QuestLab Plataforma Inteligente de Questões
Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Encontre as questões que procura
Limpar filtros
1.084 questões encontradas

O corpo técnico de uma Secretaria da Fazenda planeja implementar um sistema de monitoramento de riscos para lotes de notas fiscais. O histórico aponta que 2% das declarações apresentam erros graves. Paralelamente, os valores de ICMS por operação seguem uma distribuição normal com média de R 80.000 e desvio padrão de R 10.000. Ao configurar os parâmetros de alerta do sistema, o auditor deve aplicar os modelos probabilísticos de forma que

A as notas fiscais com valores superiores a R 110.000 sejam classificadas como risco máximo por representarem valores que excedem três desvios padrão acima da média, o que estalisticamente atinge cerca de 5% da população total de notas em uma distribuição normal.
B a Distribuição Exponencial seja utilizada para prever o valor total de ICMS a ser amecadado no mês, assumindo que a soma de variáveis aleatórias independentes (como os valores das notas) converge para uma distribuição de decaimento constante.
C o número de emos graves em lotes fixos de 500 declarações seja modelado pela Distribuição Binomial, com parâmetros n=500 e p= 0,02, podendo, para fins de simplificação no cálculo de probabilidades como P(X > N), ser aproximado pela Distribuição de Poisson, com parâmetro λ = n.p = 10.
D o intervalo de confiança para valores de ICMS considerados esperados seja definido entre R 60.000 e R 100.000, o que, pela regra empírica da distribuição normal, cobrirá aproximadamente 68% de todas as operações fiscais, sinalizando como atipicas aquelas fora desse intervalo.
E a probabilidade de um fiscal encontrar a primeira declaração irregular após a décima tentativa seja calculada por meio da Distribuição Binomial, utilizando n = 10 e p = 0,02 , por ser este o modelo adequado para descrever o tempo ou número de ensaios até a ocorrência do primeiro sucesso.

Em uma Secretaria da Fazenda, a fiscalização eletrônica utiliza dados da Nota Fiscal Eletrônica (NF-e) e da Escrituração Fiscal Digital (EFD ICMS/IPI) para cruzamentos automatizados, identificação de inconsistências e apoio à auditoria tributária. Esses documentos possuem estruturas padronizadas que organizam informações cadastrais, fiscais e operacionais em campos e registros específicos. Para tanto, a equipe técnica responsável por essa implementação deve considerar que:

A A estrutura da NF-e não prevê separação entre dados do emitente e do destinatário, pois essas informações são inferidas a partir do certificado digital, na EFD ICMS/IPI, os blocos são organizados por período fiscal, sem distinção entre registros cadastrais, documentos fiscais e apuração de tributos.
B Tanto a NF-e quanto a EFD ICMS/IPI utilizam estruturas livres de padronização rígida de campos e registros, permitindo que cada unidade federativa defina seus próprios grupos XML e blocos de escrituração conforme necessidades locais de fiscalização.
C No XML da NF-e, informações essenciais para a fiscalização, como identificação da operação , emitente , destinatário , produtos , tributos e totais , estão organizadas em grupos como ide , emit , dest , det e total ; já na EFD ICMS/IPI, dados fiscais relevantes são estruturados em blocos, como Bloco C (documentos fiscais de mercadorias), Bloco E (apuração do ICMS) e Bloco 0 (cadastro e abertura do arquivo), permitindo validações e cruzamentos eletrônicos.
D A NF-s concentra os dados fiscais principais no grupo infAdic , enquanto os dados cadastrais do contribuinte são armazenados fora do XML principal; na EFD ICMS/IPI, os registros de apuração do imposto estão restritos ao Bloco C, sendo os demais blocos utilizados para informações acessórias sem impacto fiscal.
E No XML da NF-e, os tributos incidentes sobre as operações são informados no grupo total , sem detalhamento por item; na EFD ICMS/IPI, os dados de documentos fiscais são consolidados diretamente no Bloco E, dispensando a escrituração detalhada de notas fiscais nos registros do Bloco C.

