Sobre detecção de anomalias, analise as afirmativas a seguir. I. São exemplos de detecção de anomalias: detecção de fraude, detecção de intrusão, monitoramento de sistemas de saúde, qualidade de um produto. II. São métodos que conseguem lidar com detecção de anomalias: algoritmos baseados em densidade, análise de agrupamento, redes neurais recorrentes, redes bayesianas e modelos de Markov escondidos. III. A distribuição normal é a distribuição mais comum dos dados considerados dentro de uma normalidade, porém, podemos obter normalidade também por meio de outros tipos de distribuição como a distribuição de Bernoulli, distribuição uniforme, distribuição binomial e distribuição de Minkowski. IV. A métrica de avaliação desses métodos pode ajudar na identificação de dados fora do padrão. Portanto, as métricas de precisão, sensibilidade e medida-F1 são exemplos de métricas utilizadas para detecção de anomalias. Está correto o que se afirma em
- A)I e II, apenas.
Errada, porque I e II estão corretas, então não é possível marcar apenas essas duas sem considerar a IV.
- B)II e III, apenas.
Errada, porque a afirmativa III é incorreta e, além disso, a I também está correta.
- C)II, III e II, apenas.
Errada, porque a formulação já vem com repetição e, mais importante, a afirmativa III é falsa.
- D)I, II e IV, apenas.
Certa, porque as afirmativas I, II e IV estão corretas, enquanto a III está errada.
- E)I, III e IV, apenas.
Errada, porque a afirmativa III é incorreta, embora I e IV estejam corretas.
Gabarito: D
Detecção de anomalias é o campo que busca identificar pontos, eventos ou padrões que fogem do comportamento esperado. Isso aparece em fraude, intrusão, monitoramento de saúde, falhas de máquinas e controle de qualidade, então a afirmativa I está correta. Em geral, vários tipos de técnicas podem ser usados, como métodos baseados em densidade, agrupamento, redes neurais recorrentes, redes bayesianas e modelos de Markov escondidos, o que torna a afirmativa II igualmente correta. A afirmativa III está errada porque mistura conceitos de forma confusa: distribuição normal não é "obtida" a partir de Bernoulli, uniforme, binomial ou Minkowski. Bernoulli e binomial são discretas, uniforme pode até ser contínua ou discreta, mas não são exemplos de "normalidade" como a frase sugere, e Minkowski nem é distribuição estatística nesse contexto. Já a afirmativa IV está correta, porque métricas como precisão, sensibilidade (recall) e medida-F1 são muito usadas para avaliar detecção de anomalias, especialmente quando há desbalanceamento de classes. Assim, o gabarito D está certo: I, II e IV. É o tipo de questão em que a banca mistura exemplos reais com definições tortinhas para ver se você cai no conto da distribuição "milagrosa".