Leia o caso a seguir.

Os valores observados em determinado indicador são:

4, 6, 6, 8, 10

Deseja-se acrescentar um novo valor à lista, de modo que:

• a mediana permaneça igual a 6;
• a moda permaneça igual a 6;
• e a média diminua.


O maior número inteiro que satisfaz simultaneamente essas três condições é

Em uma turma, foram registradas as seguintes notas: 6 alunos tiraram nota 4; 10 alunos tiraram nota 6; 8 alunos tiraram nota 8; 6 alunos tiraram nota 10; 1 aluno tirou nota 5 e 2 alunos tiraram nota 7. Qual a nota média dessa turma?

Maria decide fazer uma festa de aniversário e convidar 50 pessoas, todas adultas, por 4 horas de festa. Ao pesquisar sobre a quantidade média de consumo por pessoa, ela organizou as informações conforme tabela a seguir:
 Fonte: O elaborador, 2026.

Considerando apenas as quantidades indicadas na tabela, Maria vai precisar de

Considere um conjunto de dados multidimensional, desprovido de rótulos, no qual se observam agrupamentos com densidades distintas, geometrias não convexas e a presença relevante de ruído. Diante desse cenário, um analista compara diferentes técnicas de agrupamento, levando em conta seus pressupostos teóricos, os critérios adotados para formação dos grupos e suas limitações intrínsecas. Diante dessas características, a técnica de agrupamento que melhor modela o cenário descrito é

Considere um cenário em que se deseja prever o valor de imóveis a partir de características como área, localização e número de quartos, utilizando um conjunto de dados históricos contendo o valor de venda de cada imóvel. Nesse caso, o problema e o tipo de modelo mais adequados são, respectivamente:

Em um problema de classificação binária, considere os seguintes contadores da matriz de confusão: VP (Verdadeiros Positivos), FP (Falsos Positivos), FN (Falsos Negativos) e VN (Verdadeiros Negativos).
A alternativa que apresenta, respectivamente, as fórmulas corretas de Precisão e Recall é

Considere as seguintes afirmativas sobre algoritmos e técnicas utilizadas em aprendizado não supervisionado, especialmente no contexto de clusterização:
I. K-Means, DBSCAN e Gaussian Mixture Models (GMM) são métodos amplamente empregados para tarefas de clusterização, embora se baseiem em pressupostos estatísticos e geométricos distintos.
II. DBSCAN e Mean-Shift são algoritmos que não exigem a definição prévia do número de clusters, pois os identificam implicitamente, a partir da densidade dos dados ou da estimação de modos da distribuição.
III. Critérios de informação como Akaike Information Criterion (AIC) e Bayesian Information Criterion (BIC), bem como heurísticas como o método do Elbow, são utilizados como técnicas auxiliares para apoiar a escolha do número adequado de clusters em determinados algoritmos.
É (são) verdadeira(s) a(s) alternativa(s):

Um exemplo de algoritmo de aprendizado de máquina que tenta, por padrão, maximizar as verossimilhanças condicionais do treinamento é o

Em aprendizado de máquina supervisionado, o fenômeno overfitting ocorre quando o modelo apresenta

Durante uma auditoria fiscal baseada em análise de dados, foram examinadas 20 observações das variáveis X e Y, nas quais X representa uma variável econômica declarada pelo contribuinte e Y, um indicador fiscal associado. A partir da base de dados, obtiveram-se as seguintes somatórias: ΣX = 4, ΣY = 9, ΣX² = 42, ΣX² = 80 e ΣXY = -20. Com base nessas informações, na análise de correlação e regressão linear simples de Y em função de X, conclui-se que