ID 180821 Tecnologia da Informação Análise exploratória de dados FCC 2026 Uma Secretaria da Fazenda estadual recebeu dados de todos os lançamentos de ICMS dos últimos 5 anos (valores, setores econômicos, municípios, regime tributário e situação do contribuinte). Antes de construir modelos preditivos de risco ou definir novas regras de fiscalização, a equipe decide realizar apenas uma etapa sistemática de resumo, visualização e detecção de padrões e outliers nos dados, sem ainda formular hipóteses formais ou treinar modelos. Esse trabalho inicial e caracterizado como A um exemplo de analytics prescritivo, pois o objetivo principal é recomendar ações específicas de fiscalização para cada contribuinte. B uma etapa de mineração de dados preditiva, focada em gerar automaticamente modelos de classificação de contribuintes de alto risco. C um processo típico de OLAP, em que se navega em cubos com dados consolidados, sem foco em gráficos e exploração detalhada de outliers . D uma etapa de análise exploratória de dados, focada em medidas-resumo e visualizações para entender distribuições e relações entre variáveis. E uma tarefa de aprendizado supervisionado, pois pressupõe rótulos de “fraude” ou “não fraude” para cada lançamento tributário.
ID 180369 Tecnologia da Informação Análise exploratória de dados FCC 2026 Em Python, utilizando bibliotecas de visualização de dados, um setor de fiscalização compara valores de autos de infração por tipo de tributo para identificar assimetria e possíveis outliers de forma padronizada. Nesse caso, a técnica de visualização que atende corretamente ao requisito apresentado é: A Gráfico de área empilhada por tributo, destacando proporções relativas. B Flexplot por dispersão com jitter sem estatística resumida por categoria. C Gráfico de linhas, usando o tipo de tributo no eixo X para sugerir continuidade. D Boxplot por categoria com Seaborn, permitindo comparar quartis e outliers entre tributos. E Gráfico de barras de médias por tributo, pois a média é suficiente para detectar outliers .