Um Fiscal de uma Secretaria da Fazenda está desenvolvendo um modelo para prever o ICMS esperado de empresas do setor varejista. Ele analisa variáveis como faturamento bruto, número de funcionários e volume de notas emitidas. Para garantir que O modelo seja robusto e resista a questionamentos técnicos, ele deve

A utilizar a correlação para medir a força da associação entre as variáveis e aplicar a regressão para modelar como o ICMS reage a variações no faturamento e outras variáveis, respeitando pressupostos como a análise de resíduos e a ausência de multicolinearidade.
B confiar que sistemas de Inteligência Artificial eliminam a necessidade de validação estatística, uma vez que a regressão múltipla automatizada gera coeficientes que ignoram a distribuição original dos dados e a relação entre as variáveis de entrada.
C utilizar o coeficiente de correlação para provar a causalidade direta, ou seja, demonstrar que o aumento no número de funcionários causa o aumento do ICMS, o que permite dispensar modelos de regressão complexos na malha fiscal.
D evitar o uso de regressão linear simples quando houver alta correlação entre variáveis independentes, pois esse fenômeno, chamado multicolinearidade, é restrito à regressão simples e impede a identificação de comportamentos atípicos.
E aplicar a regressão linear múltipla apenas se todas as variáveis explicativas tiverem correlação forte e positiva entre si, garantindo que o modelo de detecção de inconsistências não apresente margem de erro.

Um desenvolvedor está avaliando diferentes metodologias de desenvolvimento seguro para adotar em projeto de um Ministério Público. Durante a pesquisa, ele encontra referências sobre o CLASP e suas características. Sobre uma característica deste processo de desenvolvimento seguro, o desenvolvedor conclui que o CLASP é um

A método sistemático e detalhado para execução das atividades, com especificações passo a passo e forte ênfase em métricas de progresso e qualidade.
B modelo teórico sem documentação pública e sem recursos práticos, utilizado como ferramenta de apoio para implementação pelas equipes de desenvolvimento.
C framework que concentra suas atividades nas fases de teste e validação de software, com foco na identificação de vulnerabilidades ao final do desenvolvimento.
D conjunto de princípios organizado em cinco "Visões" ( Views ) que permitem visualizar as atividades de segurança sob diferentes perspectivas organizacionais e técnicas.
E processo rigoroso e altamente estruturado, recomendado para grandes corporações, com 5 atividades que devem ser executadas obrigatoriamente em ordem predefinida.

O portal institucional de um Ministério Público Estadual publica um infográfico com dados estatísticos relevantes, contendo apenas o texto alternativo "Infográfico institucional". De acordo com a norma ABNT NBR 17225:2025, o requisito aplicável é o de texto descritivo

A para imagens complexas, que sugere que as imagens complexas devem possuir texto alternativo que as identifica e ter descrição detalhada disponível na página (próximo à respectiva imagem) ou em outra página indicada.
B em imagens de texto, que sugere que as imagens de texto são essenciais e, por isso, devem possuir texto alternativo com o mesmo conteúdo; ou serem passíveis de customização de texto alternativo com o mesmo conteúdo.
C para imagens de conteúdo, que sugere que as imagens que transmitem informação ou conteúdo relevante devem possuir texto alternativo que descreve essa informação ou conteúdo.
D para imagens funcionais, que diz que as imagens funcionais devem possuir texto alternativo que descreve a funcionalidade do elemento.
E para imagens decorativas, que sugere que as imagens decorativas devem possuir texto alternativo aberto ou alguma implementação de outra forma, de modo que possam ser dispensadas por tecnologia assistiva.

Considerando uma equipe de ciência de dados da Secretaria da Economia Estadual que prototipa redes neurais em Python e precisa depurar o fluxo de gradientes durante experimentos com dados fiscais, ajustando dinamicamente o caminho computacional conforme condições em tempo de execução, a característica do PyTorch que atende diretamente ao cenário descrito é

A a construção do grafo computacional de forma dinâmica durante a execução ( define-by-run ), integrada ao autograd .
B a necessidade de elaborar mecanismos para desativar gradientes em partes do modelo durante inferência.
C a definição prévia de um grafo completo antes da execução do treinamento.
D o treinamento baseado em APIs declarativas, com fluxo de execução definido declarativamente.
E a execução realizada em CPU visando a reprodutibilidade dos gradientes em auditoria.

Em um processo anual de consolidação de arrecadação, totais de ICMS por município devem ser inseridos em uma tabela histórica a partir da tabela operacional, garantindo consistência do agregado no momento da inserção. A abordagem SQL no Oracle que melhor atende ao requisito é INSERT

A ALL sem agregação, delegando totalização para relatórios posteriores.
B INTO ... SELECT... com GROUP BY por município para gerar uma linha por município.
C com subconsulta correlacionada no SELECT retornando múltiplas linhas por município.
D INTO .... SELECT .... com SUM(...) OVER(PARTITION BY município) mantendo todas as linhas.
E linha a linha por cursor implícito para cada município encontrado.

Um relatório de fiscalização foi elaborado para classificar contribuintes por valor total de crédito tributário, exigindo que empates recebam a mesma posição e que a numeração não apresente lacunas após empates. A função analítica Oracle que atende corretamente ao requisito é

A LAG() com ordenação por valor do crédito para determinar posição relativa.
B COUNT () como função analítica para produzir a posição sem empates.
C ROW_NUMBER () com ordenação por valor do crédito em ordem decrescente.
D RANK () com ordenação por valor do crédito em ordem decrescente.
E DENSE_RANK () com ordenação por valor do crédito em ordem decrescente.

