Questões de Concurso
Comentadas para auditor federal de controle externo
Foram encontradas 727 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Q1892823
Auditoria
No desenvolvimento de um trabalho de asseguração sobre as
demonstrações contábeis de uma instituição pública, a equipe
realizou o processo de identificação e avaliação dos riscos de
distorção relevante do contexto auditado.
Em relação ao processo de avaliação e resposta aos riscos de distorção relevante, é correto afirmar que:
Em relação ao processo de avaliação e resposta aos riscos de distorção relevante, é correto afirmar que:
Q1892822
Auditoria
Uma equipe de auditoria foi estabelecida para realizar um
trabalho de asseguração sobre as demonstrações contábeis de
uma instituição pública referentes a 31/12/2021.
Em relação às características e aos procedimentos para a determinação da materialidade, é correto afirmar que:
Em relação às características e aos procedimentos para a determinação da materialidade, é correto afirmar que:
Q1892820
Auditoria Governamental
Durante um trabalho de auditoria, um dos procedimentos
previstos na matriz de planejamento era um teste de
conformidade (para controle de qualidade) em uma população
finita superior a 500 elementos. Para que a população testada
fosse aprovada, foi definido como critério que a proporção
máxima de erros admitidos seria de 3%. Foi considerado ainda
um nível de confiança de 95% e que a amostra conteria no
máximo um único erro.
Considere ainda a tabela a seguir, que contém índices calculados de confiabilidade para quantidades previstas de erros e níveis de confiança.
A partir dos dados apresentados e para cumprir os critérios previamente definidos, o tamanho da amostra para o teste na população indicada deve ser de:
Considere ainda a tabela a seguir, que contém índices calculados de confiabilidade para quantidades previstas de erros e níveis de confiança.
A partir dos dados apresentados e para cumprir os critérios previamente definidos, o tamanho da amostra para o teste na população indicada deve ser de:
Q1892819
Auditoria Governamental
O Tribunal de Contas da União adotou de forma adaptada
algumas ferramentas de auditoria utilizadas pelo U.S.
Government Accountability Office (U.S. GAO), a exemplo da
matriz de planejamento, que é uma ferramenta importante na
definição do escopo do trabalho de auditoria.
Na situação hipotética de um trabalho de auditoria que tem por objeto a concessão de auxílio financeiro emergencial a pessoas que perderam renda em decorrência de uma epidemia que atingiu o país e afetou a economia, a matriz de planejamento:
Na situação hipotética de um trabalho de auditoria que tem por objeto a concessão de auxílio financeiro emergencial a pessoas que perderam renda em decorrência de uma epidemia que atingiu o país e afetou a economia, a matriz de planejamento:
Q1892818
Auditoria Governamental
Nos trabalhos de auditoria, é necessária a definição de critérios,
que consistem em referências para avaliar o objeto auditado. Tais
referências são previamente determinadas pelo auditor.
No contexto das entidades públicas, conforme a ISSAI 100, a
definição desses critérios:
Q1892816
Engenharia de Software
Uma organização está implementando um sistema de busca de
informações interno, e a equipe de desenvolvimento resolveu
avaliar diferentes modelos de linguagem vetoriais que ajudariam
a conectar melhor documentos e consultas em departamentos
que usam terminologias distintas em áreas de negócio que se
sobrepõem. Um dos analistas ressaltou que seria interessante
guardar os vetores de todo o vocabulário do modelo em um
cache, de forma a aumentar a eficiência de acesso e reduzir
certos custos de implantação.
Das alternativas abaixo, aquela que lista apenas os modelos compatíveis com essa estratégia de caching é:
Das alternativas abaixo, aquela que lista apenas os modelos compatíveis com essa estratégia de caching é:
Q1892815
Direito Digital
Conjuntos de dados identificados de pessoas são úteis em
pesquisas, ao mesmo tempo que são motivo de preocupação em
relação à privacidade das pessoas naturais envolvidas. A
classificação de atributos identificadores ajuda a priorizar
atividades de desidentificação para alavancar a pesquisa sob a
observância da LGPD.
São exemplos: a) de identificadores explícitos, b) de identificadores sensíveis e c) de quasi identificadores:
São exemplos: a) de identificadores explícitos, b) de identificadores sensíveis e c) de quasi identificadores:
Q1892812
Programação
A tabela presente no código em R abaixo apresenta a quantidade
de processos analisados por três analistas (denotados por A1, A2
e A3) em diferentes anos.
dados = tibble::tibble(Analista=c(“A1”, “A1”, “A1”, “A2”, “A2”, “A3”, “A3”, “A3”),
Ano=c(2018,2019,2020,2019,2020,2018,2019,2020), Processos=c(10,15,20,25,20,8,7,12))
Um programador roda o código abaixo em R.
