O histórico de pagamentos de órgãos jurisdicionados reúne m...

Próximas questões
Com base no mesmo assunto
Q4279854
Banco de Dados Data Mining ,
Ano: 2026 Banca: FGV Órgão: TCE-PE Provas: FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO | FGV - 2026 - TCE-PE - Auditor de Controle Externo - Contas Públicas - REAPLICAÇÃO |
Q4279854 Banco de Dados
O histórico de pagamentos de órgãos jurisdicionados reúne milhões de registros descritos por atributos como valor, favorecido, objeto, unidade responsável e período. Não há, nessa base, indicação prévia de quais ocorrências sejam regulares ou irregulares.
Pretende-se empregar os próprios dados para selecionar uma parcela reduzida dos registros que mereça exame prioritário. O critério de seleção deverá considerar combinações pouco usuais entre os atributos, inclusive quando cada característica, observada isoladamente, for frequente. A seleção resultante servirá apenas para direcionar a análise dos auditores.

A técnica compatível com esse objetivo é
Alternativas

Gabarito comentado

Confira o gabarito comentado por um dos nossos professores

Gabarito: C

Fundamento decisivo: O enunciado informa que não há rótulos prévios e exige considerar combinações incomuns de atributos, mesmo quando seus valores isolados são frequentes; esses elementos tornam a alternativa C compatível.

Tema central: Detecção não supervisionada de anomalias
Análise das alternativas
A
Errada
A classificação supervisionada pressupõe exemplos rotulados. Definir classes pela menor frequência dos atributos não fornece rótulos fundamentados de regularidade ou irregularidade e não supre a ausência desses exemplos na base.
B
Errada
O erro está em declarar irregulares os pagamentos dos menores grupos: tamanho reduzido de grupo não prova irregularidade. O agrupamento pode apoiar a detecção de anomalias, mas a seleção pretendida autoriza apenas priorizar registros para exame.
C
Certa
A técnica avalia o comportamento conjunto dos atributos para identificar observações atípicas, sem depender de exemplos previamente classificados como regulares ou irregulares. Escores de anomalia podem ordenar os registros e permitir a seleção de uma parcela para análise dos auditores, sem transformar a atipicidade em conclusão de irregularidade.
D
Errada
Selecionar registros pelo número de valores individualmente raros não atende ao critério exigido. Uma combinação pode ser incomum mesmo quando todos os seus valores, considerados separadamente, são frequentes; por isso, é necessário avaliar os atributos conjuntamente.
E
Errada
A alternativa cria rótulos de regularidade e irregularidade exclusivamente pela frequência dos registros, sem validação. A base não estabelece que registros frequentes sejam regulares nem que registros pouco frequentes sejam irregulares; portanto, esses exemplos não fundamentam a classificação supervisionada proposta.
Pegadinha da questão
Confundir combinação incomum com valores individualmente raros e tratar raridade ou anomalia como prova de irregularidade. O resultado pretendido é uma triagem para auditoria, não uma classificação definitiva dos pagamentos.
Dica para questões semelhantes
  • Verifique se existem rótulos prévios: a classificação supervisionada pressupõe exemplos rotulados; a detecção não supervisionada dispensa esses rótulos.
  • Quando a atipicidade estiver na combinação dos atributos, não substitua a avaliação conjunta pela contagem de valores individualmente raros.
  • Diferencie priorização para exame de conclusão de irregularidade: frequência, tamanho de grupo e grau de anomalia não fundamentam, por si sós, esse julgamento.

Clique para visualizar este gabarito

Visualize o gabarito desta questão clicando no botão abaixo

Comentários

Veja os comentários dos nossos alunos

A alternativa correta é a C

  • Por que é a C? O enunciado deixa claro que não há indicação prévia de quais registros são regulares ou irregulares (o que descarta técnicas supervisionadas). Além disso, busca-se identificar combinações pouco usuais considerando o comportamento conjunto dos atributos, mesmo que as características isoladas sejam frequentes. A detecção de anomalias não supervisionada faz exatamente isso: encontra padrões que fogem da normalidade coletiva dos dados sem precisar de rótulos prévios.
  • A e E (Incorretas): Ambas sugerem classificação supervisionada, que exige uma base de dados previamente rotulada (com exemplos confirmados de "regular" e "irregular") para treinar o modelo, o que não existe no cenário descrito.
  • B (Incorreta): O agrupamento (clustering) serve para juntar dados semelhantes. Classificar automaticamente os menores grupos como "pagamento irregular" é um erro, pois um grupo menor pode ser apenas um tipo legítimo e raro de operação, e a técnica não foca inerentemente no comportamento conjunto para detectar anomalias isoladas.
  • D (Incorreta): A análise descritiva apenas resume o passado e a alternativa foca em "valores individualmente raros", o que contradiz o enunciado, que pede para identificar anomalias mesmo quando as características, isoladamente, são frequentes.

TÉCNICAS NÃO SUPERVISIONADAS -> COMEÇAM COM "A"

  • AGRUPAMENTO (CLUSTERING)
  • ASSOCIAÇÃO
  • ANOMALIAS.

TÉCNICAS SUPERVISIONADAS -> COMEÇAM OUTRAS LETRAS

  • CLASSIFICAÇÃO
  • REGRESSÃO.

Como "não há indicação prévia" de quais registros são regulares ou irregulares, é inviável usar uma técnica supervisionada. Eliminamos, assim ,as alternativas A e E.

As demais alternativas falam sobre técnicas não supervisionadas.

O erro da B:

  • O agrupamento seleciona grupos pequenos. E um grupo pequeno pode ser simplesmente uma compra rara, mas perfeitamente legal. A alternativa assume que é o agrupamento que irá definir um dado como "irregular ou "ilegal"; na verdade, quem vai definir isso é a auditoria.

O erro da D:

  • A alternativa D está errada por um motivo muito simples: ela diz exatamente o oposto do que o texto da questão pede. O enunciado diz expressamente que quer encontrar combinações raras de dados, mesmo que cada dado sozinho seja comum (frequente). A alternativa D erra ao dizer que vai procurar por valores individualmente raros.

A deteção de anomalias é exatamente a técnica de mineração de dados projetada para isolar comportamentos discrepantes ou invulgares do restante da base, servindo como um "alerta" para a auditoria.

Clique para visualizar este comentário

Visualize os comentários desta questão clicando no botão abaixo

Questões de assuntos semelhantes

Provas relacionadas