Uma equipe de planejamento da SEPLAG está preparando um conjunto de dados para análise em Python, usando Pandas. O DataFrame df contém informações sobre projetos estratégicos, incluindo colunas como projeto, responsavel, orcamento, prazo_dias e cpf_responsavel. Durante a análise exploratória, foram identificados valores ausentes em prazo_dias , duplicatas em projeto e valores extremos em orcamento. Além disso, os dados serão compartilhados com parceiros externos. Em condições ideais, uma prática que se adequa a este cenário é

A criar os gráficos finais primeiro e realizar a análise exploratória em seguida, pois isso evita alterações nos dados que possam comprometer a visualização.
B remover valores ausentes em prazo_dias , usando df.dropna (subset='prazo_dias') , o que garante que todos os registros com dados incompletos sejam eliminados.
C aplicar um tipo de anonimização na coluna cpf_responsavel, utilizando um salt, com df['cpf_responsavel'] = df ['cpf_responsavel'].apply(lambda x: hash (salt + str(x)), o que converte os CPFs em identificadores não reversíveis e menos suscetíveis à reidentificação.
D promover a detecção de outliers em orçamento, usando df['orcamento']= df['orcamento'].drop_outliers(), pois esses valores indicam desvios estatísticos significativos em relação à média ou à massa total dos dados.
E remover duplicatas em projeto , usando o comando df.drop_duplicates (subset=None, keep=None, inplace=False), que verifica a coluna projeto e remove todos os registros duplicados diretamente sobre o Dataframe df .
Órgão: Concurso Público Unificado de Pernambuco Cargo: Gestor Governamental - Área: Planejamento, Orçamento e Gestão Prova: FCC - CPU - PE - Gestor Governamental - Área: Planejamento, Orçamento e Gestão - 2026

Uma Secretaria da Fazenda está consolidando sua estratégia de produtos digitais para 2026. A equipe de gestão precisa estabelecer um framework que conecte a visão de longo prazo com entregas trimestrais mensuráveis, garantindo que os benefícios de interoperabilidade, padronização e governança sejam mantidos. Considerando as práticas de gerenciamento de produto digital e gestão de portfólio, a melhor estratégia que a equipe deve adotar é

A desenvolver dashboard de acompanhamento em que cada sistema tributário seja monitorado através de scorecards balanceados. Paralelamente, estabelecer reuniões quinzenais para revisar entregas de funcionalidades, ajustando prioridades conforme surgem demandas urgentes das áreas fiscais, mantendo flexibilidade para realocar recursos entre projetos sem comprometer a visão estratégica de transformação digital.
B definir visão estratégica clara sobre o futuro desejado dos serviços digitais fiscais, desdobrá-la em objetivos qualitativos trimestrais com resultados-chave quantificáveis que demonstrem progresso em métricas como tempo de processamento e satisfação do usuário. Construir roadmap de 12 meses que comunique iniciativas planejadas, priorizando aquelas que maximizam valor para contribuintes e órgão simultaneamente, enquanto mantém inventário atualizado do portfólio de produtos classificando-os por estágio de maturidade e contribuição estratégica.
C criar catálogo extenso de todos os sistemas existentes categorizando-os por tecnologia utilizada, documentando interfaces técnicas e dependências entre plataformas. Implementar comitê técnico que avalie mensalmente solicitações de novas funcionalidades baseando decisões em viabilidade de implementação e disponibilidade de recursos de TI, delegando definições de prioridade para gestores de áreas demandantes.
D estabelecer metas anuais de modernização tecnológica focadas em substituição de sistemas legados por soluções em nuvem Organizar iniciativas em sprints ágeis de duas semanas priorizando entregas rápidas de features solicitadas por usuários, medindo sucesso pelo volume de funcionalidades implementadas e redução de backlog técnico acumulado ao longo dos trimestres.
E mapear jornadas completas dos contribuintes identificando pontos de fricção nos processos tributários atuais. Selecionar tecnologias emergentes por meio de provas de conceito independentes que avaliem capacidades isoladamente, consolidando aprendizados em relatórios técnicos que subsidiem decisões futuras sobre quais plataformas adotar para compor stack tecnológico unificado.
Órgão: Secretaria da Fazenda do Estado de São Paulo Cargo: Auditor Fiscal da Fazenda Estadual - Área: Tecnologia da Informação Prova: FCC - SEFAZ SP - Auditor Fiscal da Fazenda Estadual - Área: Tecnologia da Informação Conhecimentos Específicos - 2026