tidyr::pivot_wider(data=dados, names_from=”Analista”, values_from=”Processos”)
Os valores esperados na primeira linha do objeto resultante do comando acima são:
dados = tibble::tibble(Analista=c(“A1”, “A1”, “A1”, “A2”, “A2”, “A3”, “A3”, “A3”),
Ano=c(2018,2019,2020,2019,2020,2018,2019,2020), Processos=c(10,15,20,25,20,8,7,12))
Um programador roda o código abaixo em R.
tidyr::pivot_wider(data=dados, names_from=”Analista”, values_from=”Processos”)
Os valores esperados na primeira linha do objeto resultante do comando acima são:
Q1892811
Banco de Dados
Um analista do TCU gostaria de aplicar um modelo de Latent
Dirichlet Allocation (LDA) em um conjunto de textos. A alternativa que melhor descreve o resultado do modelo é:
Q1892810
Banco de Dados
Um analista de dados deseja criar um modelo para classificação
de documentos em duas categorias: sigilosos e públicos. À sua
disposição, existe um conjunto de dados com N documentos, dos
quais uma fração α deles é sigilosa. O analista quer escolher uma
fração β dos N documentos para pertencer ao conjunto de teste.
O objetivo é garantir que cada uma das classes (documentos
sigilosos e públicos) seja responsável, em média, por ao menos
10% do total de documentos. Essa restrição precisa ser válida
tanto no conjunto de treino quanto no conjunto de teste.
Um par (α,β) que satisfaz as restrições do analista é:
Q1892809
Engenharia de Software
Seja uma rede neural com camada de entrada com dimensão dois
que recebe dados (x1
, x2
). Essa rede aplica pesos w1 em x1
, w2 em
x2 e adiciona um viés w0
. A função de ativação é dada pela função
sinal s(z) = +1, se z ≥ 0, e s(z) = -1, se z < 0. Essa rede não tem
nenhuma camada oculta e será utilizada para classificar
observações em y=+1 ou y=-1.
Para pesos w1 = 2, w2 = 3 e viés w0 = 1, a região de classificação é uma reta que passa nos pontos:
Para pesos w1 = 2, w2 = 3 e viés w0 = 1, a região de classificação é uma reta que passa nos pontos:
Q1892808
Banco de Dados
Em um problema de classificação é entregue ao cientista de
dados um par de covariáveis, (x1
, x2
), para cada uma das quatro
observações a seguir: (6,4), (2,8), (10,6) e (5,2). A variável
resposta observada nessa amostra foi “Sim”, “Não”, “Sim”,
“Não”, respectivamente.
A partição que apresenta o menor erro de classificação quando feita na raiz (primeiro nível) de uma árvore de decisão é:
A partição que apresenta o menor erro de classificação quando feita na raiz (primeiro nível) de uma árvore de decisão é:
Q1892806
Banco de Dados
Texto associado
ATENÇÃO!
Para a questão a seguir, considere uma tabela relacional R, com atributos W, X, Y, Z, e o conjunto de dependências funcionais identificadas para esses atributos.
X → Y
X → Z
Z → X
Z → W
Com referência à tabela R, definida anteriormente, considere o
esboço de um comando SQL para a criação da tabela.
De acordo com as dependências funcionais de R, e com a Forma Normal de Boyce-Codd, a definição correta das chaves (por meio de constraints) aplicáveis e necessárias para essa tabela deveria ser:
De acordo com as dependências funcionais de R, e com a Forma Normal de Boyce-Codd, a definição correta das chaves (por meio de constraints) aplicáveis e necessárias para essa tabela deveria ser:
Q1892805
Banco de Dados
Texto associado
ATENÇÃO!
Para a questão a seguir, considere uma tabela relacional R, com atributos W, X, Y, Z, e o conjunto de dependências funcionais identificadas para esses atributos.
X → Y
X → Z
Z → X
Z → W
Analise o conjunto de dependências funcionais inferidas abaixo
a partir do conjunto de atributos e dependências funcionais
presentes na tabela R, como descrita anteriormente.
(1) X → Y Z W (2) X → W (3) X W → Y W (4) X Y Z W → X Y (5) Y → Z
À luz dos axiomas da teoria de projeto de bancos de dados aplicáveis nesse caso, é correto concluir que, dentre essas dependências inferidas:
(1) X → Y Z W (2) X → W (3) X W → Y W (4) X Y Z W → X Y (5) Y → Z
À luz dos axiomas da teoria de projeto de bancos de dados aplicáveis nesse caso, é correto concluir que, dentre essas dependências inferidas:
Q1892804
Programação
Natasha, uma cientista de dados, está trabalhando com um
conjunto de dados sobre carros para fazer um modelo preditivo
para uma companhia de seguros. A primeira versão do modelo
utiliza apenas informações básicas sobre os carros: a marca e a
cor.
