, the risk of spurious correlations—associations that are statistically robust but happen only by chance—increases with more data. Although there are new statistical techniques to identify and banish spurious correlations, such as running many tests against subsets of the data, this will always be a problem.
There is some merit to the naysayers' case, in other words. But these criticisms do not mean that big-data analysis has no merit whatsoever. Even the Harvard researchers who decried big data "hubris" admitted in Science that melding Google Flu Trends analysis with CDC’s data improved the overall forecast—showing that big data can in fact be a useful tool. And research published in PLOS Computational Biology on April 17th shows it is possible to estimate the prevalence of the flu based on visits to Wikipedia articles related to the illness. Behind the big data backlash is the classic hype cycle, in which a technology’s early proponents make overly grandiose claims, people sling arrows when those promises fall flat, but the technology eventually transforms the world, though not necessarily in ways the pundits expected. It happened with the web, and television, radio, motion pictures and the telegraph before it. Now it is simply big data’s turn to face the grumblers.
(From http://www.economist.com/blogs/economist explains/201 4/04/economist-explains-10)
Provas
Caderno Container