Identificar o tipo de dados ausentes é crucial para se encontrar soluções que os resolvam. Avalie se os dados ausentes são categorizados como I. MCAR. Valores ausentes completamente aleatórios. II. Valores ausentes aleatórios. III. MICE. Valores ausentes usando imputação múltipla usando equações encadeadas. Está correto o que se apresenta em
- A)I e II, apenas.
Certa, porque MCAR e "valores ausentes aleatórios" são categorias de dados ausentes, enquanto MICE é um método de imputação.
- B)I e III, apenas.
Errada, porque o item III não descreve um tipo de dado ausente, mas sim uma técnica de tratamento.
- C)II e III, apenas.
Errada, porque o item I também está correto: MCAR é ausência completamente aleatória.
- D)II, apenas.
Errada, porque não é apenas o item II que está correto; o item I também está.
- E)I, II e III.
Errada, porque mistura categorias de ausência com uma técnica de imputação, tratando MICE como se fosse classificação de dado ausente.
Gabarito: A
Quando o assunto é dado ausente, o primeiro passo é não sair preenchendo tudo no impulso. Você precisa entender o mecanismo da falta, porque isso muda totalmente a estratégia de tratamento. Em estatística e data mining, a classificação clássica é: MCAR, MAR e MNAR. MCAR significa que os dados faltam de forma completamente aleatória, sem relação com as variáveis observadas ou não observadas. Já "valores ausentes aleatórios" corresponde ao MAR, isto é, a ausência depende de alguma informação observável, mas não do valor que faltou em si. O item I está correto porque MCAR realmente é a sigla para "missing completely at random", ou valores ausentes completamente aleatórios. O item II também está correto, porque a expressão "valores ausentes aleatórios" é a forma usual de se referir a MAR, "missing at random". Em termos práticos, é o caso em que a falta de um dado pode ser explicada por outras variáveis que você consegue observar. O item III está errado porque MICE não é tipo de dado ausente, e sim uma técnica de imputação. A sigla significa "Multiple Imputation by Chained Equations", ou imputação múltipla por equações encadeadas. Ou seja, MICE é solução para lidar com ausências, não a categoria da ausência. Por isso, o gabarito é A: I e II, apenas.