Como esses dados são categóricos, Natasha faz um pré-processamento usando a biblioteca scikit-learn. Em um ambiente interativo, ela executa os comandos a seguir.
>>> from sklearn.preprocessing import OneHotEncoder >>> enc = OneHotEncoder() >>> X = [['Toyota', 'vermelho'], ['Toyota', 'verde'], ['BMW', 'vermelho']]
>>> enc.fit(X) >>> enc.get_feature_names() array(['x0_BMW', 'x0_Toyota', 'x1_verde', 'x1_vermelho'], dtype=object)
>>> X_prime = enc.transform(X).toarray() >>> X_prime array([[0., 1., 0., 1.], [0., 1., 1., 0.], [1., 0., 0., 1.]])
Para contar o número de carros da marca Toyota no conjunto de dados, obtendo corretamente o resultado 2, Natasha pode usar a seguinte linha de código:
Como esses dados são categóricos, Natasha faz um pré-processamento usando a biblioteca scikit-learn. Em um ambiente interativo, ela executa os comandos a seguir.
>>> from sklearn.preprocessing import OneHotEncoder >>> enc = OneHotEncoder() >>> X = [['Toyota', 'vermelho'], ['Toyota', 'verde'], ['BMW', 'vermelho']]
>>> enc.fit(X) >>> enc.get_feature_names() array(['x0_BMW', 'x0_Toyota', 'x1_verde', 'x1_vermelho'], dtype=object)
>>> X_prime = enc.transform(X).toarray() >>> X_prime array([[0., 1., 0., 1.], [0., 1., 1., 0.], [1., 0., 0., 1.]])
Para contar o número de carros da marca Toyota no conjunto de dados, obtendo corretamente o resultado 2, Natasha pode usar a seguinte linha de código:
Q1892801
Banco de Dados
Texto associado
DUAL
ATENÇÃO!
Na próxima questão, considere as tabelas de banco de dados T, TX e DUAL, exibidas com suas respectivas instâncias a seguir.
T
TX
Nas colunas das três tabelas, o tipo é o de número inteiro. Em
todos os comandos SQL, considera-se o NULL como um valor
desconhecido (unknown).
Supondo que a coluna sequencia da tabela T, anteriormente
definida, deveria conter números inteiros em sequência
contínua, seria preciso descobrir os intervalos de valores
faltantes. Um valor é considerado faltante quando a) é um
número inteiro n entre o menor e o maior valor da tabela, tal
que n não esteja presente na tabela, ou b) é um número
presente na tabela T, com valor nulo na coluna caracteristica.
O comando SQL que produz o resultado acima, a partir da instância inicialmente definida para a tabela T, é:
O comando SQL que produz o resultado acima, a partir da instância inicialmente definida para a tabela T, é:
Q1892800
Banco de Dados
Texto associado
DUAL
ATENÇÃO!
Na próxima questão, considere as tabelas de banco de dados T, TX e DUAL, exibidas com suas respectivas instâncias a seguir.
T
TX
Nas colunas das três tabelas, o tipo é o de número inteiro. Em
todos os comandos SQL, considera-se o NULL como um valor
desconhecido (unknown).
Considere que é preciso atualizar os dados da tabela T a partir
dos dados da tabela TX, ambas definidas anteriormente. A
consolidação é feita por meio da alteração na tabela T a partir de
registros de TX.
O comando SQL utilizado nessa atualização é exibido a seguir.
O número de registros da tabela T afetados pela execução do comando SQL acima é:
O comando SQL utilizado nessa atualização é exibido a seguir.
O número de registros da tabela T afetados pela execução do comando SQL acima é:
Q1892799
Estatística
A demanda de um certo serviço público no mês t é modeladapela equação 20 + 3t + 2D(t) + εt, onde D(t) = 1, se t = 6, e 0, casocontrário, e ε é um ruído com média zero e variância 4.
As previsões de demanda nos meses 6 e 12 são, respectivamente:
As previsões de demanda nos meses 6 e 12 são, respectivamente:
Q1892798
Estatística
Numa empresa com 100 funcionários, todos foram perguntados a
respeito de suas preferências sobre trabalho remoto ou
presencial. Dos funcionários de 18 a 39 anos, 40% preferem
trabalho presencial. Dos funcionários acima de 40 anos, 40%
mostraram preferência pelo remoto. Dos 100 funcionários, 50
têm mais de 40 anos. O presidente da empresa está interessado
em saber se a preferência por trabalho remoto é independente
da categoria de idade (18 a 39 e acima de 40 anos).
O teste a ser usado pelo presidente e o valor da estatística de teste são, respectivamente:
O teste a ser usado pelo presidente e o valor da estatística de teste são, respectivamente:
Q1892797
Estatística
A média e a variância de uma distribuição binomial são,
respectivamente, 20 e 4.
O número de ensaios (n) dessa distribuição é:
Conheça nossos planos